Zkuste nás kontaktovat

Návrh Školení

Úvod do systémů překladu využívajících velké jazykové modely

  • Přehled neuronového strojového překladu (NMT) a jeho omezení
  • Architektury velkých jazykových modelů a jejich schopnosti v oblasti překladu
  • Porovnání tradičních systémů strojového překladu s překladem pomocí velkých jazykových modelů

Práce s proprietárními i open-source velkými jazykovými modely

  • Využití modelů OpenAI, Deepseek, Qwen a Mistral k překladu textů
  • Kompromisy mezi výkonem a latencí jednotlivých modelů
  • Jak vybrat vhodný model pro konkrétní pracovní postup

Vytváření překladových pipeline pomocí frameworku LangChain

  • Principy navrhování pipeline pro překlad využívajících velké jazykové modely
  • Implementace řetězce operací pro překlad pomocí LangChainu
  • Správa paměťových omezení a využití tokenů během překladu

Automatizace pracovních postupů pro překlad

  • Plánování úloh na překlad pomocí Pythonu a nástrojů pro automatizaci
  • Řešení hromadných úkolů v různých jazycích
  • Integrace s systémy určenými k řízení lokalizace

Zlepšování kvality překladů

  • Konstrukce promtů tak, aby zohledňovaly kontext daného textu
  • Automatizace následné editace překladů a vytváření systémů s zapojením lidského faktoru
  • Strategie fine-tuningu modelů určené k speciální oblasti použití

Hodnocení a monitorování fungování překladových pipeline

  • Automatické odhadování kvality překladů a vyhodnocování pomocí metriky BLEU
  • Logování, analytika a sledování stavu jednotlivých komponent systému
  • Řešení chyb a implementace mechanismů záložního překladu

Škálování a nasazování systémů pro překlad

  • Nasazení do cloudového prostředí s využitím nástrojů Docker a serverless architektury
  • Vyvažování zátěže a paralelní zpracování při rozsáhlých úlohách na překlad
  • Bezpečnost, soulad s legislativou a ochrana osobních dat při používání těchto systémů

Integrace překladových pipeline do podnikové infrastruktury

  • Propojení rozhraní API pro překlad s redakčními systémy, ERP a nástroji na lokalizaci
  • Správa nákladů a zajištění dostatečného výkonu systémů při jejich škálování
  • Řízení procesů a schvalovacích mechanismů potřebných pro podnikovou lokalizaci

Závěr a další kroky

Požadavky

  • Znalost programování v Pythonu
  • Praktické zkušenosti s integrací rozhraní API a automatizací pracovních postupů
  • Seznámenost s koncepty strojového učení a jazykovými modely

Cílové skupiny

  • Inženýři v oblasti strojového učení
  • Odborníci na lokalizaci a technologie překladu
  • Softwaroví architekti a vedoucí inženýři
 21 Hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie