Kontakt aufnehmen

Schulungsübersicht

Einführung in LLM-Übersetzungssysteme

  • Verständnis von neuronaler maschineller Übersetzung (NMT) und ihren Einschränkungen
  • Überblick über LLM-Architekturen und deren Übersetzungsfähigkeiten
  • Vergleich zwischen herkömmlicher maschineller Übersetzung und LLM-basierter Übersetzung

Arbeit mit proprietären und Open-Source-LLMs

  • Nutzung von Modellen wie OpenAI, Deepseek, Qwen und Mistral für Übersetzungen
  • Abwägung zwischen Leistung und Latenzzeiten
  • Auswahl des richtigen Modells für den eigenen Workflow

Aufbau von Übersetzungspipelines mit LangChain

  • Grundprinzipien des Pipeline-Designs für LLM-Übersetzungen
  • Implementierung einer Übersetzungskette mit LangChain
  • Verwaltung von Kontextfenstern und Token-Nutzung

Automatisierung von Übersetzungsworkflows

  • Planung von Übersetzungsaufgaben mit Python und Automatisierungstools
  • Verarbeitung von Stapelaufträgen in mehreren Sprachen
  • Integration in Lokalisierungsmanagementsysteme

Verbesserung der Übersetzungsqualität

  • Prompt Engineering für kontextbewusste Übersetzung
  • Automatisierung der Nachbearbeitung und Design mit menschlicher Beteiligung (Human-in-the-Loop)
  • Fine-Tuning-Strategien für domänenspezifische Übersetzungen

Bewertung und Überwachung von Übersetzungspipelines

  • Automatische Qualitätsschätzung (AQE) und BLEU-Score-Bewertung
  • Protokollierung, Analysen und Beobachtbarkeit der Pipelines
  • Fehlerbehandlung und Fallback-Mechanismen

Skalierung und Bereitstellung von Übersetzungssystemen

  • Cloud-Bereitstellung mit Docker und serverlosen Frameworks
  • Lastverteilung und parallele Verarbeitung für großflächige Übersetzungen
  • Aspekte der Sicherheit, Konformität und des Datenschutzes

Integration von Übersetzungspipelines in die Unternehmensinfrastruktur

  • Anbindung von Übersetzungs-APIs an CMS, ERP und L10n-Plattformen
  • Kosten- und Leistungssteuerung im großen Umfang
  • Governance und Genehmigungsworkflows für die Unternehmenslokalisierung

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Kenntnisse in der Python-Programmierung
  • Erfahrung mit API-Integration und Workflow-Automatisierung
  • Vertrautheit mit Konzepten des maschinellen Lernens und Sprachmodellen

Zielgruppe

  • Machine-Learning-Ingenieure
  • Spezialisten für Lokalisierungs- und Übersetzungstechnologie
  • Softwarearchitekten und Engineering-Lead-Personen
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien