Plan du cours

Introduction aux Systèmes de Traduction LLM

  • Comprendre la traduction automatique neuronale (NMT) et ses limites
  • Vue d'ensemble des architectures LLM et de leurs capacités de traduction
  • Comparaison entre la traduction automatique traditionnelle (MT) et la traduction basée sur les LLMs

Travailler avec des LLMs Propriétaires et Open-Source

  • Utiliser les modèles OpenAI, Deepseek, Qwen et Mistral pour la traduction
  • Compromis entre performance et latence
  • Sélectionner le bon modèle pour votre workflow

Construire des Pipelines de Traduction avec LangChain

  • Principes de conception de pipeline pour la traduction LLM
  • Implémenter une chaîne de traduction avec LangChain
  • Gérer les fenêtres de contexte et l'utilisation des jetons

Automatiser les Workflows de Traduction

  • Planifier des tâches de traduction à l'aide de Python et d'outils d'automatisation
  • Gérer les travaux batch multilingues
  • Intégration avec des systèmes de gestion de localisation

Améliorer la Qualité de la Traduction

  • Ingénierie des prompts pour une traduction contextuelle
  • Automatisation du post-édition et design avec l'intervention humaine
  • Stratégies d'affinage pour la traduction spécifique à un domaine

Évaluer et Surveiller les Pipelines de Traduction

  • Estimation automatique de la qualité (AQE) et évaluation du score BLEU
  • Journalisation, analyse et observabilité des pipelines
  • Gestion des erreurs et mécanismes de secours

Évoluer et Déployer les Systèmes de Traduction

  • Déploiement dans le cloud avec Docker et des frameworks serverless
  • Équilibrage de charge et traitement parallèle pour la traduction à grande échelle
  • Considérations sur la sécurité, la conformité et la protection des données

Intégrer les Pipelines de Traduction dans l'Infrastructure d'Entreprise

  • Connecter des APIs de traduction à des CMS, ERP et plates-formes L10n
  • Gérer les coûts et les performances à grande échelle
  • Governance et workflows d'approbation pour la localisation d'entreprise

Résumé et Étapes Suivantes

Pré requis

  • Une compréhension de la programmation Python
  • Une expérience avec l'intégration d'API et l'automatisation des workflows
  • Une familiarité avec les concepts d'apprentissage automatique et de modèles de langage

Audience

  • Ingénieurs en Apprentissage Automatique
  • Spécialistes de la Localisation et de la Technologie de Traduction
  • Architectes Logiciels et Responsables Ingénierie
 21 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires