聯繫我們
 課程時長 21 時間:

課程簡介

大企業LLM本地化導論

  • 理解大企業本地化生態系統
  • 從NMT到LLM驅動翻譯的演進
  • 品質、治理與合規挑戰

用於本地化的LLM模型全景

  • 比較Deepseek、Qwen、Mistral與OpenAI模型
  • 針對翻譯與後編輯進行微調與適應性調整
  • 模型部署與成本效益考量

LLM本地化流程架構設計

  • LLM本位翻譯的系統設計模式
  • 連接API、資料庫與內容管理系統
  • 使用LangChain與Docker進行流程編排

LLM翻譯的自動化品質保證

  • 定義語言品質指標(BLEU、COMET、MQM)
  • 建置自動化QA代理以進行翻譯驗證
  • 後編輯回饋循環與持續改進

本地化AI中的治理與合規

  • 建立人類在迴路中的治理機制
  • 追蹤、稽核日誌與變更控制
  • LLM系統中的倫理與數據隱私標準

評估與監控框架

  • 監控翻譯效能與漂移
  • 使用開源工具進行即時告警與記錄
  • 實施QA監督檢視儀表板

大企業整合與工作流自動化

  • 整合LLM翻譯流程與CMS及TMS系統
  • 工作流自動化與作業排程
  • 跨部門協作與版本控制

擴展與保護本地化基礎架構

  • 在雲端與本地部署中擴展多模型架構
  • 安全性、存取管理與數據加密
  • 大企業全面採用LLM的治理最佳實踐

總結與下一步

最低要求

  • 了解機器學習與自然語言處理
  • 具備使用Python或TypeScript進行API整合的經驗
  • 熟悉大企業本地化工作流與工具

受眾

  • AI與NLP工程師
  • 本地化技術經理
  • 軟體架構師與工程主管

人數


每位參與者的報價

即將到來的課程

課程分類