聯繫我們
 課程時長 21 時間:

課程簡介

LLM翻譯系統簡介

  • 了解神經機器翻譯(NMT)及其局限性
  • LLM架構概覽及其翻譯能力
  • 傳統MT與基於LLM的翻譯對比

操作專有與開源LLM

  • 使用OpenAI、Deepseek、Qwen及Mistral模型進行翻譯
  • 效能與延遲的取捨考量
  • 為工作流程選擇合適的模型

使用LangChain構建翻譯管道

  • LLM翻譯的管道設計原則
  • 使用LangChain實作翻譯鏈
  • 管理上下文視窗與Token用量

自動化翻譯工作流程

  • 使用Python與自動化工具排程翻譯任務
  • 處理多語言批次作業
  • 與本地化管理系統整合

提升翻譯品質

  • 用於情境感知翻譯的提示工程
  • 後編輯自動化與人機協作設計
  • 針對特定領域的翻譯微調策略

評估與監控翻譯管道

  • 自動品質估算(AQE)與BLEU分數評估
  • 記錄、分析與管道可觀測性
  • 錯誤處理與備援機制

擴展與部署翻譯系統

  • 使用Docker與無伺服器框架進行雲端部署
  • 用於大規模翻譯的負載均衡與並行處理
  • 安全、合規與數據隱私考量

將翻譯管道整合至企業基礎設施

  • 將翻譯API連接至CMS、ERP及L10n平台
  • 管理大規模環境下的成本與效能
  • 企業本地化的治理與審批工作流程

總結與後續步驟

最低要求

  • 具備Python程式設計基礎
  • 具備API整合與工作流程自動化經驗
  • 熟悉機器學習概念與語言模型

目標受眾

  • 機器學習工程師
  • 本地化與翻譯技術專家
  • 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