聯繫我們

課程簡介

LLM 翻譯系統介紹

  • 理解神經機器翻譯(NMT)及其局限性。
  • 了解 LLM 架構及其翻譯能力。
  • 比較傳統 MT 與基於 LLM 的翻譯。

使用 Proprietary 及開源 LLM

  • 運用 OpenAI、Deepseek、Qwen 及 Mistral 模型進行翻譯。
  • 評估效能與延遲之間的權衡。
  • 為工作流程選擇合適的模型。

使用 LangChain 建構翻譯管線

  • LLM 翻譯的管線設計原則。
  • 使用 LangChain 實作翻譯鏈結。
  • 管理上下文視窗與 Token 用量。

自動化翻譯工作流程

  • 使用 Python 及自動化工具排程翻譯任務。
  • 處理多語系批次作業。
  • 整合至本地化管理系統。

提升翻譯品質

  • 用於情境感知翻譯的提示工程。
  • 後製自動化和人類參與設計。
  • 針對特定領域翻譯的微調策略。

評估與監控翻譯管線

  • 自動品質估算(AQE)及 BLEU 分數評估。
  • 日誌記錄、分析儀表板及管線可觀察性。
  • 錯誤處理與備援機制。

擴展與部署翻譯系統

  • 使用 Docker 及無伺服器架構進行雲端部署。
  • 用於大規模翻譯的負載平衡與平行處理。
  • 安全性、合規性及資料隱私考量。

將翻譯管線整合至企業基礎設施

  • 將翻譯 API 連接至 CMS、ERP 及 L10n 平台。
  • 管理擴展環境下的成本與效能。
  • 企業本地化的治理與審核流程。

總結與後續步驟

最低要求

  • 具備 Python 程式設計基礎知識。
  • 擁有 API 整合與工作流程自動化經驗。
  • 熟悉機器學習概念及語言模型。

適合對象

  • 機器學習工程師。
  • 本地化與翻譯技術專家。
  • 軟體架構師與工程團隊主管。
 21 小時

課程分類