Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 21 heures
Plan du cours
Introduction aux systèmes de traduction LLM
- Compréhension de la traduction automatique neuronale (NMT) et de ses limites
- Aperçu des architectures LLM et de leurs capacités de traduction
- Comparaison entre la TA traditionnelle et la traduction basée sur les LLM
Travail avec des LLM propriétaires et open source
- Utilisation des modèles OpenAI, Deepseek, Qwen et Mistral pour la traduction
- Compromis entre performances et latence
- Sélection du modèle adapté à votre flux de travail
Construction de chaînes de traduction avec LangChain
- Principes de conception de chaînes pour la traduction LLM
- Mise en œuvre d'une chaîne de traduction avec LangChain
- Gestion des fenêtres de contexte et de l'utilisation des jetons
Automatisation des flux de travail de traduction
- Planification des tâches de traduction à l'aide de Python et d'outils d'automatisation
- Gestion des tâches en lot multilingues
- Intégration avec les systèmes de gestion de la localisation
Amélioration de la qualité de la traduction
- Ingénierie des prompts pour une traduction tenant compte du contexte
- Automatisation de la post-édition et conception du processus humain dans la boucle (human-in-the-loop)
- Stratégies de fine-tuning pour la traduction spécialisée par domaine
Évaluation et surveillance des chaînes de traduction
- Estimation automatique de la qualité (AQE) et évaluation du score BLEU
- Journalisation, analyse et observabilité de la chaîne
- Gestion des erreurs et mécanismes de secours
Mise à l'échelle et déploiement des systèmes de traduction
- Déploiement cloud avec Docker et frameworks serverless
- Équilibrage de charge et traitement parallèle pour la traduction à grande échelle
- Considérations en matière de sécurité, de conformité et de confidentialité des données
Intégration des chaînes de traduction dans l'infrastructure d'entreprise
- Connexion des API de traduction aux plateformes CMS, ERP et L10n
- Gestion des coûts et des performances à grande échelle
- Gouvernance et flux d'approbation pour la localisation d'entreprise
Résumé et prochaines étapes
Pré requis
- Une compréhension de la programmation en Python
- De l'expérience dans l'intégration d'API et l'automatisation des flux de travail
- Une familiarité avec les concepts d'apprentissage automatique et les modèles de langage
Public cible
- Ingénieurs en apprentissage automatique
- Spécialistes de la localisation et des technologies de traduction
- Architectes logiciels et responsables d'ingénierie
