Hubungi Kami

Kerangka Materi

Pengantar Lokalisasi Perusahaan Berbasis LLM

  • Memahami ekosistem lokalisasi perusahaan secara menyeluruh
  • Dari teknologi terjemahan mesin (NMT) menuju sistem berbasis LLM
  • Tantangan utama dalam hal kualitas, tata kelola, dan kepatuhan regulasi

Beragam Model LLM untuk Keperluan Lokalisasi

  • Perbandingan antara model Deepseek, Qwen, Mistral, dan OpenAI
  • Proses fine-tuning dan adaptasi model guna terjemahan serta penyuntingan naskah
  • Aspek penyebaran model serta pertimbangan efisiensi biaya dan kinerja

Merancang Saluran Kerja Lokalisasi Berbasis LLM

  • Pola perancangan sistem untuk penerjemahan berbasis LLM
  • Pengintegrasian API, basis data, serta sistem manajemen konten
  • Orkestrasi saluran kerja menggunakan LangChain dan Docker

Penjaminan Mutu Otomatis untuk Terjemahan Berbasis LLM

  • Menentukan metrik kualitas bahasa seperti BLEU, COMET, dan MQM
  • Pembuatan agen QA otomatis guna memvalidasi hasil terjemahan
  • Pengembangan mekanisme umpan balik penyuntingan serta perbaikan berkelanjutan

Tata Kelola dan Kepatuhan dalam Penerapan AI untuk Lokalisasi

  • Membentuk sistem tata kelola yang melibatkan intervensi manusia secara langsung
  • Pemantauan, pencatatan audit, serta pengendalian perubahan konten
  • Standar etika dan privasi data dalam sistem berbasis LLM

Kerangka Evaluasi dan Pemantauan Kinerja

  • Memantau performa terjemahan serta potensi penyimpangan kualitasnya
  • Penggunaan perangkat lunak open source guna pemantauan dan pemberitahuan secara real-time
  • Pembuatan panel evaluasi bagi tim QA untuk memantau progres terjemahan

Integrasi Perusahaan dan Otomatisasi Alur Kerja

  • Mengintegrasikan saluran kerja penerjemahan berbasis LLM ke dalam sistem CMS maupun TMS perusahaan
  • Pengaturan otomatisasi alur kerja serta penjadwalan tugas
  • Kolaborasi antar departemen dan pengelolaan kontrol versi secara terpadu

Peningkatan Skalabilitas serta Pengamanan Infrastruktur Lokalisasi

  • Penyebaran berbagai model sekaligus, baik di lingkungan cloud maupun on-premises
  • Pengamanan sistem, pengelolaan akses, serta enkripsi data secara menyeluruh
  • Praktik terbaik tata kelola dalam adopsi LLM di tingkat perusahaan secara efektif

Kesimpulan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman mengenai pembelajaran mesin dan pengolahan bahasa alami
  • Pengalaman menggunakan Python atau TypeScript dalam integrasi API
  • Pengetahuan tentang alur kerja dan perangkat lokalisasi perusahaan

Target Peserta

  • Insinyur AI dan NLP
  • Manajer Teknologi Lokalisasi
  • Arsitek Perangkat Lunak serta Pemimpin Teknis
 21 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait