Maschinelle Übersetzung post-edit-Bewertung für ein Schweizer Lokalisierungs-Team
Übersicht
Worum es bei diesem Projekt geht.
Analysiere Post-Editing-Logs, berechne BLEU/COMET/HTER und erstelle einen Bericht – erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Welches NMT-Modell pro Domäne minimiert den Post-Editing-Aufwand bei akzeptabler Übersetzungs-Qualität?
Earning criteria — what you'll demonstrate
- Mehrere NMT-Modelle vergleichend bewerten
- Automatische MT-Metriken (BLEU, COMET, chrF) richtig interpretieren
- Post-Editing-Aufwand neben Qualität als gleichberechtigtes Kriterium einsetzen
- Empfehlungen für Domänen-spezifische Modellauswahl entwickeln
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Linguistic Engineering and Language Technologies
Master · Ai Ml
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenNLP-Ingenieur:in
MT-Modelle vergleichend auf Post-Editing-Aufwand und Qualität zu bewerten, ist eine direkte Aufgabe von NLP-Ingenieur:innen in Lokalisierungs- und Sprach-Dienstleistern.
Dieses Projekt schärft
- machine-translation
- evaluation
- comet
Applied AI Scientist
Domänen-spezifische Modellauswahl-Empfehlungen mit ehrlicher Methodik sind Kernarbeit von Applied AI Scientists in Sprach-Dienstleistungen.
Dieses Projekt schärft
- evaluation
- benchmarking
- post-editing
KI-Engineer
Bewertungs-Frameworks als wiederverwendbare Engagement-Werkzeuge zu liefern, ist Tagesarbeit von KI-Engineers in produktnahen Sprach-Teams.
Dieses Projekt schärft
- benchmarking
- machine-translation
- multilingual
Noch eine Sache