Maschinelle Übersetzung post-edit-Bewertung für ein Schweizer Lokalisierungs-Team
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst 4.000 Quelltexte (Software-Strings + technische Doku) mit Übersetzungs-Goldstandard und Post-Editing-Logs (Zeit, Edits, Edit-Typ). Implementiere ein Framework mit (1) NMT-Output von drei Modellen (DeepL, Google Translate, NLLB-1.3B); (2) automatischen MT-Metriken (BLEU, COMET, chrF); (3) Post-Editing-Effort-Schätzern (HTER, Edit Distance); (4) Berichts-Generator pro Modell und Domäne. Liefere Framework, Auswertungs-Bericht (6 Seiten), Modellauswahl-Empfehlung und ein Engagement-Playbook für Linguist:innen.
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.
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