Neuronale MT-Domaenenadaption fuer einen Maschinenbau-Dokumentationsanbieter
Übersicht
Worum es bei diesem Projekt geht.
Optimiere ein Maschinenbau-MT-Modell per Fine-Tuning, evaluiere mit BLEU und chrF – erhalte ein verifizierbares Zertifikat.
Das Szenario
Der Dienstleister (rund 80 Beschaeftigte, davon 35 Uebersetzer) bearbeitet jaehrlich rund 12 Millionen Worteinheiten technischer Dokumentation; eine durchschnittliche 15-Prozent-Senkung der Post-Editing-Zeit pro Wort ist ein 6-stelliger Betrag im Jahr.
Das Briefing
Was Du tust und was Du zeigst.
Hebe NMT-Qualitaet auf maschinenbau-spezifischer Dokumentation messbar an, ohne mehr als 2 GPU-Wochen Trainingsbudget zu verbrauchen.
Earning criteria — what you'll demonstrate
- Vortrainierte NMT-Modelle (MarianMT, OPUS-MT) als Ausgangspunkt fuer Domaenenadaption nutzen
- Fine-Tuning auf einem mittleren Domaenenkorpus methodisch sauber durchfuehren
- BLEU, chrF und manuelle Bewertung gemeinsam interpretieren — kein Einzelwert reicht
- Den Mehrwert eines NMT-Modells in Post-Editing-Zeit uebersetzen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Neural Machine Translation
Apply neural machine translation to solve real industry problems and demonstrate production-level capability.
- Domain Adaptation
Apply domain adaptation to solve real industry problems and demonstrate production-level capability.
- Fine Tuning
Apply fine tuning to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
- Transformers
Apply transformers to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
NLP Engineer
Domaenenadaption vortrainierter MT-Modelle ist Tagesgeschaeft fuer NLP-Engineers in Lokalisierungsfirmen und mehrsprachigen Konzernen.
Dieses Projekt schärft
- neural-machine-translation
- domain-adaptation
- fine-tuning
ML Researcher
BLEU mit manueller Bewertung zu qualifizieren und Trade-offs zu zeigen ist methodische Forschungsarbeit, die in jedem MT-Lab gefragt ist.
Dieses Projekt schärft
- model-evaluation
- neural-machine-translation
- transformers
Machine Learning Engineer
Fine-Tuning-Pipelines fuer produktive NMT-Systeme zu bauen ist die Engineering-Arbeit in Sprachdienstleister- und EU-Institutionsumfeldern.
Dieses Projekt schärft
- fine-tuning
- transformers
- pytorch
Noch eine Sache