Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 35 Stunden
Schulungsübersicht
Fortgeschrittene LangGraph-Architektur
- Graftopologie-Muster: Knoten, Kanten, Router, Teilgraphen
- Zustandsmodellierung: Kanäle, Nachrichtenübermittlung, Persistenz
- DAG- vs. zyklische Flows und hierarchische Zusammensetzung
Performance und Optimierung
- Parallelisierungs- und Konkurrenz-Muster in Python
- Caching, Batching, Tool-Calling und Streaming
- Kostenkontrolle und Strategien zur Token-Budgetierung
Reliability Engineering
- Retries, Timeouts, Backoff und Circuit Breaking
- Idempotenz und Deduplizierung von Schritten
- Checkpointing und Recovery über lokale oder Cloud-Speicher
Debugging komplexer Graphen
- Schrittweise Ausführung und Testläufe (Dry Runs)
- Zustandsinspektion und Ereignis-Tracking (Event Tracing)
- Reproduzieren von Produktionsproblemen mit Seeds und Fixtures
Observability und Monitoring
- Strukturiertes Logging und Distributed Tracing
- Operative Metriken: Latenz, Zuverlässigkeit, Token-Nutzung
- Dashboards, Alerts und SLO-Tracking
Bereitstellung und Betrieb
- Paketierung von Graphen als Dienste und Container
- Konfigurationsmanagement und Umgang mit Secrets
- CI/CD-Pipelines, Rollouts und Canary Releases
Qualität, Testing und Sicherheit
- Unit-, Szenario- und automatische Eval-Harnesses
- Guardrails, Inhaltsfilterung und PII-Behandlung
- Red Teaming und Chaos-Experimente für Robustheit
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis von Python und asynchroner Programmierung
- Erfahrung in der Entwicklung von LLM-Anwendungen
- Grundkenntnisse in LangGraph- oder LangChain-Konzepten
Zielgruppe
- AI-Plattform-Engineers
- DevOps für KI
- ML-Architekten, die produktionsreife LangGraph-Systeme betreuen