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
- Topologie-Muster von Graphen: Knoten, Kanten, Router, Untergraphen
- Zustandsmodellierung: Kanäle, Nachrichtenübermittlung, Persistenz
- DAG- im Vergleich zu zyklischen Flows und hierarchische Komposition
Performance und Optimierung
- Muster für Parallelisierung und Konkurienz in Python
- Caching, Batching, Tool-Aufrufe und Streaming
- Kostenkontrolle und Strategien für Token-Budgetierung
Zuverlässigkeits-Ingenieurwesen
- Retries, Timeouts, Backoff und Circuit Breaking
- Idempotenz und Deduplizierung von Schritten
- Checkpointing und Wiederherstellung über lokale oder Cloud-Speicher
Debugging komplexer Graphen
- Schrittweise Ausführung und Testläufe (Dry Runs)
- Zustandsinspektion und Ereignisverfolgung
- Reproduktion von Produktionsproblemen mit Seeds und Fixtures
Beobachtbarkeit und Monitoring
- Strukturierte Protokollierung und verteilte Tracing-Verfahren
- Operative Metriken: Latenz, Zuverlässigkeit, Token-Nutzung
- Dashboards, Alerts und SLO-Tracking
Deployment und Betrieb
- Paketierung von Graphen als Dienste und Container
- Verwaltung von Konfigurationen und geheimer Daten (Secrets)
- CI/CD-Pipelines, Rollouts und Canaries
Qualität, Testen und Sicherheit
- Unit-, Szenario- und automatisierte Eval-Testharnesses
- Guardrails, Inhaltsfilterung und Verarbeitung personenbezogener Daten (PII)
- Red Teaming und Chaos-Experimente für Robustheit
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von Python und asynchroner Programmierung
- Erfahrung in der Entwicklung von LLM-Anwendungen
- Vertrautheit mit grundlegenden Konzepten von LangGraph oder LangChain
Zielgruppe
- KI-Plattform-Ingenieure
- DevOps-Fachkräfte für KI
- ML-Architekten, die produktionsreife LangGraph-Systeme betreuen
