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.
Schulungsübersicht
LangGraph-Architektur fortgeschritten
- Graph-Topologie-Muster: Knoten, Kanten, Router, Untergraphen
- Zustandsmodellierung: Channels (Kanäle), Nachrichtenübermittlung, Persistenz
- DAG vs. zyklische Flüsse und hierarchische Komposition
Performance und Optimierung
- Parallelitäts- und Nebenläufigkeitsmuster in Python
- Caching, Batchverarbeitung, Tool-Aufrufe und Streaming
- Kostenkontrolle und Token-Budgetierungsstrategien
Reliability Engineering
- Wiederholungen, Timeouts, Backoff-Strategien und Circuit Breaking
- Idempotenz und Deduplizierung von Schritten
- Checkpointing und Wiederherstellung mit lokalen oder Cloud-Speichern
Debugging komplexer Graphen
- Schrittweise Ausführung und Dry Runs
- Zustandsinspektion und Ereignis-Tracing
- Reproduzieren von Produktionsproblemen mit Seeds und Fixtures
Beobachtbarkeit und Überwachung
- Strukturiertes Logging und Distributed Tracing
- Operationale Metriken: Latenz, Zuverlässigkeit, Token-Verbrauch
- Dashboards, Alarme und SLO-Verfolgung
Bereitstellung und Betrieb
- Verpackung von Graphen als Dienste und Container
- Konfigurationsmanagement und Handhabung von Geheimnissen
- CI/CD-Pipelines, Rollouts und Canaries
Qualität, Testen und Sicherheit
- Unit-Tests, Szenario-basierte Tests und automatisierte Eval-Harnesses
- Sicherheitshürden (Guardrails), Inhaltsfilterung und PII-Handhabung
- Red Teaming und Chaos-Experimente für Robustheit
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundkenntnisse in Python und asynchroner Programmierung
- Erfahrung in der Entwicklung von LLM-Anwendungen
- Bekanntschaft mit grundlegenden LangGraph- oder LangChain-Konzepten
Zielgruppe
- KI-Plattform-Ingenieure
- DevOps für KI
- ML-Architekten, die Produktions-LangGraph-Systeme betreiben
35 Stunden