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
Architektur von Advanced LangGraph
- Graph-Topologie-Muster: Nodes, Kanten, Router, Subgraphs
- Zustandsmodellierung: Channels, Nachrichtenübermittlung, Persistenz
- DAG versus zyklische Abläufe und hierarchische Komposition
Performance und Optimierung
- Parallelismus und Konzeptionmuster in Python
- Caching, Batching, Tool-Aufrufe und Streaming
- Kostenkontrollen und Token-Budget-Strategien
Reliability Engineering
- Retries, Timeouts, Backoff 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 Event-Tracing
- Reproduktion von Produktionsproblemen mit Seeds und Fixtures
Observability und Monitoring
- Strukturierte Protokollierung und verteiltes Tracing
- Operative Metriken: Latenz, Zuverlässigkeit, Token-Nutzung
- Dashboards, Alerts und SLO-Tracking
Deployment und Betrieb
- Packaging von Graphen als Services und Container
- Konfigurationsverwaltung und Handhabung von Secrets
- CI/CD-Pipelines, Rollouts und Canaries
Qualität, Testing und Sicherheit
- Unit-, Szenario- und automatische Eval-Harnesses
- Guardrails, Inhaltsfilterung und PII-Handhabung
- Red Teaming und Chaos-Experimente zur 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
- KI-Plattform-Ingenieure
- DevOps für KI
- ML-Architekten, die Produktions-LangGraph-Systeme betreuen
35 Stunden