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 21 Stunden
Schulungsübersicht
Verständnis der Mastra-Architektur und operationeller Konzepte
- Kernkomponenten und ihre Rolle in der Produktion
- Unterstützte Integrationsmuster für Unternehmensumgebungen
- Überlegungen zu Sicherheit und Governance
Vorbereitung der Umgebungen für die Agentenbereitstellung
- Konfiguration von Container-Runtime-Umgebungen
- Vorbereitung von Kubernetes-Clustern für KI-Agenten-Workloads
- Verwaltung von Secrets, Zugangsdaten und Konfigurationsstores
Bereitstellung von Mastra-KI-Agenten
- Packaging von Agenten zur Bereitstellung
- Einsatz von GitOps und CI/CD für die automatisierte Auslieferung
- Validierung von Bereitstellungen durch strukturiertes Testen
Skalierungsstrategien für Produktions-KI-Agenten
- Horizontale Skalierungsmuster
- Autoskalierung mit HPA, KEDA und ereignisgesteuerten Triggern
- Lastverteilung und Strategien zur Anfrageverarbeitung
Observability, Monitoring und Logging für KI-Agenten
- Best Practices für Telemetrie-Instrumentierung
- Integration von Prometheus, Grafana und Logging-Stacks
- Verfolgung der Agentenleistung, Drift und operationelle Anomalien
Optimierung von Leistung und Ressourceneffizienz
- Profiling von Agenten-Workloads
- Verbesserung der Inferenzleistung und Reduzierung der Latenz
- Kostenoptimierungsansätze für grossangelegte Agentenbereitstellungen
Zuverlässigkeit, Resilienz und Fehlerbehandlung
- Design für Resilienz unter Last
- Einführung von Circuit-Breaking, Retries und Rate Limiting
- Katastrophenwiederherstellungsplanung für agentenbasierte Systeme
Integration von Mastra in Unternehmensökosysteme
- Anbindung an APIs, Datenpipelines und Event-Busse
- Ausrichtung der Agentenbereitstellung auf DevSecOps im Unternehmen
- Anpassung der Architekturen an bestehende Plattformumgebungen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis der Containerisierung und Orchestrierung
- Erfahrung mit CI/CD-Workflows
- Vertrautheit mit Konzepten zur Bereitstellung von KI-Modellen
Zielgruppe
- DevOps-Engineers
- Backend-Entwickler
- Platform Engineers, die für KI-Workloads zuständig sind