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
Fortgeschrittene LangGraph-Architektur
- Graphentopologie: Knoten, Kanten, Router sowie Untergraphen
- Zustandsmodellierung: Kanäle, Nachrichtenaustausch sowie Datenspeicherung
- Direkte azyklische Graphen im Vergleich zu zyklischen Flüssen und hierarchische Strukturen
Performance und Optimierung
- Parallele und konkurrierende Ausführungsmuster in Python
- Caching, Batching, Aufrufe von Werkzeugen sowie Streaming-Mechanismen
- Kostenkontrolle mittels effizienter Token-Nutzung und Budget-Strategien
Fachwissen zur Zuverlässigkeit
- Wiederholungen, Zeitüberschreitungen, Backoff-Verfahren sowie Schutzmechanismen gegen Fehlausgaben
- Idempotenz und Vermeidung doppelter Ausführungen einzelner Prozessschritte
- Ausgangspunkte sichern sowie Systemstände wiederherstellen – lokal oder mittels Cloud-Speichern
Debugging komplexer Graphen
- Schrittweise Ausführung und Testläufe ohne echte Auswirkungen auf das System
- Detaillierte Analyse des Zustands sowie Verfolgung von Ereignissen im Ablauf des Graphen
- Reproduktion realer Produktionsprobleme durch gezielte Seed-Einstellungen und Testdaten
Beobachtbarkeit und Überwachung
- Strukturierte Protokollierung sowie verteiltes Tracing
- Betriebliche Kennzahlen: Ausführungszeit, Zuverlässigkeit und Token-Verbrauch
- Dashboards, Warnmeldungen sowie kontinuierliche Überwachung der SLAs<\/li>
Einführung in den Betrieb und Deployment-Prozesse
- Graphen als eigenständige Dienste oder Container verpacken
- Konfigurationsverwaltung sowie sichere Handhabung vertraulicher Daten
- Einsatz von CI/CD-Pipelines, schrittweiser Rollout-Vorgänge sowie Canary-Releases
Qualitätssicherung, Testverfahren und Sicherheitsaspekte
- Einheitstests, Szenario-Tests sowie automatisierte Auswertungsmechanismen
- Grundschutzmaßnahmen: Filterung von Inhalten und Schutz personenbezogener Daten
- Robustheitsanalyse mittels Red-Teaming-Verfahren sowie gezielten Störungsversuchen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundkenntnisse in Python sowie im Umgang mit asynchroner Programmierung
- Erfahrung bei der Entwicklung von LLM-Anwendungen
- Bekanntschaft mit grundlegenden Konzepten von LangGraph oder LangChain
Zielgruppe
- AI-Plattform-Ingenieure
- DevOps-Spezialisten für KI-Anwendungen
- ML-Architekten, die mit produktiven LangGraph-Systemen arbeiten
35 Stunden