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
Advanced LangGraph-Architektur
- Graphen-Topologie-Muster: Knoten, Kanten, Router, Subgraphen
- Zustandsmodellierung: Kanäle, Nachrichtenübergabe, Persistenz
- DAG vs. zyklische Flows und hierarchische Komposition
Performance und Optimierung
- Parallelitäts- und Konversationsmuster in Python
- Caching, Batching, Tool Calling und Streaming
- Kostenkontrolle und Strategien für das Token-Budget
Reliability Engineering
- Retries, Timeouts, Backoff und Circuit Breaking
- Idempotenz und Deduplizierung von Schritten
- Checkpointing und Wiederherstellung unter Verwendung lokaler oder Cloud-Speicher
Debugging komplexer Graphen
- Schrittweise Ausführung und Testläufe
- Zustandsinspektion und Ereignisverfolgung
- Reproduktion von Produktionsproblemen mit Seeds und Fixtures
Beobachtbarkeit und Überwachung
- Strukturiertes Logging und verteilte Trace-Verfolgung
- Operative Metriken: Latenz, Zuverlässigkeit, Token-Nutzung
- Dashboards, Alerts und SLO-Verfolgung
Deployment und Betrieb
- Verpacken von Graphen als Services und Container
- Verwaltung von Konfigurationen und Behandlung von Secrets
- CI/CD-Pipelines, Rollouts und Canary-Deployment
Qualität, Testing und Sicherheit
- Unit-, Szenario- und automatische Evaluation-Harnesses
- Guardrails, Inhaltsfilterung und PII-Verarbeitung
- Red Teaming und Chaos-Experimente für Robustheit
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis von Python und asynchroner Programmierung
- Erfahrung in der Entwicklung von LLM-Anwendungen
- Vertrautheit mit grundlegenden Konzepten von LangGraph oder LangChain
Zielgruppe
- KI-Plattform-Engineers
- DevOps für KI
- ML-Architekten, die produktionsreife LangGraph-Systeme verwalten