Kurzusleírás

Haladó LangGraph architektúra

  • Gráf topológiai minták: csomópontok, élek, útválasztók, algráfok
  • Állapotmodellezés: csatornák, üzenetküldés, állapotmegőrzés
  • DAG vs ciklikus folyamatok és hierarchikus kompozíció

Teljesítmény és optimalizálás

  • Párhuzamosság és konkurencia minták Pythonban
  • Gyorsítótárazás, kötegelt feldolgozás, eszközhívás és adatfolyamok
  • Költségszabályozás és token költségvetési stratégiák

Megbízhatósági mérnöki munka

  • Újrapróbálkozások, időkorlátok, visszalépés és áramkörszakadás
  • Idempotencia és lépések deduplikálása
  • Ellenőrzőpontok és helyreállítás helyi vagy felhőalapú tárolók használatával

Komplex gráfok hibakeresése

  • Lépésről lépésre végrehajtás és próbaüzemek
  • Állapotellenőrzés és események nyomon követése
  • Éles problémák reprodukálása seedek és rögzített adatok segítségével

Megfigyelhetőség és monitorozás

  • Strukturált naplózás és elosztott nyomkövetés
  • Operatív metrikák: késleltetés, megbízhatóság, token használat
  • Irányítópultok, riasztások és SLO követés

Telepítés és üzemeltetés

  • Gráfok csomagolása szolgáltatásokként és konténerekben
  • Konfigurációkezelés és titkos kulcsok kezelése
  • CI/CD folyamatok, bevezetések és canary telepítések

Minőség, tesztelés és biztonság

  • Egységtesztek, forgatókönyvek és automatizált értékelési keretek
  • Korlátok, tartalomszűrés és PII kezelés
  • Red teaming és káosz kísérletek a robusztusság érdekében

Összefoglalás és következő lépések

Követelmények

  • A Python és aszinkron programozás ismerete
  • Tapasztalat LLM alkalmazások fejlesztésében
  • Alapvető ismeretek a LangGraph vagy LangChain koncepcióiról

Célközönség

  • AI platformmérnökök
  • AI DevOps szakemberek
  • ML architektusok, akik LangGraph rendszereket üzemeltetnek
 35 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák