Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Czas trwania 35 godzin
Plan Szkolenia
Zaawansowana architektura LangGraph
- Wzorce topologii grafów: węzły, krawędzie, routery, podgrafy
- Modelowanie stanu: kanały, przekazywanie komunikatów, trwałość
- Przepływy DAG i cykliczne oraz kompozycja hierarchiczna
Wydajność i optymalizacja
- Wzorce równoległości i współbieżności w Pythonie
- Buforowanie, przetwarzanie wsadowe, wywoływanie narzędzi i strumieniowanie
- Kontrola kosztów i strategie budżetowania tokenów
Inżynieria niezawodności
- Ponowienia, limity czasu, backoff i przerywanie obwodu
- Idempotentność i deduplikacja kroków
- Punkty kontrolne i odzyskiwanie przy użyciu magazynów lokalnych lub chmurowych
Debugowanie złożonych grafów
- Wykonywanie krok po kroku i przebiegi próbne
- Inspekcja stanu i śledzenie zdarzeń
- Odtwarzanie problemów produkcyjnych za pomocą ziaren i danych testowych
Obserwowalność i monitorowanie
- Strukturalne logowanie i rozproszone śledzenie
- Metryki operacyjne: opóźnienia, niezawodność, zużycie tokenów
- Pulpity nawigacyjne, alerty i śledzenie SLO
Wdrażanie i operacje
- Pakowanie grafów jako usług i kontenerów
- Zarządzanie konfiguracją i obsługa sekretów
- Potoki CI/CD, wdrożenia i wydania kanarkowe
Jakość, testowanie i bezpieczeństwo
- Testy jednostkowe, scenariuszowe i zautomatyzowane systemy ewaluacji
- Zabezpieczenia, filtrowanie treści i obsługa danych osobowych (PII)
- Red teaming i eksperymenty chaosu dla zwiększenia odporności
Podsumowanie i dalsze kroki
Wymagania
- Znajomość języka Python i programowania asynchronicznego
- Doświadczenie w tworzeniu aplikacji LLM
- Znajomość podstawowych pojęć LangGraph lub LangChain
Grupa docelowa
- Inżynierowie platform AI
- DevOps ds. AI
- Architekci ML obsługujący produkcyjne systemy LangGraph
