Kontaktirajte nas
 Trajanje 35 sati

Sadržaj kursa

Napredna arhitektura LangGraph-a

  • Patterni topologije grafa: čvorovi (nodes), ivice (edges), rutatori (routers), podgrafovi
  • Modelovanje stanja: kanali, proslanje poruka, perzistencija
  • DAG vs ciklički tokovi i hijerarhijska kompozicija

Performanse i optimizacija

  • Patterni paralelizma i konkurencije u Python-u
  • Keširanje, grupisanje (batching), pozivanje alata i streamovanje
  • Kontrole troškova i strategije budžetiranja tokena

Inženjering pouzdanosti

  • Ponavljanja (retries), tajmauti, nazadno povlačenje (backoff) i prekidači kola (circuit breaking)
  • Idempotentnost i de-duplikacija koraka
  • Čekpojtovanje i oporavak korišćenjem lokalnih ili cloud magazina

Otklanjanje grešaka u složenim grafovima

  • Postupno izvršavanje (step-through) i suva vrsta (dry runs)
  • Ispitivanje stanja i praćenje događaja
  • Reprodukcija produkcijskih problema pomoću semena (seeds) i fikstura

Posmatraljivost i praćenje

  • Strukturirano logovanje i distribuirano praćenje
  • Operativne metrike: latencija, pouzdanost, korišćenje tokena
  • Način za praćenje (dashboards), alarmi i praćenje SLO-a

Raspoređivanje i operacije

  • Pakovanje grafova kao servisa i kontejnera
  • Upravljanje konfiguracijom i obrada tajni (secrets)
  • CI/CD pipeline-i, otkrivanja (rollouts) i kanari (canaries)

Kvalitet, testiranje i bezbednost

  • Unit, scenario i automatski eval testovi
  • Čuvanje ograničenja (guardrails), filtriranje sadržaja i obrada PII podataka
  • Red teaming i haos eksperimenti za robusnost

Zaključak i naredni koraci

Uslovi

  • Znanje o Python-u i asinhronom programiranju
  • Ispitivanje iskustva u razvoju LLM aplikacija
  • Znajomstvo sa osnovnim konceptima LangGraph-a ili LangChain-a

Ciljna publika

  • Inženjeri AI platforme
  • DevOps za AI
  • ML arhitekte koji upravljaju produkcijskim sistemima LangGraph-a

Broj učesnika


Cena po učesniku

Predstojeći kursevi

Povezane kategorije