Hvala što ste poslali upit! Jedan od naših članova tima će vas uskoro kontaktirati.
Hvala što ste poslali rezervaciju! Jedan od naših članova tima će vas uskoro kontaktirati.
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