Prenez contact avec nous
 Durée 35 heures

Plan du cours

Architecture LangGraph avancée

  • Modèles de topologie de graphe : nœuds, arêtes, routeurs, sous-graphes
  • Modélisation de l'état : canaux, passage de messages, persistance
  • Flux DAG versus flux cycliques et composition hiérarchique

Performance et optimisation

  • Modèles de parallélisme et de concurrence en Python
  • Cache, lot de traitement (batching), appels d'outils et streaming
  • Contrôle des coûts et stratégies de budget de jetons (tokens)

Génie de la fiabilité

  • Nouvelles tentatives, timeouts, backoff et circuit breaking
  • Idempotence et déduplication des étapes
  • Point de contrôle (checkpointing) et récupération utilisant des magasins locaux ou cloud

Débogage de graphes complexes

  • Exécution pas à pas et exécution à blanc (dry runs)
  • Inspection de l'état et traçage des événements
  • Reproduction des problèmes de production à l'aide de graines (seeds) et de fixtures

Observabilité et supervision

  • Journalisation structurée et traçage distribué
  • Métriques opérationnelles : latence, fiabilité, utilisation des jetons
  • Tableaux de bord, alertes et suivi des SLO

Déploiement et exploitation

  • Emballage des graphes en services et conteneurs
  • Gestion de la configuration et des secrets
  • Chaînes CI/CD, déploiements progressifs (rollouts) et canaris

Qualité, tests et sécurité

  • Tests unitaires, scénarios et harnais d'évaluation automatisés
  • Garde-fous, filtrage du contenu et traitement des PII
  • Red teaming et expériences de chaos pour la robustesse

Synthèse et prochaines étapes

Pré requis

  • Maîtrise de Python et de la programmation asynchrone
  • Expérience dans le développement d'applications LLM
  • Connaissance des concepts de base de LangGraph ou LangChain

Public cible

  • Ingénieurs plateformes IA
  • DevOps IA
  • Architectes ML gérant des systèmes LangGraph en production

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires