Cursusaanbod

Grondslagen van Agente Systemen in Productie

  • Agentearchitecturen: lussen, tools, geheugen en orkestratielagen
  • Levenscyclus van agents: ontwikkeling, implementatie en continue operatie
  • Uitdagingen bij productieschaal agentbeheer

Infrastructuur en Implementatiemodellen

  • Agents implementeren in containerized en cloudomgevingen
  • Schaalpatronen: horizontaal vs verticaal schalen, concurrentie en throttling
  • Multi-agent orkestratie en werklastbalansering

Monitoring en Observabiliteit

  • Kernmetrieken: latentie, succespercentage, geheugengebruik en agentoeproepdiepte
  • Agentactiviteiten traceren en oproepgrafieken opstellen
  • Observabiliteit instrumenteren met Prometheus, OpenTelemetry en Grafana

Logging, Controle en Compliance

  • Centralized logging en gestructureerde gebeurteniscollectie
  • Compliance en toezichtbaarheid in agentewerkstroom
  • Audittrails ontwerpen en replaymechanismen voor debugging

Prestatieoptimalisatie en Resource Optimalisatie

  • Inferenceslast verminderen en agentorkestratiecyclus optimaliseren
  • Modelcaching en lightweight embeddings voor snellere ophaalacties
  • Laadteting en stressscenario's voor AI-pipelines

Kostenbeheersing en Governance

  • Agentkostendrijvers begrijpen: API-aanroepen, geheugen, berekening en externe integraties
  • Agentniveau kosten bijhouden en chargebackmodellen implementeren
  • Automatiseringsbeleid om agent sprawl en idle resource consumption te voorkomen

CI/CD en Rollout Strategieën voor Agents

  • Agentpipelines integreren in CI/CD-systemen
  • Testen, versiebeheer en rollbackstrategieën voor iteratieve agentupdates
  • Progressieve rollouts en veilige implementatiemechanismen

Failover en Betrouwbaarheidsbeheer

  • Ontwerpen voor fouttolerantie en gratievolle degradatie
  • Retry, timeout en circuit breaker patronen voor agentbetrouwbaarheid
  • Incidentresponsschema's en post-mortem kaders voor AI-operaties

Capstone Project

  • Een agente AI-systeem bouwen en implementeren met volledige monitoring en kostenbijhouding
  • Belasting simuleren, prestaties meten en resourcegebruik optimaliseren
  • Eindarchitectuur en monitoringdashboard presenteren aan collega's

Samenvatting en Volgende Stappen

Vereisten

  • Sterke kennis van MLOps en productiemachine learning-systemen
  • Ervaring met containerized implementaties (Docker/Kubernetes)
  • Vertrouwdheid met cloud kostenoptimalisatie en observabiliteitstools

Doelgroep

  • MLOps engineers
  • Site Reliability Engineers (SREs)
  • Engineering managers die AI-infrastructuur beheren
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Getuigenissen (3)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën