연락처 정보

코스 개요

고급 LangGraph 아키텍처 개요

  • 노드, 엣지, 라우터 및 서브그래프로 구성된 그래프 구조 패턴
  • 채널 활용을 통한 상태 모델링, 메시지 전달 및 데이터 지속성 처리 방법
  • DAG와 순환형 플로우의 차이점 및 계층적 구조 설계법

성능 최적화 기법

  • 파이썬 환경에서 병렬 처리와 동시 실행 패턴 활용하기
  • 캐싱, 배치 처리, 도구 호출 및 스트림 기반 응답 전송 방법
  • 비용 관리와 토큰 사용량 통제를 위한 전략 수립하기

신뢰성 확보를 위한 엔지니어링 기법

  • 재시도, 타임아웃 설정 및 회로 차단 메커니즘 적용하기
  • 멱등성을 보장하고 중복된 작업 발생을 방지하는 기법
  • 로컬 또는 클라우드 스토리지를 활용한 체크포인트 생성 및 시스템 복구 방법

복잡한 그래프의 디버깅 방법

  • 단계별 실행 모드와 드라이런 기능을 활용해 오류 추적하기
  • 시스템 상태를 상세히 분석하고 이벤트 흐름을 추적하는 법
  • 시드 및 고정된 데이터셋을 이용해 프로덕션 문제 재현하기

가시성 확보와 모니터링 전략

  • 구조화된 로깅 및 분산 트레이싱 기법 적용하기
  • 지연 시간, 신뢰도 수준, 토큰 사용량 등 운영 관련 지표 관리 방법
  • 대시보드 설계, 알림 체계 구성 및 SLO 추적 방안

배포와 운영 전략

  • 그래프 구조를 서비스 형태로 패키징하고 컨테이너화하는 절차
  • 환경 설정 및 보안 키 관리를 위한 모범 사례
  • CI/CD 파이프라인, 점진적 배포 전략 및 카나리아 출시 방법

품질 보증, 테스트 및 안전성 확보 방안

  • 단위 테스트부터 시나리오 기반 평가까지 다양한 검증 수단 활용하기
  • 콘텐츠 필터링 기능, 보안 가이드라인 준수 및 개인정보 보호 대책 마련하기
  • 시스템의 내구성 향상을 위한 레드팀 시뮬레이션 및 엉킴 테스트 기법 적용하기

요약 및 다음 단계 안내

요건

  • 파이썬 및 비동기 프로그래밍에 대한 기본 이해가 필요합니다.
  • LLM 기반 애플리케이션 개발 경험이 있어야 합니다.
  • LangGraph 또는 LangChain의 기초 개념을 숙지하고 있으면 좋습니다.

대상 청중

  • AI 플랫폼 엔지니어들
  • AI용 DevOps 담당자들
  • 프로덕션 환경에서 LangGraph 시스템을 운영하는 머신러닝 아키텍트들
 35 시간

참가자 수


참가자별 가격

예정된 코스

관련 카테고리