Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Fondamenti dei Sistemi Agentici in Produzione
- Architetture agentiche: cicli, strumenti, memoria e livelli di orchestrazione
- Ciclo di vita degli agenti: sviluppo, deployment e operazioni continue
- Sfide della gestione degli agenti su larga scala
Infrastruttura e Modelli di Deployment
- Deploy degli agenti in ambienti containerizzati e cloud
- Pattern di scalabilità: scaling orizzontale vs verticale, concorrenza e throttling
- Orchestrazione multi-agente e bilanciamento del carico
Monitoraggio e Osservabilità
- Metriche chiave: latenza, tasso di successo, utilizzo della memoria e profondità delle chiamate degli agenti
- Tracciamento dell'attività agente e dei grafi delle chiamate
- Strumentazione di osservabilità utilizzando Prometheus, OpenTelemetry e Grafana
Logging, Auditing e Compliance
- Logging centralizzato e raccolta di eventi strutturati
- Compliance e auditabilità nei workflow agente
- Progettazione di tracce di audit e meccanismi di riproduzione per il debug
Ottimizzazione delle Prestazioni e delle Risorse
- Riduzione dell'overhead di inferenza e ottimizzazione dei cicli di orchestrazione degli agenti
- Caching del modello e incorporamenti leggeri per una rapida recupero
- Test di carico e scenari stress per pipeline AI
Controllo dei Costi e Governance
- Comprensione dei driver di costi degli agenti: chiamate API, memoria, calcolo e integrazioni esterne
- Tracciamento dei costi a livello agente e implementazione di modelli di chargeback
- Politiche di automazione per prevenire lo spread degli agenti e il consumo di risorse inattive
Strategie CI/CD e Rollout per gli Agenti
- Integrazione delle pipeline agente nei sistemi CI/CD
- Testing, versioning e strategie di rollback per aggiornamenti iterativi degli agenti
- Rollout progressivi e meccanismi di deployment sicuro
Recupero da Fallimenti e Ingegneria della Affidabilità
- Progettazione per tolleranza ai guasti e degrado graceful
- Pattern di retry, timeout e circuit breaker per l'affidabilità degli agenti
- Risposta agli incidenti e framework post-mortem per le operazioni AI
Progetto Culminante
- Costruire e deploy un sistema AI agente con monitoraggio completo e tracciamento dei costi
- Simulare il carico, misurare le prestazioni e ottimizzare l'uso delle risorse
- Presentare l'architettura finale e il dashboard di monitoraggio ai colleghi
Riepilogo e Passi Successivi
Requisiti
- Solida comprensione di MLOps e sistemi machine learning produttivi
- Esperienza con deployment containerizzati (Docker/Kubernetes)
- Familiarità con strumenti di ottimizzazione dei costi e osservabilità cloud
Pubblico Target
- Ingegneri MLOps
- Ingegneri di Affidabilità del Sito (SREs)
- Manager tecnici che supervisionano l'infrastruttura AI
21 ore
Recensioni (3)
Buona miscela di conoscenza e pratica
Ion Mironescu - Facultatea S.A.I.A.P.M.
Corso - Agentic AI for Enterprise Applications
Traduzione automatica
Il mix di teoria e pratica e di prospettive a livello alto e basso
Ion Mironescu - Facultatea S.A.I.A.P.M.
Corso - Autonomous Decision-Making with Agentic AI
Traduzione automatica
esercizi pratici
Daniel - Facultatea S.A.I.A.P.M.
Corso - Agentic AI in Multi-Agent Systems
Traduzione automatica
