Kom i kontakt
 Varaktighet 21 timmar

Kursplan

Arkitekturgrunder för AI-system

  • Lager, gränser och separation av intressen.
  • Portar och adapter tillämpade på AI-komponenter.
  • Kvalitetsattributscenarion för AI-funktioner.
  • Arkitekturbeslutsdokument som styrning.

Utveckla en befintlig tillämpning

  • Inkrementell modernisering istället för ombyggnad.
  • Placera AI-tjänster bredvid en befintlig monolit.
  • Strangler- och anti-korruptionsmönster.
  • Integrationspunkter för befintliga API:er och data.

Arkitekturmönster för LLM-integration

  • Modellport (model gateway) som abstraktionsgräns.
  • Synkron, asynkron och strömmande integration.
  • Fallback, degradering och provider failover.
  • Prompt- och modellkonfiguration som versionshanterade tillgångar.

Kontrakt, API:er och datautbyte

  • Strukturerade utdatascheman och validering.
  • Idempotens, återförsök och ratelimitering.
  • Latenstidsbudgetar och timeoutorkestrering.
  • Kostnad per begäran som ett arkitekturellt krav.

RAG-arkitektur från topp till tå

  • Uppgift, chunking och inbäddningspipeline (embedding pipeline).
  • Indexering, hämtning, omrangering och generering.
  • Placering av retrieval relativt tillämpningstjänster.
  • Avvägningar och felmoder i varje steg.

Vektordatabaser och retrieval-design

  • Hanterade (managed) mot självhostade vektorlager.
  • Täta, gles och hybrid sökning.
  • Metadatafiltrering och tenant-isolering.
  • Strategi för om-inbäddning när modeller ändras.

Retrievalkvalitet, grounding och utvärdering

  • Utvärderingsset byggda från reala frågor.
  • Mätetal för retrieval och svarskvalitet.
  • Citering, grounding och hallucineringsbegränsning.
  • Feedbackloopar tillbaka till indexet.

Agentarkitekturer

  • Agentloop och verktygsanrop.
  • Deterministiska flöden mot autonoma planerare.
  • Fall där en agent är fel svar.
  • Beskriva agents ansvarsområde och tillstånd.

Multi-agent-system och orkestrering

  • Supervisor- och orkestratortopologier.
  • Överlämningsprotokoll och meddelandekontrakt.
  • Gemensamt minne och kontexthantering.
  • Jämförelse av ramverk ur arkitektursynpunkt.

Tjänstekommunikation och verktygsprotokoll

  • Händelsedriven och köbaserad samordning.
  • Verktygsexponering via standardprotokoll.
  • Sagas, kompensation och långvarande transaktioner.
  • Observability över tjänstehoppar.

AI-agenter i utvecklingsflödet

  • Agenter för koding i leveranspipen.
  • Specdriven utveckling och granskningsgates.
  • Testgenerering och automatiska kvalitetskontroller.
  • Räcken som bevarar arkitekturell kontroll.

Styrning och mjukvarukvalitet

  • Designgranskning för AI-funktioner.
  • Ändringshantering av modeller och prompts.
  • Regressionstestning som ett steg i pipen.
  • Ansvar, policy och godkännandevägar.

Säkerhet, integritet och datastyrning

  • Promptinjektion och försvar i flera lager (defense in depth).
  • Hemligheter, åtkomstkontroll och minsta privilegier.
  • Dataresidens, personuppgifter och bevarande.
  • Auditability och mänsklig kontroll i loop (human-in-the-loop).

Skalbarhet, kostnad och observability

  • Spårning (tracing) över agentkedjor.
  • Token- och kostnadstelemetri.
  • Cachning och latensoptimering.
  • Servicelevels och incidenthantering för AI-tjänster.

Avslutande projekt: Arkitektur för en AI-driven lösning

  • Kontext-, komponent- och distributionsvyer.
  • Design av retrieval och agentorkestrering.
  • Säkerhets-, styrnings- och kostnadsplan.
  • Peer review, kritik och migreringsväg.

Krav

  • Upplevelse av att designa och underhålla produktionsmjukvarusystem.
  • Arbetskunskap i REST-API:er och tjänsteintegration.
  • Kunskap om relationella databaser och datamodellering.
  • Grundläggande erfarenhet av LLM-baserade verktyg eller API:er.

Målgrupp

  • Mjukvaruarkitekter.
  • Tekniska ledare och seniora ingenjörer.
  • Ingenjörschefer som ansvarar för arkitekturval.

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier