ÖFFENTLICHE LERNÜBERSICHT

AI Engineering Foundations – Lernübersicht

Eine reine Metadatenansicht von Reihenfolge, Meilensteinen und Vorschaugrenze.

VERFÜGBARER LEHRPLAN: 12 Einheiten
Kostenlose Vorschau: 3 kostenlose Vorschau-Einheiten

Python von Grund auf und die erste lokale Operations-Pipeline

Python von Grund auf

Starte ohne Programmiererfahrung und baue die erste funktionsfähige Schicht von AI Operations Starter. Richte eine reproduzierbare, mit uv verwaltete Umgebung ein, lerne den Terminal- und Git-Workflow, arbeite mit grundlegenden Python-Daten und Kontrollfluss, implementiere deterministische Request-Triage, behandle kontrollierte Fehler, verarbeite JSON- und JSONL-Dateien, lade eine grundlegende YAML-Konfiguration und schließe die Phase mit einem sauberen Checkpoint für die folgenden Backend-orientierten Phasen ab.

AI Operations StarterLocal Request TriagePython von Grund auf

3 Einheiten

01
Umgebung, Terminal, Git und das erste laufende Programm
A01 · Einstiegspfad
Meilenstein
02
Python-Daten, Bedingungen, Schleifen, Funktionen und Request-Triage
A02 · Einstiegspfad
03
Exceptions, Pfade, JSON/JSONL, YAML-Grundlagen und Batch-Debugging
A03 · Einstiegspfad
Meilenstein

Sobald du angemeldet bist, wird hier dein Fortschritt in dieser Phase angezeigt.

Zuverlässige Python-Projekte, Tests und die erste typisierte API

Zuverlässiges Python + API

Überführe die Skripte aus Phase A in ein kleines, wartbares Python-Package und stelle dasselbe Request-Triage-Verhalten über eine getestete typisierte API bereit. Lerne Package-Grenzen, Imports, Type Hints, Dataclasses, Enums, Ruff, mypy, pytest, Fixtures, Parametrisierung, Regressionstests, diszipliniertes AI-gestütztes Debugging, HTTP-Grundlagen, FastAPI, Pydantic-Validierung, Abhängigkeitsgrenzen, kontrollierte API-Fehler und einen ausdrücklich nicht dauerhaften In-Memory-Store kennen. Schließe die Phase mit einem sauberen Checkpoint ab, auf dem später Integrationen, PostgreSQL, Docker und Structured AI aufbauen können, ohne die zentrale Business-Policy neu schreiben zu müssen.

AI Operations StarterTested Typed Request APIZuverlässiges Python + erste API

3 Einheiten

01
Package-Struktur, Typen, Domänenmodelle, Ruff und mypy
B04
02
pytest, Fixtures, Regressionsschutz und AI-gestütztes Debugging
B05
Meilenstein
03
HTTP, FastAPI, Pydantic, Abhängigkeitsgrenzen und API-Tests
B06
Meilenstein

Sobald du angemeldet bist, wird hier dein Fortschritt in dieser Phase angezeigt.

Vernetzte Systemgrenzen, PostgreSQL-Persistenz und Structured AI

Vernetzte Daten + AI

Erweitere die getestete API aus Phase B zu einem kleinen vernetzten Backend. Füge explizite ausgehende HTTP-Clients, deterministische Mock-Transports, die Verifikation signierter Webhooks über unveränderte Rohbytes (raw bytes), typisierte Konfigurations- und Secret-Grenzen, austauschbare Connector-Schnittstellen und kontrollierte externe Seiteneffekte hinzu. Nutze anschließend Docker Compose, PostgreSQL, Transaktionen mit SQLAlchemy 2.x, dauerhafte Persistenz, Provider-Schnittstellen, deterministische Fake Provider, schema-beschränkte AI-Kandidaten, die Behandlung von Provider-Fehlern und eine Hybrid-Policy, bei der der Anwendungscode und nicht das Modell die Kontrolle behält.

AI Operations StarterPersistent Structured AI Request ServiceIntegrationen + PostgreSQL + Structured AI

3 Einheiten

01
Ausgehendes HTTP, signierte Webhooks, typisierte Konfiguration und Connector-Grenzen
C07
02
Docker Compose, PostgreSQL, SQL, SQLAlchemy und transaktionale Persistenz
C08
Meilenstein
03
Provider-Schnittstellen, strukturierte AI-Kandidaten und Hybrid-Entscheidungs-Policy
C09
Meilenstein

Sobald du angemeldet bist, wird hier dein Fortschritt in dieser Phase angezeigt.

Integrierter Capstone und Bereitschaft für die Core Tracks

Capstone + Bereitschaft

Setze den vollständigen AI Operations Starter aus einem sauberen Checkout zusammen und verifiziere seine API-, signierten Webhook-, PostgreSQL-, Structured-AI-, Connector- und Fehlerverträge über ein reproduzierbares Acceptance Gate. Absolviere anschließend drei klar begrenzte Spezialisierungs-Previews: eine Evaluation mit Release-Entscheidung für AI Systems Engineering, einen Pfad aus Vorschlag, Autorisierung und Ausführung mit duplikatsicherer Operationsidentität für AI Automation Engineering sowie ein kontrolliertes Experiment zu einem Autorisierungsfehler mit Attack- und Utility-Tests für AI Security Engineering. Schließe mit einem nachweisbasierten Bereitschaftsbericht für die drei Quantil Labs Core Tracks ab.

AI Operations StarterCore Track Ready AI Operations StarterIntegrierter Capstone + Track-Bereitschaft

3 Einheiten

01
Integrierter Capstone und Clean-Start-Abnahme
D10
Meilenstein
02
Systems-Evaluation und Automation-Ausführungs-Previews
D11
Meilenstein
03
Security-Preview und abschließendes Readiness Gate für die Core Tracks
D12
Meilenstein

Sobald du angemeldet bist, wird hier dein Fortschritt in dieser Phase angezeigt.

AI Engineering Foundations Finde deinen Lernpfad

Arbeitsbereich wird geladen

Python von Grund auf und die erste lokale Operations-Pipeline

Zuverlässige Python-Projekte, Tests und die erste typisierte API

Vernetzte Systemgrenzen, PostgreSQL-Persistenz und Structured AI

Integrierter Capstone und Bereitschaft für die Core Tracks