ÖFFENTLICHE LERNÜBERSICHT

AI Systems Engineer – Lernübersicht

Eine reine Metadatenansicht von Reihenfolge, Meilensteinen und Vorschaugrenze.

VERFÜGBARER LEHRPLAN: 64 Einheiten
Kostenlose Vorschau: 3 kostenlose Vorschau-Einheiten

Angewandte Programmierung und Backend-Grundlagen für AI-Systeme

Grundlagen

Baue die erste funktionierende Schicht des AI Operations Copilot auf: von einer reproduzierbaren Projektumgebung über deterministische Triage, Validierung, Dateien, Packaging, Typisierung, Tests, CLI, FastAPI, Pydantic und Provider-Abstraktion bis zu einer kontrollierten strukturierten Modellausgabe.

AI Operations CopilotSmart Inbox TriagePython + AI-Backend-Grundlagen

14 Einheiten

01
Umgebung, Terminal, Git und die erste laufende Komponente
A01 · Einstiegspfad
02
Python-Daten, Collections und Repräsentation eingehender Nachrichten
A02 · Einstiegspfad
03
Bedingungen, Schleifen und die deterministische Triage-Baseline
A03 · Einstiegspfad
04
Funktionen, Verantwortlichkeiten und die Triage-Pipeline
A04
Meilenstein
05
Validierung, Exceptions und kontrolliertes Fehlschlagen
A05
06
TXT/JSON-Eingaben und sichere Ergebnispersistenz
A06
07
Paketstruktur, Imports und pyproject.toml
A07
08
Typannotationen, Enums und explizite Domänenmodelle
A08
09
Pytest und Regressionsschutz
A09
Meilenstein
10
CLI-Grenze: Einzel- und Batch-Triage
A10
11
HTTP und der erste FastAPI-Service
A11
12
Pydantic und POST /triage: Transport → Domäne → Response
A12
Meilenstein
13
Konfiguration, Secrets und ein austauschbarer Model Provider
A13
14
Strukturierte Modellausgabe und die erste hybride AI-Triage-Demo
A14
Meilenstein

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

Persistentes AI-Backend und Operations Memory

Persistenz

Verwandle den zustandslosen Smart-Inbox-Triage-Service aus Phase A in ein dauerhaftes Backend mit SQL, PostgreSQL, SQLAlchemy, Transaktionen, Repositories, Migrationen, persistierten Analysis Runs, idempotentem API-Verhalten, Filtern, Paginierung, Indizes und Datenbank-Integrationstests.

AI Operations CopilotPersistent Operations MemorySQL + persistentes AI-Backend

11 Einheiten

01
Relationales Denken und SQL-Grundlagen
B15
02
Production-Schemadesign, Constraints, Joins und Transaktionsverhalten
B16
03
SQLAlchemy-2.x-Engine und gemappte Persistenzmodelle
B17
Meilenstein
04
Sessions, Commits, Rollbacks und Transaktionsgrenzen
B18
05
Repositories und persistenzunabhängige Services
B19
06
Alembic-Migrationen und explizite Schema-Evolution
B20
Meilenstein
07
Dauerhafte Message Ingestion und Analysis-Run-Lifecycle
B21
08
Idempotente Write APIs und Konfliktverhalten
B22
Meilenstein
09
History Queries, Filterung, Sortierung und Paginierung
B23
10
Indizes, PostgreSQL-Integrationstests und Datenbank-Fehlerfälle
B24
11
Persistent Operations Memory End-to-End
B25
Meilenstein

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

AI-Evaluation, Zuverlässigkeit und Release-Entscheidungen

Evaluation

Verwandle Persistent Operations Memory in ein AI Quality Lab: Definiere Evaluation Contracts, prüfe einen kuratierten Benchmark, friere einen Holdout-Split ein, baue ein lokales Evaluation Harness, berechne Klassifikationsmetriken und Metriken zur menschlichen Prüfung, analysiere Slices und Fehlermodi, miss selektive Automatisierung und Ausführungszuverlässigkeit, vergleiche einen kontrollierten Kandidaten, teste Robustheit und triff eine Release-Entscheidung, ohne die Zielkriterien nachträglich zu verschieben.

AI Operations CopilotAI Quality LabAI-Evaluation + Zuverlässigkeit

10 Einheiten

01
Evaluation Contracts: Definiere vor der Messung, was „gut“ bedeutet
C26
02
Geprüfte Evaluationsfälle und Label-Disziplin
C27
03
Dev- und eingefrorene Holdout-Splits mit Dataset-Hashing
C28
Meilenstein
04
Lokales Evaluation Harness, Subjects, Grader und rohe Artefakte
C29
05
Konfusionsmatrizen, Precision, Recall, F1 und Review-Sicherheitsmetriken
C30
Meilenstein
06
Selektive Automatisierung, Ausführungszuverlässigkeit, Latenz und Kosten
C31
07
Slice Analysis und eine nützliche Fehlertaxonomie
C32
08
Robustheit mit metamorphen Fällen und Stabilität über wiederholte Runs
C33
09
Ein kontrolliertes Kandidatenexperiment und ein vorab deklariertes Promotion Gate
C34
Meilenstein
10
Entscheidung auf dem eingefrorenen Holdout und die AI-Quality-Lab-Fähigkeit
C35
Meilenstein

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

AI-Workflows, menschliche Prüfung und zuverlässige Aktionen

Workflows

Verwandle den evaluierten AI Operations Copilot in ein operatives Workflow-System mit expliziten Zustandsübergängen, dauerhafter Workflow-Historie, Warteschlangen für menschliche Prüfung, Genehmigungen und Overrides, Optimistic Concurrency, deterministischer Aktionsplanung, austauschbaren Action Adaptern, idempotenter HTTP-Ausführung, begrenzten Retries, Feedback-Kandidaten aus Reviews und End-to-End-Workflow-Metriken.

AI Operations CopilotOperations Workflow and Human ReviewWorkflows + Human Review

11 Einheiten

01
Workflow-Fälle und ein expliziter Contract für den Zustandsautomaten
D36
02
Workflow-Fälle, Review-Entscheidungen, Events und Action Requests persistieren
D37
03
Transition Service und append-only Workflow-Historie
D38
Meilenstein
04
Queue für menschliche Prüfung und Query-API für Operatoren bauen
D39
05
Menschliche Genehmigungen, Overrides, Eskalation und Review-Historie
D40
Meilenstein
06
Optimistic Concurrency und Schutz vor veralteten Reviews
D41
07
Deterministische Aktionsplanung und die Command-Grenze
D42
08
Austauschbare Action Adapter und eine kontrollierte HTTP-Integration
D43
09
Idempotente Aktionsausführung, begrenzte Retries und expliziter Fehlerzustand
D44
Meilenstein
10
Menschliche Overrides in geprüfte Feedback-Kandidaten überführen
D45
11
Operations Workflow End-to-End und Zusammenfassung der Workflow-Qualität
D46
Meilenstein

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

Quellengestütztes Wissen, RAG und AI-Sicherheit

Quellengestütztes Wissen

Erweitere AI Operations Copilot um eine sichere und messbare Wissensschicht: versionierte Dokument-Ingestion, deterministisches Chunking, PostgreSQL-Volltext-Retrieval, Embeddings mit pgvector, hybrides Ranking, quellengestützte Antwortentwürfe, Quellenbelege, Abstention, Schutzmaßnahmen gegen Prompt Injection, Datenschutzkontrollen, begrenzte Fehlerbehandlung sowie getrennte Release Gates für Retrieval, Antworten, Sicherheit und Zuverlässigkeit.

AI Operations CopilotGrounded Company IntelligenceRAG + Wissen + AI-Sicherheit

9 Einheiten

01
Knowledge Contract, Beantwortbarkeit und Bedrohungsgrenzen
E47
02
Sichere Knowledge-Ingestion, Provenienz und deterministisches Chunking
E48
Meilenstein
03
PostgreSQL-basiertes lexikalisches Retrieval und ein eingefrorener Retrieval-Benchmark
E49
04
Embeddings, pgvector und hybrides Retrieval
E50
Meilenstein
05
Quellengestützte Antwortentwürfe, Quellenbelege und Abstention
E51
06
Prompt Injection, Datenschutz und sicherer Kontextaufbau
E52
Meilenstein
07
Failure Budgets, begrenzte Retries, veraltete Quellen und partielle Artefakte
E53
08
RAG-Evaluation, Security Gates und Release-Entscheidungen für Retriever
E54
09
Grounded Company Intelligence End-to-End
E55
Meilenstein

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

Observability, Integration und Deployment

Produktion

Mache aus AI Operations Copilot ein reproduzierbares, deploytes Portfolio-System mit Release-Abnahme, datenschutzsicheren strukturierten Logs, OpenTelemetry-Traces und -Metriken, Health- und Readiness-Prüfungen, Docker, PostgreSQL-gestützten Integrationstests, GitHub Actions CI, einem schlanken Control Room für Operatoren, einer eingeschränkten öffentlichen Demo-Oberfläche, Deployment-Smoke-Tests und einem abschließenden technischen Release Gate.

AI Operations CopilotAI Operations Control RoomProduktion + Observability

9 Einheiten

01
Release Contract für das Gesamtsystem und Offline-Abnahme
F56
02
Datenschutzsicheres strukturiertes Logging und Correlation IDs
F57
Meilenstein
03
OpenTelemetry-Traces und Anwendungsmetriken
F58
04
Health, Readiness, Betriebsübersichten und Fehlersichtbarkeit
F59
05
Docker, Compose und produktionsnahe PostgreSQL-Integration
F60
Meilenstein
06
GitHub Actions CI und migrationsbewusste Quality Gates
F61
07
AI Operations Control Room und eingeschränkte Demo-Oberfläche
F62
Meilenstein
08
Container-Deployment, verwaltetes PostgreSQL und Smoke-Verifikation
F63
09
Finales technisches Release, Reproduzierbarkeit und Systemverifikation
F64
Meilenstein

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

AI Systems Engineer Finde deinen Lernpfad

Arbeitsbereich wird geladen

Angewandte Programmierung und Backend-Grundlagen für AI-Systeme

Persistentes AI-Backend und Operations Memory

AI-Evaluation, Zuverlässigkeit und Release-Entscheidungen

AI-Workflows, menschliche Prüfung und zuverlässige Aktionen

Quellengestütztes Wissen, RAG und AI-Sicherheit

Observability, Integration und Deployment