LangGraph Masterclass: Entwicklung produktionsreifer AI Agents

he/him

Senior Machine Learning Engineer

Machine Learning Engineer und Softwarearchitekt mit über 15 Jahren Erfahrung, spezialisiert auf Deep Learning, NLP und LLM-basierte Systeme. Starker Fokus auf dem Design und der Bereitstellung von End-to-End-AI-Pipelines, einschließlich Modell-Feinabstimmung (LoRA/PEFT), Retrieval-Augmented Generation (RAG) und Hochleistungs-Inferenz mit modernen Frameworks wie PyTorch, Hugging Face Transformers und vLLM. Erfahren im Aufbau von agentischen Systemen mit LangChain und LangGraph, sowie in der Entwicklung skalierbarer Backend-Dienste in Python. Vereint fundierte Software-Engineering-Prinzipien mit praktischer Expertise in datenzentrierter AI, um robuste, produktionsreife Lösungen zu liefern.

he/him

Softwarearchitekt & Pragmatischer Engineering Coach

Adam ist ein praxisnaher Softwarearchitekt mit über 15 Jahren Erfahrung in der Entwicklung und im Systemdesign für anspruchsvolle Umgebungen wie Banking-Compliance, Gesundheitswesen und Robotik. Er hat Systeme vom frühen MVP bis zur Enterprise-Plattform skaliert und erfolgreich verteilte Offshore-Teams mit bis zu 120 Entwicklern koordiniert. Er weiß genau, wann Code elegant sein muss und wann Pragmatismus gewinnt, um pünktlich zu releasen. Heute trainiert Adam Entwicklerteams im Bereich Agentic Coding mit einem klaren Fokus auf Claude Code und GitHub Copilot CLI. Sein Ansatz basiert vollständig auf Spec-Driven Development. Nachdem er jahrelang Business-Anforderungen in idiotensichere architektonische Leitplanken für große, verteilte Teams übersetzt hat, wendet er nun exakt dieselbe Disziplin auf KI an. Er weiß aus der Praxis: Ohne strikte Grenzen und klare Spezifikationen generieren KI-Tools lediglich technischen Schulden (Tech-Debt) in beispielloser Geschwindigkeit. Adam bringt Entwicklern bei, KI wie einen rasend schnellen Junior-Developer zu führen: gesteuert durch rigorose Spezifikationen, pragmatische Architektur und klare Domänengrenzen. Er unterrichtet ausschließlich das, was er selbst in der Produktion deployt, gedebuggt und skaliert hat. Durch sein praxisnahes Training lernen Teams: * Wasserdichte Spezifikationen zu schreiben, die KI-generierten Code berechenbar steuern. * KI-gestützten Code sicher zu reviewen und zu verwalten, um Tech-Debt massiv abzubauen. * Pragmatische Architekturen zu bauen, mit denen das Team auch Jahre später noch gerne arbeitet. Wir freuen uns darauf, dich in den Kursen zu begrüßen, lass uns gemeinsam resiliente, KI-gestützte Software bauen!