Übersicht
Worum es bei diesem Projekt geht.
Baue einen FastAPI-LLM-Proxy mit Caching und Fallback-Logik, migriere einen Support-Chat und erhalte dein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie baut man einen LLM-Proxy-Service, der durch semantisches Caching, Fallback und Budget-Kontrolle die API-Kosten ohne Qualitätseinbußen um mindestens 30 % senkt?
Earning criteria — what you'll demonstrate
- Einen produktionsreifen LLM-Proxy mit Standard-Werkzeugen bauen
- Semantisches Caching praktisch implementieren und tunen
- Multi-Modell-Fallback-Logik design-stabil aufsetzen
- Kosten-vs-Qualitäts-Trade-offs quantitativ kommunizieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
ML Engineering and Production ML
Master · Ai Ml
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenKI-Ingenieur:in
LLM-Proxy-Engineering mit Cost-Optimization ist 2026 ein Top-Skill in jedem SaaS-Startup mit GenAI-Features — diese Challenge baut ein direktes Portfolio-Stück.
Dieses Projekt schärft
- llm-engineering
- semantic-caching
- fastapi
MLOps-Ingenieur:in
Observability + Rate-Limiting + Multi-Modell-Fallback sind klassische Plattform-Disziplinen, die MLOps-Teams für LLM-Services aufbauen müssen.
Dieses Projekt schärft
- observability
- rate-limiting
- cost-optimization
Machine-Learning-Ingenieur:in
Wer einen produktionsreifen Service-Layer um LLMs herum bauen kann, hebt sich vom Notebook-Engineer ab und qualifiziert sich für Senior-MLE-Rollen in GenAI-Teams.
Dieses Projekt schärft
- llm-engineering
- fastapi
- cost-optimization
Noch eine Sache