Wat houdt de training in?
In deze training krijg je een praktisch inzicht in hoe moderne AI-systemen worden ontworpen en gebouwd. Je leert hoe je werkt met large language models (LLM's) zoals gebruikt in ChatGPT en Copilot, hoe je context en kennis combineert via Retrieval-Augmented Generation (RAG) en hoe je AI-agents maakt met specifiek gedrag en domeinkennis. Tijdens de hands-on sessies werk je met Python, prompt engineering, embeddings, vectordatabases en multi-agentarchitecturen en pas je deze toe in realistische opdrachten.
Wat je leert
- De basisprincipes van neurale netwerken en large language models (LLM's).
- Prompt engineering en contextgestuurde interactie met AI en ChatGPT.
- Embeddings en vectordatabases voor semantisch zoeken.
- Opzetten en toepassen van Retrieval-Augmented Generation (RAG).
- AI-agents bouwen met eigen instructies en kennisbronnen.
- Multi-agent systemen ontwerpen en best practices toepassen.
Inhoud (globaal programma)
Dag 1 – Introductie tot AI en Agents
- Fundamenten van AI en taalmodellen zoals ChatGPT en Copilot.
- Concept van agents en hun mogelijkheden.
- Eerste eigen agent bouwen in Python.
Dag 2 – Multi-Agent Systemen
- Hoe agents samenwerken aan complexe taken.
- Ontwerpen en implementeren van multi-agent workflows.
Dag 3 – Alternatieve Frameworks
- Werken met frameworks zoals LangChain en LangGraph.
- Bouwen van flexibele en schaalbare agentarchitecturen.
Dag 4 – Implementatie en Best Practices
- Agents inzetten in ETL-processen of ontwikkelomgevingen.
- Betrouwbaarheid, schaalbaarheid en prestatieoptimalisatie.
Dag 5 – Casus
- Uitwerken van een end-to-end casus.
- Ontwerpen en implementeren van een geavanceerde AI-agentoplossing.
Voor wie?
- Data scientists en data engineers.
- Python-developers die AI willen integreren in hun workflow.
- AI- en ML-professionals die hun kennis willen verdiepen richting productieklare AI-toepassingen.
Voorkennis
- Ervaring met Python.
- Basiskennis van AI- en machine-learningconcepten (zoals LLM's, API's of modelgebruik).
