Cursusaanbod
Dag 1
Anatomie van een moderne AI-agent
Voorbij chatbots: agenten als autonome systemen voor redeneren en handelen
Reactieve, proactieve, hybride en doelgerichte agent-paradigma's
Kerncomponenten: perceptie, planning, geheugen, gereedschapsgebruik, actie
Trade-offs bij het ontwerp van single-agent versus multi-agent systemen
Agent-Frameworks en de moderne stack
LangChain, LlamaIndex, AutoGen, CrewAI en hun onderlinge verschillen
Vergelijking met klassieke frameworks zoals JADE en SPADE
Selectie van een framework gebaseerd op producteis-eisen
Tool calling, function calling en gestructureerde outputs
Hands-on: opzetten van een single Python-agent met tool calls
Architecturen voor multi-agent systemen
Centraliseerde, gedecentraliseerde, hybride en gelaagde MAS-ontwerpen
FIPA ACL, berichtenverzending en moderne equivalenten
Coördinatiemodellen: planning, onderhandeling, synchronisatie
Emergent gedrag en zelforganisatie in agent-populaties
Beslissing-making en leren in agents
Speltheorie voor coöperatieve en competitieve agentinteracties
Versterkend leren (reinforcement learning) in multi-agent omgevingen
Transfer learning en kennisdeling tussen agents
Conflictresolutie en vertrouwen tussen coördinerende agents
Dag 2
Multimodale funderingen voor agents
Multimodale AI als een uniforme werkstroom voor tekst, afbeeldingen, spraak en video
Toonaangevende multimodale modellen: GPT-4 Vision, Gemini, Claude, Whisper
Fusietechnieken voor het combineren van modaliteiten binnen de redeneerloop van een agent
Trade-offs tussen latentie, kosten en nauwkeurigheid in multimodale pipelines
De perceptielaag bouwen
Afbeeldingsverwerking voor agents: classificatie, captioning, objectdetectie
Spraakherkenning met Whisper ASR en streaming transcriptie
Spraaksynthese en natuurlijke steminteractie
Verbinding van perceptie-uitkomsten met LLM-gedreven redenering en toolselectie
Hands-on - Een multimodale agent bouwen in Python
Definiëren van de taak, contextwindow en gereedschapsinventaris van de agent
Koppelen van GPT-4 Vision en Whisper APIs end-to-end
Implementeren van geheugen, status en gesprekbeheer
Toevoegen van tool calls die veilig reële effecten hebben
Hands-on - Een multi-agent systeem orchersteren
Samenstellen van gespecialiseerde agents met AutoGen of CrewAI
Bepalen van rollen, verantwoordelijkheden en communicatieprotocollen tussen agents
Resourceallocatie en coördinatie in een gesimuleerde omgeving
Loggen van agentredenering, tool calls en beslissingen voor inspectie en audit
Dag 3
Bedreigingsoppervlak van productiegereede AI-agenten
Wat maakt agentic AI uniek kwetsbaar in vergelijking met traditionele software
Aanvalsoverzicht: data, model, prompt, tool, output en interface lagen
Threat modeling voor agentgebaseerde systemen met autonoom gereedschapsgebruik
Vergelijking van AI-cybersecurity praktijken met traditionele cybersecurity
Hands-on: Adversariale aanvallen
Adversariale voorbeelden en perturbatiemethoden: FGSM, PGD, DeepFool
White-box versus black-box aanvalsscenario's
Model inversion en membership inference aanvallen
Data poisoning en backdoor-injectie tijdens training
Prompt injection, jailbreaking en misbruik van gereedschap in LLM-gebaseerde agents
Defensieve technieken en modelhardening
Adversarial training en data augmentation strategieën
Defensive distillation en andere robuustheidstechnieken
Invoerverwerking, gradient masking en regularisatie
Differentiële privacy, ruisinjectie en privacybudgetten
Federated learning en veilige aggregatie voor gedistribueerde training
Hands-on met de Adversarial Robustness Toolbox
Simuleren van aanvallen tegen de multimodale agent gebouwd op Dag 2
Meten van robuustheid onder perturbatie en kwantificeren van degradatie
Toepassen van verdedigingen iteratief en herbepalen van slaagkansen voor aanvallen
Stress-testen van tool-call paden en prompt injection vectoren
Dag 4
Risicobeheersframeworks voor AI
NIST AI Risk Management Framework: govern, map, measure, manage
ISO/IEC 42001 en opkomende AI-specifieke normen
Koppelen van AI-risico aan bestaande enterprise GRC-frameworks
AI-verantwoordelijkheid, auditbaarheid en documentatietoe-eisten
Regelgevende compliance voor agentic systemen
EU AI Act: risicotiers, verboden gebruiken en verplichtingen voor hoog-risico systemen
AVG (GDPR) en CCPA implicaties voor agent-data pipelines
Amerikaanse Executieve Order voor Veilige, Veilige en Betrouwbare AI
Sectorspecifieke richtlijnen voor financiën, zorg en openbare diensten
Tred-party risico en leveranciers AI-tool gebruik
Ethiek, vooringenomenheid en uitlegbaarheid
Voordetectie en mitigatie van vooringenomenheid in agentperceptie en redenering
Uitlegbaarheid en transparantie als beveiligingsgerelateerde eigenschappen
Gelijkheid, downstream schade en verantwoorde implementatie
Ontwerpen van inclusief, auditable agentgedrag
Productie-implementatie, monitoring en incident response
Veilige implementatiemodellen voor single- en multi-agent systemen
Continue monitoring op drift, anomalieën en misbruik
Loggen, audittrails en forensische klaarheid voor agentacties
AI-beveiligingsincident response playbooks en herstel
Case studies van echte AI-inbreuken en lessen geleerd
Capstone en synthese
Herziening van het multimodale multi-agent systeem gebouwd tijdens de cursus
End-to-end pipeline review: ontwerp, bouw, beveilig, govern, implementeer
Zelfassessment van het systeem tegen NIST AI RMF functies
Voorsprong op opkomende trends in agentic AI en AI-beveiliging
Samenvatting en volgende stappen
Vereisten
Doelgroep
AI-engineers en architecten die agentic systemen bouwen voor productiedoelen. Professionals op het gebied van cybersecurity, risico en compliance, verantwoordelijk voor AI-assurance in gereguleerde sectoren zoals financiële dienstverlening, zorg en adviesbranche. Senior ontwikkelaars en oplossingsleiders die multimodale en multi-agent mogelijkheden integreren in enterprise platformen.
Getuigenissen (3)
De trainer is geduldig en zeer behulpzaam. Hij kent het onderwerp goed.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Cursus - Agentic AI for Business Automation: Use Cases & Integration
Automatisch vertaald
Goede mix van kennis en praktijk
Ion Mironescu - Facultatea S.A.I.A.P.M.
Cursus - Agentic AI for Enterprise Applications
Automatisch vertaald
De combinatie van theorie en praktijk, en van hoge- en lagenniveau perspectieven
Ion Mironescu - Facultatea S.A.I.A.P.M.
Cursus - Autonomous Decision-Making with Agentic AI
Automatisch vertaald
