Cursusaanbod
Dag 1
Anatomie van een moderne AI-agent
Verbij chatbots: agents als autonome redeneer- en actiesystemen
Paradigma’s voor reactieve, proactieve, hybride en doelgerichte agents
Kernonderdelen: perceptie, planning, geheugen, toolgebruik, actie
Tradeoffs tussen single-agent- en multi-agent-designs
Agent-frameworks en de moderne stack
LangChain, LlamaIndex, AutoGen, CrewAI en hun tradeoffs
Vergelijking met klassieke frameworks zoals JADE en SPADE
Een framework kiezen op basis van productie-eisen
Tool calling, function calling en gestructureerde outputs
Hands-on: een Python-agent bouwen met tool calls
Architecturen voor multi-agentsystemen
Zentrale, gedecentraliseerde, hybride en gelaagde MAS-designs
FIPA ACL, message passing en moderne equivalenten
Coördinatiepatronen: planning, onderhandeling, synchronisatie
Emergent gedrag en self-organisatie in agent-populaties
Beslissingmaking en leren bij agents
Speltheorie voor cooperatieve en competitieve agent-interacties
Versterkend leren (reinforcement learning) in multi-agent-omgevingen
Transfer learning en kennisdeling tussen agents
Conflictresolution en vertrouwen tussen coördinerende agents
Dag 2
Multimodale basisprincipes voor agents
Multimodale AI als uniforme werkvloei rond tekst, afbeeldingen, spraak en video
Leidende multimodale modellen: GPT-4 Vision, Gemini, Claude, Whisper
Fusietechnieken voor het combineren van modaliteiten binnen de redeneerloop van een agent
Tradeoffs tussen latentie, kosten en nauwkeurigheid in multimodale pipelines
Bouwen van de perceptielaag
Afbeeldingsverwerking voor agents: classificatie, captioning, objectdectie
Spraakherkenning met Whisper ASR en streaming-transcriptie
Text-to-speech synthesison en natuurlijke voice-interactie
Perceptie-outputs koppelen aan LLM-gedreven redenering en toolselectie
Hands-on - Bouwen van een Multimodale Agent in Python
Definiëren van de taak, contextvenster en tool-inventaris van de agent
Koppelen van GPT-4 Vision- en Whisper-API’s end-to-end
Implementeren van geheugen, status en conversationmanagement
Veilig toevoegen van tool calls die real-world side-effects produceren
Hands-on - Orchesteren van een Multi-Agentsysteem
Specialistische agents samenstellen met AutoGen of CrewAI
Rollen, verantwoordelijkheden en inter-agent communicatieprotocollen definiëren
Hulpbronallocatie en coördinatie in een gesimuleerde omgeving
Redenering van agents, tool calls en beslissingen loggen voor inspectie en audit
Dag 3
Bedreigingsoppervlak van producti AI-agents
Wat agentic AI uniek kwetsbaar maakt vergeleken met traditionele software
Aanvalsoppervlakte: data, model, prompt, tool, output en interfacelagen
Threat modeling voor agent-based systemen met autonome tool use
Vergelijken van AI-cybersecuritypraktijken met traditionele cybersecurity
Hands-on: Adversariële Aanvallen
Adversariële voorbeelden en perturbatiemethoden: FGSM, PGD, DeepFool
White-box versus black-box aanvallscenario’s
Model inversion en membership inference-aanvallen
Data poisoning en backdoor-injectie tijdens training
Prompt injection, jailbreaking en tool misbruik in LLM-gebaseerde agents
Defensieve technieken en model hardening
Adversariële training en data augmentationstrategieën
Defensive distillation en andere robustness-technieken
Input preprocessing, gradient masking en regularisatie
Differential privacy, noise injection en privacy budgets
Federated learning en secure aggregation voor distributed training
Hands-on met de Adversarial Robustness Toolbox
Simuleren van aanvallen tegen de multimodale agent die op Dag 2 is gebouwd
Meten van robustness onder perturbatie en kwantificeren van degradatie
Herhaaldelijk toepassen van defensies en her-evalueren van attack success rates
Strest-testing van tool-call-padways en prompt injection vectors
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-accountability, auditbaarheid en documentatie-eisen
Regelgevende compliance voor agentic systemen
EU AI Act: risicotiers, verboden toepassingen en verplichtingen voor high-risk-systemen
GDPR- en CCPA-implicaties voor agent-data pipelines
Amerikaanse Executive Order on Safe, Secure, and Trustworthy AI
Sector-specifieke richtlijnen voor finance, healthcare en publieke diensten
Risico’s van derden en het gebruik van supplier-AI-tools
Ethiek, bias en explainability
Bias detectie en mitigation doorheen agent-perceptie en -redenering
Explainability en transparantie als security-relevant eigenschappen
Equity, downstream harm en responsible deployment
Inclusief, auditbaar agents-gedrag ontwerpen
Productie-implementatie, monitoring en incident response
Veilige implementatiepatronen voor single- en multi-agentsystemen
Doorlopende monitoring op drift, anomalieën en misbruik
Logging, audit trails en forensic readiness voor agentacties
AI-security incident response playbooks en recovery
Case studies van echte AI-inbreuken en opgedane lessen
Capstone en synthese
De multimodale multi-agentsysteem die gedurende de cursus is gebouwd reviewen
End-to-end pipeline review: design, build, secure, govern, deploy
Zelfbeoordeling van het systeem tegen NIST AI RMF-functies
Vooruitblik op opkomende trends in agentic AI en AI-beveiliging
Samenvatting en vervolgstappen
Vereisten
Doelgroep
AI-engineers en architecten die agentic-systemen bouwen voor productiegebruik. Cybersecurity-, risico- en compliance-professionals verantwoordelijk voor AI-assurance in gereguleerde sectoren zoals finance, healthcare en consulting. Senior developers en solution leads die multi-modale en multi-agent-capaciteiten embedden in enterprise platforms.
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
