Bedankt voor uw aanvraag! Een van onze medewerkers neemt binnenkort contact met u op
Bedankt voor uw boeking! Een van onze medewerkers neemt binnenkort contact met u op.
Cursusaanbod
Module 1: Inleiding en AI-theorie
- De modelgerichte benadering: AI als een technisch probleem.
- Het ontmaskeren van mythes rondom AI: wat is het nu werkelijk en waarin niet?
- De technologische ontwikkeling: van BERT tot Transformers.
- Generatieve toepassingsgebieden: analyse, creativiteit, onderzoek, afbeeldingen, muziek en video.
- Gegevensgovernance: belangrijkste principes, audits en actuele trends (multimodaliteit, agents, RAG, verschil tussen LLM en SLM).
- De ‘donkere kant’ van AI: ethiek, intellectueel eigendom, vooroordelen, hallucinaties en social engineering.
- Risicoanalyse: gegevensvervuiling, Nepenthes-effecten en het risico op vermindering van menselijke vaardigheden.
- Modeltaxonomie: basismodellen versus specifiek ontwikkelde modellen; gesloten vs. opengewichtte modellen.
Module 2: Huidig landschap en beschikbare hulpmiddelen
- De wereld van taalmodellen: vergelijkingen op basis van prestaties en benchmarks.
- Criteria voor professionele aankopen: kosten, latentietijd, privacybescherming en leveranciersafhankelijkheid.
- Overzicht van grote modellen: OpenAI ChatGPT, Perplexity, Gemini en Grok.
- Niche- en kleinere modellen: Manus, SpecKit.
- Grafische generatie: Perchance.
- Technische beperkingen: contextverlies versus kosten per token.
Module 3: Interactie – Prompt- en contextengineering
- Het verificatiekader: volledigheid, consistentie en controleerbaarheid.
- De RAG-strategie: wanneer te kiezen voor Retrieval-Augmented Generation versus fine-tuning.
- ROI van AI: vergelijking tussen onderhoudskosten en productiviteitswinst.
- Geavanceerde technieken: meer dan twintig methoden voor prompt-engineering en RAG, met voorbeelden uit de praktijk.
- Experimentele grenzen: triangulatie, overzicht van maps & terrains en modelgerichte generatie.
Module 4: AI in Agile projectmanagement
- De supercomputer als piloot: AI als automatiseringsmotor.
- Besluitvorming: de verantwoordelijkheid van mensen versus ondersteuning door AI.
- AIOps en GitOps: integratie van AI in operationele processen.
- Toolchains en pipelines: het creëren van een naadloze, op AI gebaseerde werkomgeving.
- Agile artefacten: backlogs, roadmap en requirements-engineering.
- Nauwkeurigheidsmanagement: capaciteitsplanning en schattingen (nauwkeurigheid versus precisie).
- Producteigenaarschap: ideevorming, feature-analyse en risico’s van Vibe-coding.
- Risicobeheer en scenarioplanning: voorbereiden op ‘wat als’-situaties met behulp van geautomatiseerd risicomanagement.
- Verfijning: beschrijven en optimaliseren van use cases en gebruikersverhalen.
Vereisten
- Basiskennis van het Agile Manifesto en het Scrum-raamwerk.
- Ervaring in projectmanagement, producteigenaarschap of teamleiding.
- Voorafgaande kennis van programmeren of AI-engineering is niet vereist; wel wordt enige vertrouwdheid met digitale tools aangeraden.
Doelgroep
- Agile projectmanagers en Scrum Masters.
- Producteigenaren en productmanagers.
- IT-teamleiders en delivery managers.
- Bedrijfsanalisten die binnen Agile-omgevingen werken.
- Operations-managers met interesse in AIOps.
7 Uren
Getuigenissen (1)
Begrijp de functies van AI en gebruik tools om onze taken te vergemakkelijken. Er moet verbetering komen in AI-chats, zoals het maken van analyses en het opstellen van presentaties.
Tri wulandari - PT Chubb Life Insurance Indonesia
Cursus - AI Literacy & Productivity
Automatisch vertaald
