Introductie tot Data Science en AI met behulp van Python Training Cursus

LangGraph is een framework voor het bouwen van toestandsbewuste, multi-actor LLM-toepassingen als samenstellbare grafieken met een duurzame toestand en controle over de uitvoering.

Deze door een docent geleide live training (online of ter plekke) is gericht op geavanceerde AI-platformingenieurs, DevOps voor AI en ML-architecten die hun productieklassen LangGraph-systeem willen optimaliseren, debuggen, monitoren en beheren.

Na deze training kunnen de deelnemers:

• Complexe LangGraph-topologieën ontwerpen en optimaliseren voor snelheid, kosten en schaalbaarheid.
• Betrouwbaarheid ontwerpen met herhalingen, time-outs, idempotentie en herstel op basis van controlepunten.
• De uitvoering van grafieken tracen, de toestand inspecteren en productieproblemen systematisch reproduceren.
• Grafieken instrumenteren met logboeken, metrieken en traces, implementeren in productie en de SLAs en kosten monitoren.

Opzet van de cursus

• Interactieve lezingen en discussies.
• Veel oefeningen en praktijkopdrachten.
• Handmatige implementatie in een live-labomgeving.

Opties voor cursusaanpassing

• Neem contact met ons op om een aangepaste training voor deze cursus aan te vragen.

Deze live training onder leiding van een instructeur in België (online of ter plaatse) is bedoeld voor datawetenschappers die het Anaconda-ecosysteem willen gebruiken om pakketten en workflows voor gegevensanalyse vast te leggen, te beheren en te implementeren in één enkel platform.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer en configureer Anaconda componenten en bibliotheken.
• Begrijp de kernconcepten, kenmerken en voordelen van Anaconda.
• Beheer pakketten, omgevingen en kanalen met behulp van Anaconda Navigator.
• Gebruik Conda-, R- en Python-pakketten voor datawetenschap en machine learning.
• Maak kennis met enkele praktische use cases en technieken voor het beheren van meerdere data-omgevingen.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op datawetenschappers en software-ingenieurs die Dask willen gebruiken met het Python ecosysteem om grote datasets te bouwen, schalen en analyseren.

Aan het einde van deze training kunnen deelnemers:

• Zet de omgeving op om te beginnen met het bouwen van big data-verwerking met Dask en Python.
• Ontdek de functies, bibliotheken, tools en API's die beschikbaar zijn in Dask.
• Begrijp hoe Dask parallel computing in Python versnelt.
• Leer hoe u het Python-ecosysteem (Numpy, SciPy en Pandas) kunt schalen met Dask.
• Optimaliseer de Dask-omgeving om hoge prestaties te behouden bij het verwerken van grote datasets.

Deze door een instructeur geleide live training in België (online of op locatie) is gericht op ontwikkelaars en data-analisten op intermediair niveau die hun vaardigheden in data-analyse en manipulatie met behulp van Pandas en NumPy willen verbeteren.

Na afloop van deze training kunnen de deelnemers:

• Een ontwikkelomgeving instellen die Python, Pandas en NumPy omvat.
• Een data-analyseapplicatie maken met behulp van Pandas en NumPy.
• Geavanceerde data-wrangling-, sorterings- en filteroperaties uitvoeren.
• Aggregaatoperaties uitvoeren en tijdreeksdata analyseren.
• Data visualiseren met Matplotlib en andere visualisatiebibliotheken.
• Hun data-analysecode debuggen en optimaliseren.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op ontwikkelaars die de FARM-stack (FastAPI, React en MongoDB) willen gebruiken om dynamische, krachtige en schaalbare webapplicaties te bouwen.

Aan het einde van deze training kunnen deelnemers:

Zet de benodigde ontwikkelomgeving op die FastAPI, React en MongoDB integreert. Begrijp de belangrijkste concepten, kenmerken en voordelen van de FARM-stack. Leer hoe u REST API's bouwt met FastAPI. Leer hoe u interactieve applicaties ontwerpt met React. Ontwikkel, test en implementeer applicaties (front-end en back-end) met behulp van de FARM-stack.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op ontwikkelaars die FastAPI met Python willen gebruiken om RESTful API's eenvoudiger en sneller te bouwen, testen en implementeren.

Aan het einde van deze training kunnen deelnemers:

• De benodigde ontwikkelomgeving instellen om API's te ontwikkelen met Python en FastAPI.
• API's sneller en gemakkelijker creëren met behulp van de FastAPI bibliotheek.
• Leren hoe je datamodellen en schema's kunt maken op basis van Pydantic en OpenAPI.
• API's verbinden met een database met behulp van SQLAlchemy.
• Beveiliging en authenticatie implementeren in API's met behulp van de FastAPI tools.
• Containerimages bouwen en web-API's implementeren op een cloudserver.

Deze live training onder leiding van een instructeur in België (online of ter plaatse) is bedoeld voor datawetenschappers en -ontwikkelaars die willen leren en hun carrière willen opbouwen in Data Science met behulp van Kaggle.

Aan het einde van deze training zijn de deelnemers in staat om:

• Meer informatie over datawetenschap en machine learning.
• Verken data-analyse.
• Lees meer over Kaggle en hoe het werkt.

LangGraph is een framework voor het bouwen van toestandhoudende, multi-actor LLM-applicaties als samenstelbare grafieken met een persistente toestand en controle over de uitvoering.

Deze door instructeurs geleide live-training (online of ter plaatse) is gericht op professionals op intermediair tot geavanceerd niveau die LangGraph-gebaseerde financiële oplossingen willen ontwerpen, implementeren en beheersen met de juiste governance, observeerbaarheid en naleving.

Na afloop van deze training kunnen de deelnemers:

• Financieel specifieke LangGraph-workflows ontwerpen die voldoen aan de voorschriften en audit-eisen.
• Financiële datastandaarden en ontologieën integreren in de grafiektoestand en tooling.
• Betrouwbaarheid, veiligheid en mens-in-de-lus-controles implementeren voor kritieke processen.
• LangGraph-systemen implementeren, bewaken en optimaliseren voor prestaties, kosten en SLAs.

Formaat van de cursus

• Interactieve lezingen en discussies.
• Veel oefeningen en praktijk.
• Handmatige implementatie in een live-labomgeving.

Cursus aanpassingsopties

• Voor een aangepaste training voor deze cursus, neem contact met ons op om te regelen.

LangGraph is een framework voor het bouwen van grafische LLM-applicaties die planning, vertakking, toolgebruik, geheugen en controleerbare uitvoering ondersteunen.

Deze door een instructeur geleide, live-training (online of op locatie) is bedoeld voor beginnende ontwikkelaars, prompt engineers en data-practitioners die betrouwbare, meerslagige LLM-workflows willen ontwerpen en bouwen met behulp van LangGraph.

Aan het einde van deze training kunnen de deelnemers:

• De kernconcepten van LangGraph (knopen, randen, staat) uitleggen en weten wanneer ze moeten worden gebruikt.
• Promptketens bouwen die vertakken, tools aanroepen en geheugen behouden.
• Retrieval en externe APIs integreren in grafische workflows.
• LangGraph-apps testen, debuggen en evalueren op betrouwbaarheid en veiligheid.

Formaat van de cursus

• Interactieve colleges en begeleide discussies.
• Begeleide labs en code-walkthroughs in een sandboxomgeving.
• Scenario-gebaseerde oefeningen over ontwerp, testen en evaluatie.

Opties voor cursusaanpassing

• Voor een aangepaste training voor deze cursus, neem contact met ons op om dit te regelen.

LangGraph maakt stateful, multi-actor workflows mogelijk die door LLMs worden aangedreven, met precieze controle over uitvoeringspaden en toestandspersistentie. In de gezondheidszorg zijn deze mogelijkheden cruciaal voor naleving, interoperabiliteit en het bouwen van beslissingsondersteunende systemen die aansluiten bij medische workflows.

Deze door een instructeur geleide, live training (online of op locatie) is bedoeld voor professionals met een tussen- tot geavanceerd niveau die LangGraph-gebaseerde gezondheidsoplossingen willen ontwerpen, implementeren en beheren, terwijl zij zich bezighouden met regulerende, ethische en operationele uitdagingen.

Aan het einde van deze training kunnen de deelnemers:

• LangGraph-workflows specifiek voor de gezondheidszorg ontwerpen met inachtneming van naleving en auditabiliteit.
• LangGraph-applicaties integreren met medische ontologieën en standaarden (FHIR, SNOMED CT, ICD).
• Bewaarde praktijken toepassen voor betrouwbaarheid, traceerbaarheid en uitlegbaarheid in gevoelige omgevingen.
• LangGraph-applicaties in productiesettings in de gezondheidszorg implementeren, bewaken en valideren.

Opzet van de cursus

• Interactieve lezing en discussie.
• Handson-oefeningen met echte casestudies.
• Implementatiepraktijk in een live-labomgeving.

Opties voor cursusaanpassing

• Om een aangepaste training voor deze cursus aan te vragen, neem dan contact met ons op om dit te regelen.

LangGraph is een framework voor het samenstellen van grafgestructureerde LLM-workflows die vertakking, toolgebruik, geheugen en controleerbare uitvoering ondersteunen.

Deze door een instructeur geleide, live training (online of ter plekke) is bedoeld voor ingenieurs en productteams op intermiddelair niveau die LangGraph's grafische logica willen combineren met LLM-agent-lussen om dynamische, contextbewuste toepassingen te bouwen zoals klantensupportagenten, beslissingsbomen en informatie-opvraagssystemen.

Na voltooiing van deze training zullen de deelnemers in staat zijn om:

• Grafgebaseerde workflows te ontwerpen die LLM-agenten, tools en geheugen coördineren.
• Voorwaardelijke routing, herhalingen en terugvalopties te implementeren voor robuuste uitvoering.
• Ophalen, APIs en gestructureerde uitvoer te integreren in agent-lussen.
• Agentgedrag te evalueren, te monitoren en te versterken voor betrouwbaarheid en veiligheid.

Formaat van de cursus

• Interactieve lezing en begeleide discussie.
• Begeleide laboratoria en codewalkthroughs in een sandboxomgeving.
• Scenario-gebaseerde ontwerpoefeningen en peer reviews.

Opties voor cursusaanpassing

• Neem contact met ons op om een aangepaste training voor deze cursus aan te vragen.

LangGraph is een grafische orchestratiestructuur die voorwaardelijke, meerstapige LLM- en toolwerkstromen mogelijk maakt, ideaal voor het automatiseren en personaliseren van contentpipelines.

Deze door instructeurs geleide live training (online of ter plaatse) is bedoeld voor marketeers, contentstrategisten en automatiseringsontwikkelaars op tussenniveau die dynamische, vertakkende e-mailcampagnes en contentgeneratiepipelines willen implementeren met behulp van LangGraph.

Na afloop van deze training kunnen de deelnemers:

• Grafisch gestructureerde content en e-mailwerkstromen ontwerpen met voorwaardelijke logica.
• LLMs, APIs en gegevensbronnen integreren voor geautomatiseerde personalisatie.
• Toestand, geheugen en context beheren over meerstappige campagnes.
• De prestaties van de werkstromen en leveringsresultaten evalueren, monitoren en optimaliseren.

Opzet van de cursus

• Interactieve lezingen en groepsdiscussies.
• Praktische oefeningen waarbij e-mailwerkstromen en contentpipelines worden geïmplementeerd.
• Scenario-gebaseerde oefeningen over personalisatie, segmentatie en vertakking van logica.

Opties voor het aanpassen van de cursus

• Neem contact met ons op om een aangepaste training voor deze cursus te regelen.

Deze live training onder leiding van een instructeur in België (online of ter plaatse) is bedoeld voor datawetenschappers en -ontwikkelaars die Modin willen gebruiken om parallelle berekeningen te bouwen en te implementeren met Pandas voor snellere data-analyse.

Aan het einde van deze training zijn de deelnemers in staat om:

• Zet de benodigde omgeving op om te beginnen met het ontwikkelen van Pandas workflows op schaal met Modin.
• Begrijp de functies, architectuur en voordelen van Modin.
• Ken de verschillen tussen Modin, Dask en Ray.
• Voer Pandas bewerkingen sneller uit met Modin.
• Implementeer de volledige Pandas API en functies.

Deze live training onder leiding van een instructeur in België (online of ter plaatse) is bedoeld voor datawetenschappers en -ontwikkelaars die RAPIDS willen gebruiken om GPU-versnelde datapijplijnen, workflows en visualisaties te bouwen, waarbij machine learning-algoritmen worden toegepast, zoals XGBoost, cuML, enz.

Aan het einde van deze training zijn de deelnemers in staat om:

• Zet de benodigde ontwikkelomgeving op om datamodellen te bouwen met NVIDIA RAPIDS.
• Begrijp de kenmerken, componenten en voordelen van RAPIDS.
• Maak gebruik van GPUs om end-to-end data- en analysepijplijnen te versnellen.
• Implementeer GPU-versnelde gegevensvoorbereiding en ETL met cuDF en Apache Arrow.
• Leer hoe u machine learning-taken uitvoert met XGBoost- en cuML-algoritmen.
• Bouw datavisualisaties en voer grafiekanalyses uit met cuXfilter en cuGraph.