Introductie tot Data Science en AI met 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.

Devstral is een open-source framework ontworpen voor het bouwen en uitvoeren van codering agents die kunnen interageren met codebases, ontwikkelaarshulpmiddelen en API's om de engineering-productiviteit te vergroten.

Deze door een instructeur geleide live training (online of op locatie) is gericht op ML-engineers op tussen- en gevorderd niveau, teams die zich bezighouden met ontwikkelaarshulpmiddelen, en SREs die Devstral willen gebruiken om codering agents te ontwerpen, implementeren en optimaliseren.

Na afloop van deze training kunnen de deelnemers:

• Devstral instellen en configureren voor de ontwikkeling van codering agents.
• Agentische workflows ontwerpen voor het verkennen en aanpassen van codebases.
• Coding agents integreren met ontwikkelaarshulpmiddelen en API's.
• Beste praktijken implementeren voor veilige en efficiënte agent-deployments.

Formaat van de cursus

• Interactieve colleges en discussies.
• Veel oefeningen en praktijk.
• Handson-implementatie in een live-labomgeving.

Opties voor cursusanpassing

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

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 instructeurgeleide, live-training (online of op locatie) is gericht op ontwikkelaars die de FARM (FastAPI, React en MongoDB)-stack willen gebruiken om dynamische, hoge-prestatie en schaalbare webtoepassingen te bouwen.

Na afloop van deze training kunnen de deelnemers:

• Het noodzakelijke ontwikkelomgeving inrichten dat FastAPI, React en MongoDB integreert.
• De belangrijkste concepten, functies en voordelen van de FARM-stack begrijpen.
• Leren hoe je REST APIs kunt bouwen met FastAPI.
• Leren hoe je interactieve toepassingen kunt ontwerpen met React.
• Toepassingen (front-end en back-end) ontwikkelen, testen en implementeren met de FARM-stack.

Dit door de instructeur geleide live-training in België (online of on-site) is gericht op ontwikkelaars die FastAPI willen gebruiken met Python om RESTful API's sneller en gemakkelijker te bouwen, testen en implementeren.

Na het volgen van deze training zullen de deelnemers in staat zijn:

• Het benodigde ontwikkelomgeving op te zetten om API's met Python en FastAPI te ontwikkelen.
• API's sneller en gemakkelijker te creëren met behulp van de FastAPI-bibliotheek.
• Te leren hoe je data-modellen en schema's kunt maken op basis van Pydantic en OpenAPI.
• API's aan een database te koppelen met SQLAlchemy.
• Veiligheid en authenticatie in API's te implementeren met de FastAPI-hulpmiddelen.
• Container-afbeeldingen te bouwen en web-API's naar een cloud-server te implementeren.

Deze instructeurgeleide live-training in België (online of ter plaatse) is gericht op beginnende tot geavanceerde onderzoekers en laboratoriaprofessionals die afbeeldingen willen verwerken en analyseren met betrekking tot histologische weefsels, bloedcellen, algen en andere biologische monsters.

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

• De Fiji-interface te navigeren en ImageJ’s kernfuncties te gebruiken.
• Wetenschappelijke afbeeldingen voor betere analyse te verwerken en te verbeteren.
• Afbeeldingen kwantitatief te analyseren, waaronder celtelling en oppervlakteberekening.
• Herhaalde taken te automatiseren met behulp van macros en plugins.
• Werkprocessen aan te passen voor specifieke afbeeldingsanalysebehoeften in biologisch onderzoek.

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 LLM-toepassingen met een grafische structuur die ondersteuning biedt voor planning, vertakking, toolgebruik, geheugen en gecontroleerde uitvoering.

Deze instructiegebaseerde, live training (online of op locatie) is gericht op beginners die als developer, prompt engineer of data specialist betrouwbare, multi-step LLM-workflows willen ontwerpen en bouwen met LangGraph.

Aan het einde van deze training kunnen deelnemers:

• De kernconcepten van LangGraph (nodes, edges, state) uitleggen en weten wanneer ze te gebruiken.
• prompt chains maken die vertakken, tools aanroepen en geheugen bijhouden.
• retrieval en externe API's integreren in graph-workflows.
• LangGraph-apps testen, debuggen en evalueren op betrouwbaarheid en veiligheid.

Opzet van de Cursus

• Interactieve lezing en begeleid discussie.
• Gestructureerde labs en code-walkthroughs in een sandbox-omgeving.
• Scenario-gebaseerde oefeningen over ontwerp, testen en evaluatie.

Mogelijkheden voor Cursusaanpassing

• Wilt u een aangepaste training voor deze cursus aanvragen? Neem contact met ons op om de mogelijkheden te bespreken.

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 om stateful, multi-actor LLM-toepassingen te bouwen als composable grafieken met persistente staat en nauwkeurige controle over de uitvoering.

Deze instructeurgeleide live-training (online of op locatie) is gericht op professionals van middelmatig tot geavanceerd niveau die willen ontwerpen, implementeren en bedrijven juridische oplossingen gebaseerd op LangGraph met de benodigde compliantie-, traceerbaarheids- en governancecontroles.

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

• Juridische specifieke LangGraph-werkstroomontwerpen die auditbaarheid en compliantie waarborgen.
• Rechtsbegrippen en documentstandaarden integreren in de grafiektoestand en -verwerking.
• Controles implementeren, mens-in-de-lus goedkeuringen en traceerbare beslissingstrajecten.
• LangGraph-services in productie implementeren, bewaken en onderhouden met observabiliteit en kostencontrole.

Format van de cursus

• Interactieve presentatie en discussie.
• Veel oefeningen en praktijk.
• Handson implementatie in een live-labomgeving.

Cursusaanpassingsmogelijkheden

• Voor op maat gemaakte training voor deze cursus, neem contact met ons op om een afspraak te maken.

LangGraph is een framework voor het samenstellen van grafiekgestructureerde LLM-workflows die vertakking, hulpprogrammabruggebruik, geheugen en gecontroleerde uitvoering ondersteunen.

Deze instructorgeleide, live training (online of op locatie) is bedoeld voor engineers en productteams met een tussenliggend vaakniveau die LangGraphs grafische logica willen combineren met LLM-agentloops om dynamische, contextbewuste toepassingen te bouwen, zoals klantensupport-agents, beslissingsbomen en informatieverzoeksysteem.

Na afloop van deze training kunnen deelnemers:

• Grafiekgebaseerde workflows ontwerpen die LLM-agents, hulpprogramma's en geheugen coördineren.
• Conditionele routering, retry's en fallbacks implementeren voor robuuste uitvoering.
• Het ophalen van data, API's en gestructureerde uitvoer integreren in agentloops.
• Agentgedrag evalueren, monitoren en versterken voor betrouwbaarheid en veiligheid.

Opbouw van de cursus

• Interactieve lezing en begeleide discussie.
• Gefaciliteerde labs en code-walkthroughs in een sandbox-omgeving.
• Scenario-gebaseerde ontwerfoefeningen en peerreviews.

Opties voor aanpassing van de cursus

• Om een aangepaste training voor deze cursus aan te vragen, kunt u contact met ons opnemen om dit te regelen.

LangGraph is een graf gebaseerde orkestratieframework dat conditionele, meervoudige stappen van LLM's en hulpmiddelen Workflows mogelijk maakt, ideaal voor het automatiseren en personaliseren van contentpipelines.

Deze instructeur-led live training (online of on-site) is gericht op middelgevorderde marketers, contentstrategisten en automation developers die dynamische, takkenvormige e-mailcampagnes en contentgeneratiepipelines willen implementeren met LangGraph.

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

• Graf-gestructureerde content en e-mailworkflows te ontwerpen met conditionele logica.
• LLM's, API's en gegevensbronnen te integreren voor geautomatiseerde personalisering.
• De staat, het geheugen en de context over meervoudige campagnestappen te beheren.
• Workflow-prestaties en leveringsresultaten te evalueren, te monitoren en te optimaliseren.

Cursusformat

• Interactieve lezingen en groepsdiscussies.
• Praktijklessen voor het implementeren van e-mailworkflows en contentpipelines.
• Scenario-gebaseerde oefeningen over personalisering, segmentatie en takkenlogica.

Cursus Aanpassingsmogelijkheden

• Voor een aangepaste training voor deze cursus kunt u ons contacteren om de details te regelen.

Deze door een instructeur geleide, live training (online of ter plaatse) is bedoeld voor datawetenschappers en ontwikkelaars die RAPIDS willen gebruiken om GPU-geaccelereerde datapijplijnen, workflows en visualisaties te bouwen en machine learning algoritmen zoals XGBoost, cuML, enz. toe te passen.

Aan het einde van deze training kunnen de deelnemers:

• De noodzakelijke ontwikkelomgeving inrichten om datamodellen te bouwen met NVIDIA RAPIDS.
• De functies, componenten en voordelen van RAPIDS begrijpen.
• GPUs benutten om end-to-end data- en analytische pijplijnen te versnellen.
• GPU-geaccelereerde datapreparatie en ETL implementeren met cuDF en Apache Arrow.
• Leren hoe machine learning taken uit te voeren met XGBoost en cuML algoritmen.
• Datavisualisaties bouwen en grafische analyse uitvoeren met cuXfilter en cuGraph.