Neem contact met ons op
 Duur 35 uren

Cursusaanbod

Cursusinhoud Trainingsvoorstel  

Dag 1 - Inleiding tot AI en Python voor data-workflows

• Overzicht van het landschap van kunstmatige intelligentie en machine learning  

• De rol van AI in moderne data-engineering  

• Herhaling van Python-basisvaardigheden voor AI-toepassingen

 • Werken met data via pandas en NumPy  

• Inleiding tot API's en het verwerken van JSON-data

 • Mini-oefening: laden en transformeren van datasets  

Dag 2 - Fundamenten van Machine Learning voor Praktijkprofessionals

• Concepten van toezichtshulp (supervised) en toezichtsloze (unsupervised) learning

 • Technieken voor feature engineering en datavoorbereiding

 • Basis van modeltraining met scikit-learn

 • Model-evaluatie en prestatiemetrieken

 • Inleiding tot concepten van modeluitrol

 • Praktijk: bouwen van een eenvoudig predictief model  

Dag 3 - Inleiding tot LLM's en Prompt Engineering

• Begrijpen hoe grote taalmodellen werken  

• Tokenisatie, contextvensters en beperkingen

 • Principes en technieken voor promptontwerp  

• Zero-shot en few-shot prompting

 • Strategieën voor prompt-evaluatie en iteratie

 • Praktijk: prompt engineering-oefeningen  

Dag 4- Bouwen van AI-toepassingen met LLM's

• Gebruik van LLM-API's in Python

 • Gestructureerde outputs en concepten van function calling

• Bouwen van chatgebaseerde en taakgerichte toepassingen

• Inleiding tot retrieval-augmented generation (RAG)  

• Koppelen van LLM's aan externe databronnen 

• Miniproject: bouwen van een eenvoudige AI-assistent 

Dag 5 - Operationalisatie van AI-oplossingen

• Ontwerp van schaalbare AI-workflows  

• Integratie van AI in data-pipelines  

• Monitoring en verbetering van modelprestaties  

• Kostenoptimalisatie en strategieën voor API-gebruik

 • Overwegingen rond veiligheid en verantwoord AI-gebruik  

• Eindproject: bouwen van een end-to-end AI-oplossing  

Aantal deelnemers


Prijs per deelnemer

Getuigenissen (2)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën