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.
Duur 28 uren
Cursusaanbod
De AI Forward Deployed Engineer
- Het profiel vergeleken met die van ML-engineer en solutions-engineer
- Verantwoordelijk zijn voor resultaten in plaats van alleen opleveringsmijlpalen
- Samenwerken met product-, onderzoeksteams en beveiligingsteams
Ontdekking in complexe enterprise-omgevingen
- Een workflow van begin tot eind observeren
- Systemen, data en overdrachten in kaart brengen
- De beperking identificeren die de waarde creëren blokkeert
Afbakening en prioritering van het probleem
- Use-cases kwalificeren op haalbaarheid
- Kandidaat-workflows scoren op basis van inspanning
- De eerste workflow kiezen die moet worden bewezen
Waarderaming en acceptatiecriteria
- Metrische baseline vaststellen vóór het bouwen
- Zakelijke taal gebruiken voor financiële sponser
- Acceptatiecriteria afstemmen met gebruikers
Modelselectie: Frontier en open gewichten
- GPT-6, Claude 5.5 en open modellen vergelijken
- Afweging tussen context, latentie en eenheidkosten
- Wanneer databeleiden lokale modellen noodzakelijk maken
Context-engineering en prompt-ontwerp
- Instructies structureren voor betrouwbaar gedrag
- Context verzamelen uit systemen van record
- Prompt caching en token-minimalisatie
Retrieval en kennisbegronding
- Chunking en indexering van enterprise-content
- Hybride zoeken, herordering en citaten
- Retrieval apart evalueren van generatie
Agenten en gereedschapsgebruik
- Ontwerp van tools en getypeerde interfaces
- Bouwen met de OpenAI- en Claude-agent SDK's
- Goedkeuringen, herpogingen en foutafhandeling
MCP en enterprise-integratie
- De revisie van het Model Context Protocol van 28-07-2026
- Bouwen en beveiligen van MCP-servers
- Permissies voor tools koppelen aan enterprise-identiteit
Evaluatie als taalse van levering
- Gouden sets bouwen op basis van echt werk
- Gemiddelde scoring en LLM-rechters
- Release gates gekoppeld aan evaluatie-drempelwaarden
Guardrails, veiligheid en menselijk toezicht
- Guardrails op het niveau van prompt, gereedschap en beleid
- Escalatiepunten en menselijke controlepunten
- Auditlogboeken en plichten inzake gegevensverwerking
Implementatiearchitectuur in het domein van de klant
- Beperkingen op identiteit, netwerk en dataresidentie
- Modelgateway en abstractie van meerdere providers
- Infrastructure as Code en releaseproces
Observability, kosten en token-economie
- Tracing van agent-lopen en tool-aanroepen
- Dashboards voor kwaliteit en uitgaven
- Kosten verlagen zonder verlies aan kwaliteit
Aanvaarding en verandering
- Ondersteuning bieden aan de mensen die het werk uitvoeren
- Champion-netwerken en feedbackloops
- Metingen van aanvaardings snelheid
Van opdracht naar hergebruikbare capaciteit
- Gewezen werkflows verpakken
- Playbooks, blauwdrukken en accelerators
- Overdracht aan interne teams
Vereisten
- Vakkennis in Python, inclusief werken met API's en virtuele omgevingen
- Bekendheid met cloudplatforms, containers en versiebeheer
- Voorafgaande ervaring met het aanroepen van een LLM API of het bouwen van een prompt-gebaseerde functionaliteit
- Basisbegrip van enterprise-systemen zoals CRM, ERP of ticketing-platforms
Doelgroep
- Forward deployed en toegepaste AI-engineers
- Software-engineers die overgaan naar klantgerichte AI-levering
- Technische consultants en oplossingsarchitecten die verantwoordelijk zijn voor AI-rollouts
- Platform-engineers die productie-AI workloads ondersteunen
