Grote Taalmodellen (LLM's) Trainingen in Namen

Deze interactieve live-training, begeleid door een instructeur Namen (online of ter plaatse), is bedoeld voor senior managers die willen begrijpen wat LLM’s zijn, hun potentiële impact op bedrijfsprocessen willen verkennen en praktische toepassingen van AI-tools zoals ChatGPT, Microsoft Copilot en Grok willen evalueren. Denk hierbij aan taken als het creëren van content, samenvatten van gegevens en ondersteuning bij besluitvorming.

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

• te begrijpen wat LLM’s zijn en hoe tools zoals ChatGPT en Copilot werken;
• prompttechnieken toe te passen zodat ze betrouwbare, praktische resultaten van LLM’s krijgen;
• reële gebruikscases te beoordelen zoals het opstellen van e-mails, documentensamenvattingen en automatisering van productieprocessen;
• investeringsmogelijkheden en strategische toepassingen voor AI-adoptie te identificeren.

Dit door een trainer geleide, live trainingsprogramma in Namen (online of op locatie) is bedoeld voor het senior management dat de strategische waarde van LLM's en enterprise AI-tools wil begrijpen. Deelnemers zullen verkennen hoe deze tools geïntegreerd kunnen worden in hooggeplaatste werkprocessen, hoe ze betere prompts kunnen formuleren en hoe ze kansen kunnen evalueren voor een verhoogde productiviteit en ROI door de invoering van AI.

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

• Te begrijpen hoe LLM's functioneren en hoe tools zoals ChatGPT en Copilot deze toepassen.
• Prompt-based interacties te gebruiken om taken te automatiseren en te versnellen.
• AI-tools toe te passen op realistische scenario's, zoals het opstellen van e-mails, het samenvatten van rapporten en het controleren van overeenkomsten.
• Strategische baten, beperkingen en licentieoverwegingen voor de invoering van LLM's te evalueren.

Deze door een instructeur geleide training, online of op locatie, richt zich tot AI-onderzoekers, data scientists en ontwikkelaars met een middelmatige tot gevorderde kennis die de grote taalmodellen van Meta AI willen begrijpen, afstemmen en implementeren voor diverse NLP-toepassingen.

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

• De architectuur en werking van de grote taalmodellen van Meta AI te begrijpen.
• De LLMs van Meta AI in te stellen en af te stemmen op specifieke toepassingsdoelen.
• Applicaties gebaseerd op deze modellen, zoals tekstsamenvattingen, chatbots en sentimentanalyse, te implementeren.
• Grote taalmodellen efficiënt te optimaliseren en uit te rollen.

Deze door een instructeur geleide training in Namen (online of op locatie) is bedoeld voor AI-professionals met een gemiddelde kennisniveau, bedrijfsanalisten en technologische leiders die de grondbeginselen van generatieve AI en het gebruik van LLMs in zakelijke omgevingen willen begrijpen. Deelnemers komen te weten hoe transformatoren werken, wat prompt engineering is en welke ethische overwegingen er zijn bij het implementeren van deze modellen voor praktische toepassingen.

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

• De fundamentele principes van generatieve AI en grote taalmodellen te begrijpen.
• LLMs te implementeren en af te stemmen op specifieke zakelijke doeleinden.
• Prompt engineering-technieken toe te passen voor optimale resultaten van de modellen.
• Ethische aspecten te herkennen en risico’s te beheren bij het inzetten van LLMs.

Deze door een instructeur geleide, live-training in Namen (online of ter plaatse) is bedoeld voor AI-professionals en ethici op middenniveau, datawetenschappers en -engineers, evenals beleidsmakers en andere belanghebbenden die zich willen verdiepen in de ethische aspecten rondom grote taalmodellen.

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

• De ethische problemen en uitdagingen die samengaan met grote taalmodellen te herkennen.
• Ethische kaders en principes toe te passen bij de implementatie van deze modellen.
• De maatschappelijke impact van grote taalmodellen te beoordelen en mogelijke risico’s te verminderen.
• Strategieën te ontwikkelen voor een verantwoorde ontwikkeling en toepassing van AI.

Deze door een instructeur geleide, interactieve training in Namen (online of op locatie) is gericht op NLP-professionals en datawetenschappers met gematigde kennis, evenals op contentmakers, vertalers en internationale bedrijven die grote taalmodellen willen gebruiken voor vertaling en het creëren van meertalige inhoud.

Aan het einde van deze training zullen deelnemers kunnen:

• De principes van meertalig leren en vertalen met grote taalmodellen begrijpen.
• Grote taalmodellen inzetten om inhoud te vertalen tussen verschillende talen.
• Meertalige datasets opstellen en beheren voor het trainen van grote taalmodellen.
• Strategieën ontwikkelen die de consistentie en kwaliteit van vertalingen waarborgen.

Dit live trainingsprogramma onder begeleiding van een docent in Namen (online of op locatie) is bedoeld voor geavanceerde financiële analisten, datawetenschappers en beleggingsspecialisten die LLM's willen inzetten voor financiële marktanalyse en voorspelling.

Aan het einde van deze training kunnen deelnemers:

• De toepassing van LLM's in de financiële marktanalyse begrijpen.
• LLM's gebruiken om financieel nieuws, rapporten en data te verwerken voor marktinzicht.
• Predictieve modellen ontwikkelen voor aandeelprijzen, markttrends en economische indicatoren.
• Inzichten vanuit LLM's integreren in de besluitvorming rond beleggingen.

Deze door een instructeur geleide, live-training in Namen (online of op locatie) is bedoeld voor milieuwetenschappers en -onderzoekers met een gemiddelde kennisniveau, data-analysten, beleidsmakers en milieubehartigers die LLM's willen inzetten voor milieumodellering en -analyse.

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

• De toepassing van LLM's in de milieuwetenschap te begrijpen.
• LLM's te gebruiken voor het analyseren en modelleren van milieugegevens.
• De output van LLM's juist te interpreteren bij beoordelingen van milieu-impact.
• Vindingsresultaten effectief te communiceren om beleidsvorming en natuurbeschermingsinspanningen te ondersteunen.

Deze door een docent geleide live-training in Namen (online of op locatie) richt zich tot VR- en AR-ontwikkelaars, gameontwerpers en AI-engineers met enige ervaring die graag LLMs willen toevoegen aan hun applicaties om meer boeiende en responsieve virtuele werelden te maken.

Na afloop van de cursus zullen deelnemers in staat zijn om:

• De rol van LLMs bij het ontwerpen van meeslepende VR- en AR-ervaringen te doorgronden.
• VR- en AR-applicaties te ontwikkelen waarin LLMs worden ingezet voor interactieve dialogen en inhoudscreatie.
• LLMs te combineren met bestaande VR- en AR-tools ter versterking van de gebruikersbetrokkenheid.
• Beste praktijken toe te passen bij het ontwerpen van AI-gebaseerde verhalen en interacties binnen virtuele omgevingen.

Deze door een instructeur begeleide training in Namen (online of op locatie) richt zich op datawetenschappers, machine learning-engineers en softwareontwikkelaars met middenniveau kennis. Zij leren hoe ze Large Language Models kunnen toepassen op multimodale data voor geavanceerde AI-oplossingen.

Aan het einde van deze training zijn deelnemers in staat tot:

• De principes van multimodaal leren met LLMs begrijpen.
• LLMs implementeren om tekst-, afbeeldings- en audiodata te verwerken en te analyseren.
• Toepassingen ontwikkelen die optimaal profiteren van de integratie van meerdere data-types.
• De prestaties van multimodale LLM-systemen beoordelen.

Deze onder leiding van een instructeur gegeven, live-training in Namen (online of ter plaatse) is bedoeld voor cyberbeveiligingsprofessionals en datawetenschappers met een gematigde ervaring die LLM’s willen inzetten om hun beveiligingsmaatregelen en dreigingsanalyse te verbeteren.

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

• De rol van LLM’s binnen cyberbeveiliging te begrijpen.
• LLM’s toe te passen bij het detecteren en analyseren van dreigingen.
• LLM’s te gebruiken voor automatisering en reactie op beveiligingsincidenten.
• LLM’s te integreren in bestaande beveiligingsinfrastructuren.

Deze door een instructeur geleide, live-training in Namen (online of op locatie) is bedoeld voor datawetenschappers en bedrijfsanalisten met een gemiddelde kennisniveau die grote taalmodellen (LLM's) willen toepassen om trends en gedragingen te voorspellen binnen verschillende sectoren.

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

• De basisprincipes van LLM's begrijpen en hun rol bij voorspellende analyse doorgronden.
• LLM's implementeren om data te analyseren en te voorspellen in diverse sectoren.
• De effectiviteit van voorspellingsmodellen op basis van LLM's beoordelen.
• LLM's integreren met reeds bestaande dataprocessingssystemen.

Deze door een instructeur geleide training in Namen (online of op locatie) richt zich op data scientists die een grondige kennis en praktische vaardigheden willen ontwikkelen rond zowel grote taalmodellen als referentiele leertechnieken.

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

• het begrijpen van de onderdelen en werking van transformer-modellen;
• het optimaliseren en fijnafstellen van LLM's voor specifieke taken of toepassingen;
• het beheersen van de kernprincipes en methodologieën binnen referentiele leertechnieken;
• het zien hoe deze technieken het presteren van LLM's kunnen verbeteren.

Deze door een instructeur geleide training in Namen (online of op locatie) is bedoeld voor contentmakers, marketeers en onderwijstechnologen met een middenniveau die de kracht van LLM's willen benutten om hoogwaardige, gevarieerde en boeiende inhoud te genereren in diverse domeinen.

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

• Inzicht krijgen in de mogelijkheden van LLM's en hun toepassing bij inhoudsgeneratie.
• LLM's instellen en gebruiken om verschillende soorten inhoud te genereren.
• Beste praktijken toepassen voor het formuleren van instructies en het afstellen van LLM's, zodat gewenste resultaten ontstaan.
• De kwaliteit van door AI gegenereerde inhoud beoordelen en deze verfijnen voor specifieke doelgroepen.
• Gevorderde technieken verkennen voor creatieve en multimodale inhoudsgeneratie met behulp van LLM's.

Deze praktijkgerichte training, gegeven door een instructeur (online of op locatie), is bedoeld voor docenten, professionals in het edutech-gebied en onderzoekers met uiteenlopende niveaus van ervaring die LLMs willen benutten om gepersonaliseerde leerervaringen te creëren.

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

• De architectuur en mogelijkheden van LLMs te begrijpen.
• Kansen voor personalisatie van educatieve inhoud met behulp van LLMs te herkennen.
• Adaptieve leerplatforms te ontwerpen waarbij LLMs worden gebruikt om de inhoud aan te passen.
• Strategieën op basis van LLMs toe te passen ter verbetering van studentenbetrokkheid en leerprestaties.
• De effectiviteit van LLMs in onderwijssituaties te evalueren en op basis van gegevens beslissingen te nemen voor

Deze interactieve, door een instructeur geleide training in Namen (online of op locatie) is bedoeld voor ML-professionals en AI-ontwikkelaars met voldoende ervaring die open-weight-modellen zoals LLaMA, Mistral en Qwen willen afstemmen en implementeren voor specifieke zakelijke of interne doeleinden.

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

• het ecosysteem en de verschillen tussen diverse open-source LLM's te begrijpen;
• datasets voor te bereiden en afstemmingsconfiguraties op te stellen voor modellen als LLaMA, Mistral en Qwen;
• afstempipelines uit te voeren met behulp van Hugging Face Transformers en PEFT;
• de afgestemde modellen te evalueren, op te slaan en te implementeren in veilige omgevingen.

Deze door een instructeur geleide, live-training in Namen (online of op locatie) is bedoeld voor softwareontwikkelaars en datawetenschappers met een beginners- tot middenniveau die LLM's willen toepassen in systemen voor spraakherkenning en -synthese.

Aan het einde van deze training zullen deelnemers kunnen:

• De rol van LLM's begrijpen binnen spraaktechnologieën.
• LLM's implementeren voor nauwkeurige spraakherkenning en natuurlijk klinkende spraaksynthese.
• LLM's integreren met spraakherkenningsmotoren en spraksynthesizers.
• De prestaties van spraaksystemen verbeteren door middel van evaluatie met LLM's.
• Op de hoogte blijven van actuele ontwikkelingen en toekomstige richtingen binnen spraaktechnologieën.

Deze begeleide, live-training in Namen (online of op locatie) is bedoeld voor klantenservice- en IT-professionals met een beginnend tot gematigd niveau die LLMs willen gebruiken om responsieve en intelligente chatbots te ontwikkelen voor klantensupport.

Na afloop van deze cursus kunnen deelnemers:

• De basisprincipes en architectuur van Grote taalmodellen (LLMs) begrijpen.
• LLMs ontwerpen en integreren in klantensupportsystemen.
• De reactiesnelheid en gebruikerservaring van chatbots verbeteren.
• Ethische aspecten adresseren en voldoen aan branchestandaarden.
• Een op LLMs gebaseerde chatbot implementeren en onderhouden voor praktische toepassingen.

Dit instructeur-geleide, live training in Namen (online of op locatie) is gericht op datawetenschappers en AI-ingenieurs op intermedio-niveau die grote taalmodellen willen fine-tunen op een voordeligere en efficiëntere manier, gebruikmakend van methoden zoals LoRA, Adapter Tuning en Prefix Tuning.

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

• De theorie achter parameter-efficiënte fine-tuning benaderingen te begrijpen.
• LoRA, Adapter Tuning en Prefix Tuning te implementeren met Hugging Face PEFT.
• De prestaties en kostenvoordelen van PEFT-methoden te vergelijken met volledige fine-tuning.
• Fine-tuned LLM's te deployen en te schalen met verminderde eisen voor berekenkracht en opslag.

Deze live-training onder begeleiding van een instructeur in Namen (online of op locatie) richt zich op machine learning-engineers, AI-ontwikkelaars en data scientists met een gemiddelde tot gevorderde kennis die willen leren hoe ze QLoRA efficiënt kunnen gebruiken voor het finetunen van grote modellen op specifieke doeleinden.

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

• De theorie achter QLoRA en kwantificatiemethoden voor LLMs te begrijpen.
• QLoRA toe te passen bij het finetunen van grote taalmodellen voor specifieke toepassingen.
• Het finetuningproces te optimaliseren bij beperkte rekenkracht door middel van kwantificatie.
• De afgestemde modellen efficiënt in de praktijk te implementeren en te evalueren.

Deze door instructeurs geleide, live-training in Namen (online of op locatie) is bedoeld voor data- en marketingprofessionals met een middenniveau die LLMs willen toepassen om publieke sentimenten te analyseren uit verschillende tekstbronnen zoals sociale mediaberichten, productrecensies en klantfeedback.

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

• De principes van sentimentanalyse en diens toepassing met behulp van LLMs te begrijpen.
• Datasets voor sentimentanalyse voor te bereiden en te verwerken.
• LLMs te trainen en af te stellen zodat ze het sentiment in teksten nauwkeurig weergeven.
• Sentiment in real-time te analyseren uit sociale media en andere tekstbronnen.
• De bevindingen van de sentimentanalyse te integreren in zakelijke strategieën en besluitvormingsprocessen.

Deze door instructeurs geleide, live-training in Namen (online of op locatie) is bedoeld voor softwareontwikkelaars en technische schrijvers met een gemiddelde kennisniveau die LLM's willen gebruiken om hun codeproces te versnellen en uitgebreide, nauwkeurige documentatie te maken.

Na afloop van deze training zullen deelnemers het volgende kunnen:

• Inzicht krijgen in hoe LLM's codegeneratie en softwaredocumentatie automatiseren.
• LLM's gebruiken voor het maken van nauwkeurige en efficiënte codefragmenten en documentatie.
• LLM's integreren binnen hun ontwikkelproces om de productiviteit te vergroten.
• Hoge kwaliteitsnormen voor documentatie handhaven met behulp van geautomatiseerde hulpmiddelen.
• Ethische aspecten en beste praktijken rond het gebruik van AI in softwareontwikkeling begrijpen.

Deze door een instructeur geleide, live-training in Namen (online of ter plaatse) is bedoeld voor zakenprofessionals en data-analisten met een gemiddelde kennisniveau die de kracht van LLM’s willen benutten om waardevolle zakelijke inzichten te verkrijgen.

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

• De basisprincipes en toepassingen van LLM’s binnen de context van zakelijke inzichten begrijpen.
• LLM’s inzetten om grote datasets te analyseren en relevante informatie te extraheren.
• Analyse op basis van LLM’s integreren in het proces van strategische bedrijfsbeslissingen.
• De ethische aspecten en best practices rond het gebruik van LLM’s in de zakelijke context beoordelen.
• Toekomstige ontwikkelingen in AI voorspellen en zich voorbereiden op veranderingen in het landschap van zakelijke inzichten.

Deze instructeursgeleide, live-training in Namen (online of ter plaatse) richt zich op ontwikkelaars en data scientists met een gemiddelde tot gevorderde kennis die LlamaIndex willen beheersen om innovatieve applicaties te ontwikkelen op basis van LLMs.

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

• LlamaIndex in te stellen en te configureren voor gebruik met LLMs.
• Aangepaste datasets te indexeren en er query’s op uit te voeren via LlamaIndex, waardoor de functionaliteit van LLMs wordt verbeterd.
• Geavanceerde applicaties te ontwerpen en ontwikkelen die gebruikmaken van zowel LlamaIndex als LLMs.
• De beste praktijken voor werken met LLMs en LlamaIndex te begrijpen en toe te passen.
• De ethische overwegingen bij het implementeren van applicaties gebaseerd op LLMs te doorzien.

Deze training onder begeleiding van een instructeur wordt georganiseerd op Namen (online of ter plaatse) en is bedoeld voor AI-onderzoekers, machine learning-professionals en data scientists met middenniveau-ervaring die LlamaIndex willen gebruiken om de werking van hun AI-modellen te verbeteren, waardoor deze betrouwbaarder en nauwkeuriger functioneren voor uiteenlopende doeleinden.

Aan het einde van de cursus zullen de deelnemers in staat zijn om:

• De principes en componenten van LlamaIndex te begrijpen.
• Gegevens te verzamelen en te structureren voor gebruik met LLMs.
• Contextuele aanvullingen te implementeren om de prestaties van AI-modellen te verbeteren.
• LlamaIndex te integreren in bestaande AI-systemen en -processen.

Deze door een instructeur geleide live-training (online of op locatie) is bedoeld voor professionals op middenniveau die de kracht van prompt engineering en few-shot learning willen benutten om de prestaties van LLMs te optimaliseren in echte toepassingen.

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

• De principes van prompt engineering en few-shot learning begrijpen.
• Effectieve prompts ontwerpen voor diverse NLP-taken.
• Few-shot technieken gebruiken om LLMs aan te passen met zo min mogelijk data.
• De prestaties van LLMs optimaliseren voor praktische toepassingen.

Deze door een instructeur geleide training (online of op locatie) is bedoeld voor ervaren engineers, AI-specialisten en leiders in de lokalisatie die behoefte hebben aan LLM-systemen ter ondersteuning van geautomatiseerde vertaling, kwaliteitsbeoordeling en governance binnen hun organisaties.

Na afronding van deze training zullen deelnemers in staat zijn tot het volgende:

• Het ontwerpen van robuuste LLM-lokalisatiepijplijnen waarin open-source- en commerciele modellen samenwerken.
• Het implementeren van geautomatiseerde QA-processen om de kwaliteit van vertalingen te waarborgen.
• Het ontwikkelen van governance- en goedkeuringsprocedures voor multiculturele contentproductie.
• Het succesvol implementeren van schaalbare, controleerbare LLM-lokalisatiesystemen binnen veilige omgevingen.

Dit live, door een trainer geleide training in Namen voert data engineers op in het integreren van LLM's in SQL-omgevingen. Deelnemers bouwen pipelines voor natuurlijke taal, implementeren AI-gedreven optimalisatie en ontwerpen veilige ondernemingsworkflows voor geautomatiseerde data-analyse.

Deze praktijkgerichte training onder begeleiding van een instructeur (online of ter plaatse) is bedoeld voor AI-ontwikkelaars en specialisten in lokalisatie die ervaring hebben en graag geautomatiseerde, schaalbare vertaalpijplijnen willen bouwen met zowel eigen als open-source LLMs.

Na afloop van deze training zijn deelnemers onder andere in staat om:

• Vertaalworkflows te ontwerpen en implementeren via moderne LLM-frameworks en -API’s.
• Open-source- en commercieel beschikbare modellen toe te voegen aan hun vertaalsysteemoplossingen.
• De kwaliteit van vertalingen aanzienlijk te verbeteren door het fine-tunen van modellen, prompt engineering en automatisering.
• Een efficiënte, conforme en budgetvriendelijke infrastructuur voor bedrijfsbreed vertalen op te zetten.

Deze door een instructeur geleide, live-training in Namen (online of op locatie) is bedoeld voor ontwikkelaars met een gemiddelde achtergrond die willen leren hoe zij generatieve AI kunnen inzetten met LLM's voor verschillende taken en toepassingsgebieden.

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

• Uitleggen wat generatieve AI is en hoe dit werkt.
• De transformatorarchitectuur beschrijven die LLM's aandrijft.
• Empirische schaalbaarheidsregels toepassen om LLM's te optimaliseren voor verschillende taken en beperkingen.
• Gebruikmaken van de meest geavanceerde tools en methoden voor het trainen, fine-tunen en implementeren van LLM's.
• De kansen en risico’s van generatieve AI voor samenleving en bedrijfswereld bespreken.

Master AI integration in Postgres with this instructor-led live training in Namen. Learn to configure extensions, implement pgvector embeddings, and connect LLMs for real-time insights. Optimize queries and build intelligent systems in a hands-on live-lab environment.

Deze door een instructeur geleide training in Namen (online of ter plaatse) is bedoeld voor AI-ontwikkelaars, architecten en productmanagers op midden- tot hoog niveau die risico’s in applicaties met grote taalmodellen willen beperken. Denk aan prompt-injectie, datalekken en ongefilterde output, evenals het toepassen van veiligheidsmaatregelen zoals invoervalidatie, menselijke toezichtfuncties en controlemechanismen voor output.

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

• De belangrijkste kwetsbaarheden van systemen gebaseerd op grote taalmodellen te begrijpen.
• Veilige ontwerpprincipes toe te passen bij de architectuur van LLM-applicaties.
• Hulpmiddelen zoals Guardrails AI en LangChain te gebruiken voor validatie, filtering en beveiliging.
• Technieken zoals sandboxing, red teaming en menselijke toetsing in productieomgevingen te integreren.

Deze door instructeurs geleide live-training in Namen (online of op locatie) is bedoeld voor professionals met een gemiddelde tot gevorderde kennis die hun eigen, op maat gemaakte modellen willen ontwikkelen voor specifieke taken en datasets.

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

• De principes achter modelafstemming en de toepassing ervan te begrijpen.
• Datasets voor te bereiden die geschikt zijn voor het fine-tunen van modellen.
• Grote taalmodellen (LLM’s) af te stemmen op NLP-taken.
• De prestaties van modellen te optimaliseren en veelvoorkomende problemen op te lossen.

Deze door een instructeur geleide live-training (online of ter plaatse) richt zich op datawetenschappers, AI-ontwikkelaars en geïnteresseerde personen met voldoende voorkennis die hun kennis van LLM's willen vergroten om complexe NLP-taken uit te voeren en nieuwe inhoud te creëren voor uiteenlopende doeleinden.

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

• Een ontwikkelomgeving opzetten met LLM's en relevante hulpmiddelen.
• NLU- en NLI-taken vakkundig uitvoeren aan de hand van LLM's.
• Kennisgrafen effectief te extraheren, af te leiden en in praktijk te brengen.
• Dialogen te genereren en beheren met behulp van LLM's voor gespreksgestuurde toepassingen.
• De kwaliteit en verscheidenheid van door LLM's gegenereerde inhoud te evalueren.
• Ethische beginselen toe te passen zodat LLM-gebruik eerlijk en verantwoord verloopt.

Deze praktijkgerichte training onder begeleiding in Namen (online of op locatie) richt zich op ontwikkelaars met een basis- tot middenniveau die grote taalmodellen willen benutten voor verschillende natuurlijke taaltaak.

Aan het einde van deze training zullen de deelnemers onder andere kunnen:

• Een ontwikkelomgeving instellen waarin een veelgebruikt LLM beschikbaar is.
• Een basis-LLM creëren en vervolgens fine-tunen op een eigen dataset.
• LLMs toepassen bij verschillende natuurlijke taaltaak zoals tekstsamenvatting, vraagbeantwoording en tekstgeneratie.
• LLMs debuggen en evalueren met behulp van hulpmiddelen als TensorBoard, PyTorch Lightning en Hugging Face Datasets.

Deze live-training onder leiding van een instructeur in Namen (online of op locatie) richt zich op observability- en SRE-engineers die LLM’s en AI willen integreren in hun monitoring-, alarm- en incidentanalyseprocessen.

Deze begeleidde, live training in Namen (online of ter plaatse) is gericht op IT-ondersteuningsprofessionals die AI-tools en automatiseringsplatforms willen gebruiken om ondersteuningsprocessen te stroomlijnen, antwoorden te standaardiseren en de handmatige inspanning voor documentatie te verminderen.

Deze door instructeurs geleide live-training in Namen (online of op locatie) richt zich op engineers en architecten met een gemiddelde kennisniveau die Tencent Hunyuan willen inzetten voor het opschalen van grote modellen en MoE-modellen. Doel is lagere latency, hogere doorvoer en betere kostenbeheersing.

Aan het einde van de cursus zullen de deelnemers Tencent Hunyuan-implementatiemethoden begrijpen, inference-prestaties verbeteren, batching- en kwantiseringstechnieken toepassen en een schaalbare operatieplanning maken.

Deze live-training onder begeleiding van een instructeur in Namen (online of ter plaatse) richt zich op ontwikkelaars met middenniveau-ervaring, technische productteams en AI-professionals die Hunyuan-modellen willen benutten om multimodale toepassingen te creëren voor het genereren en leveren van afbeeldingen, 3D-objecten en video’s.

Aan het einde van deze cursus kunnen deelnemers prompts gebruiken in workflows, multimodale inhoud genereren en beoordelen, deze via apps of API’s aanbieden en Hunyuan-mogelijkheden integreren binnen zakelijke productomgevingen.

Cursusdoelstellingen: Software- en AI-engineers worden omgevormd tot juridische engineers – de mensen die daadwerkelijk AI kunnen ontwikkelen voor juridisch werk (eDiscovery, beoordeling van documenten, onderzoeken).

In twee dagen bouwen deelnemers aan het volledige kernstelsel: ze nemen rommelige, echte juridische gegevens in en halen hieruit relevante informatie, voeren zoekopdrachten uit, voegen Retrieval-Augmented Generation (RAG) toe met bronvermeldingen, waarborgen de privacy door lokaal te werken en dit vervolgens aantonen. Daarnaast leren ze een verdedigbaar AI-gestuurd onderzoek uitvoeren met rechtervriendelijke meetwaarden, en het geheel klaarmaken voor implementatie.

Deze praktijkgerichte training onder begeleiding van een instructeur in Namen (online of op locatie) is bedoeld voor AI-professionals met een beginners- tot gevorderdenniveau die MCP willen gebruiken om AI-assistenten te verbinden met externe tools, gegevens en zakelijke diensten.

Aan het einde van deze training zullen deelnemers de basisconcepten van MCP beheersen, de belangrijkste architectuurcomponenten herkennen, een eenvoudige integratie kunnen opzetten en veiligheidsmaatregelen correct toepassen.

Deze door een instructeur geleide, live-training in Namen (online of ter plaatse) is bedoeld voor enterprise-architecten met voldoende kennis die Model Context Protocol willen gebruiken om beveiligde, schaalbare en goed te beheren platforms te ontwerpen voor integratie van AI-agenten binnen hun organisatie.

Aan het einde van deze training kunnen deelnemers de architectuur van MCP en relevante enterprise-patronen uitleggen, beveiligde integratieplatforms ontwerpen, governance- en toegangsregels toepassen, en afwegingen maken rond implementatie en schaalbaarheid.

Deze door een instructeur geleide live-training in Namen (online of op locatie) is bedoeld voor ontwikkelaars, architecten en platform-engineers op intermediair niveau die MCP willen gebruiken om betrouwbare servers en clients te bouwen voor enterprise-implementatie en -beheer.

Na afloop van deze training kunnen deelnemers de MCP-architectuur toepassen, productieklare integraties ontwikkelen, MCP-services implementeren en monitoren, evenals versiebeheer-, veerkracht- en ondersteuningspatronen in praktijk brengen.

Deze interactieve live-training onder begeleiding van een instructeur in Namen (online of op locatie) is bedoeld voor IT-leiders, compliance-professionals, security-teams en enterprise architecten met middenniveau kennis. Zij leren hoe sovereign AI-principes en governance-maatregelen kunnen worden ingezet om AI-omgevingen te ontwerpen die gevoelige data beschermen, voldoen aan lokalisatie-eisen en afhankelijkheid van externe partijen verminderen.

Na afloop kunnen deelnemers sovereign AI-concepten uitleggen, opties voor hosting en governance beoordelen, controlemechanismen voor prompts en logs definiëren en een haalbare implementatieaanpak opstellen.