AI Advanced (AI-102)

In deze driedaagse training leer je hoe je AI integreert in enterprise-omgevingen, met een unieke combinatie van low-code tools en code-first frameworks. Je ontwikkelt end-to-end AI-systemen – van prototype tot productie – inclusief automatisering, modeltraining en schaalbare deployment.

Wat leer je in deze training?

• AI-integratie – Bouw workflows met Power Automate, Azure AI Services en LangChain Agents.
• Modelleren – Train neurale netwerken in TensorFlow/Keras, gebruik Scikit-learn pipelines en fine-tune LLM’s met Hugging Face en PyTorch.
• Automatisering – Ontwerp GenAI-processen zoals ChatGPT-invoeging in Excel, e-mailrouting of documentverwerking.
• MLOps – Implementeer CI/CD met GitHub Actions, modelregistratie in Azure ML en versiebeheer met MLflow.
• Deployment – Zet modellen uit met Docker, ACI of AKS, en bewaak prestaties met Prometheus en Grafana.

Deze training is ideaal voor developers, ML-engineers en data scientists die AI willen inzetten binnen professionele applicaties en infrastructuren. Je werkt hands-on met actuele tools als PyTorch Lightning, Azure AI Studio en LangChain. Lesmateriaal is Engelstalig; training wordt gegeven door een Nederlandstalige expert.

• Developers die AI willen integreren in professionele software.
• Data scientists die modellen naar productie moeten brengen.
• ML Engineers die MLOps-workflows willen optimaliseren.
• DevOps-teams verantwoordelijk voor AI-infrastructuur.

Dag 1: AI Integration en Automatisering

• Power Platform Pro:
• AI Builder: Custom modellen trainen voor documentverwerking.
• Power Automate: GenAI-workflows (bv. ChatGPT → Excel → Teams).
• Azure AI-services:
• Azure Machine Learning: AutoML voor classificatie/regressie.
• Cognitive Services: Aangepaste Computer Vision-modellen.
• Python API’s:
• OpenAI SDK: Fine-tuning van GPT-modellen.
• LangChain: Bouw AI-agents met geheugen en tools.

Dag 2: Machine Learning in de Praktijk

• Scikit-learn:
• Feature engineering, pipelines, hyperparameter tuning.
• Model evaluatie: ROC-curves, cross-validatie.
• TensorFlow/Keras:
• Neurale netwerken bouwen voor beeldclassificatie.
• Transfer learning met voorgetrainde modellen (ResNet, BERT).
• MLOps Basis:
• Modelregistratie in Azure ML.
• Eenvoudige CI/CD met GitHub Actions.

Dag 3: Geavanceerde Modellen en Deployment

• PyTorch:
• Custom layers, CUDA-versnelling, distributed training.
• Transformer-architecturen voor NLP.
• Hugging Face:
• Fine-tune LLM’s (Llama 2, Mistral) op eigen data.
• Gebruik de Model Hub voor plug-and-play AI.
• Productie-ready deployment:
• Docker-containers voor model-serving.
• AKS (Azure Kubernetes Service) schalen.
• Monitoring: Drift-detectie met Prometheus/Grafana.
• 
  

Programma:

• Integration Tools:
• Power Automate flows met AI-stappen.
• Azure AI Document Intelligence voor gestructureerde data-extractie.
• LangChain Agents met Tools (Google Search, Wolfram Alpha).
• Machine Learning:
• Scikit-learn pipelines met ColumnTransformer.
• TensorFlow/Keras: Callbacks, Early Stopping, Model Checkpoints.
• PyTorch Lightning voor georganiseerde training.
• Advanced NLP:
• Hugging Face Transformers (Tokenizers, Pipelines).
• Prompt engineering met LangChain’s FewShotPromptTemplate.
• LLM-evaluatie: ROUGE, BLEU-scores.
• Deployment:
• ONNX-modelconversie voor cross-platform compatibiliteit.
• ACI (Azure Container Instances) voor serverless deployment.
• Modelversiebeheer met MLflow.

• Praktijkassessment: Bouw en deploy een model voor tijdreeksvoorspelling.
• Voorbereiding op Microsoft AI-102 en TensorFlow Developer Certificate.
• Certificaat inclusief code review en architectuuraanbevelingen.