Van klassieke machine learning tot generative AI

AI Engineer Opleiding

Wil je AI niet alleen begrijpen, maar er ook écht mee kunnen werken? In deze praktijkgerichte AI Engineer Opleiding (IABAC™ geaccrediteerd) leer je alles wat je nodig hebt om zelf AI toe te passen in je werk. Van de eerste regels Python-code tot het bouwen en inzetten van machine learning en generative AI (zoals ChatGPT en DALL·E).

Je hoeft geen programmeerervaring te hebben. We beginnen bij de basis en nemen je stap voor stap mee in drie 2-daagse trainingsblokken:

Blok 1 Python voor data analyse & data science: Je leert programmeren in Python, de standaardtaal voor AI.
Blok 2 Machine learning & Generative AI: Je traint en test je eigen AI-modellen (zoals classificatie en regressie). Je werkt hands-on met generatieve AI, prompt engineering en API’s.
Blok 3 Advanced Generative AI: Je ontdekt hoe je AI integreert in bestaande systemen, Agents maakt, én LLMs lokaal kunt draaien voor privacy en maatwerk

Na afloop begrijp je niet alleen hoe AI werkt, je kunt het ook zelf inzetten in realistische projecten. Zo vergroot je direct je waarde binnen je team of organisatie.

Je sluit de opleiding af met een officieel certificaat.

Deelnemers over de AI Engineer Opleiding

John deed mee aan deze 4-daagse AI opleiding. Bekijk hier wat John over de opleiding te zeggen heeft.

Mandy deed mee aan de 10-daagse data science & AI bootcamp. De eerste vier dagen van de bootcamp zijn identiek aan deze AI opleiding.

Leerdoelen AI Engineer Opleiding

data science opleiding omscholing tot data scientist

Begrijpen hoe AI werkt

Je ontwikkelt een diepgaand begrip van de kernconcepten achter Artificial Intelligence, machine learning en generative AI. Hierdoor kun je beter inschatten wat AI wel en niet kan, en onderbouwde keuzes maken in de inzet ervan binnen je organisatie.

data science opleiding leerdoel data scientists

Zelf AI toepassen in de praktijk

Je leert hoe je AI modellen en AI agents bouwt, traint, evalueert en inzet met Python en populaire packages zoals o.a. Pandas, Scikit-learn, LangChain en de OpenAI API. Daarmee kun je zelfstandig AI-oplossingen ontwikkelen en integreren in jouw eigen werkomgeving of projecten.

Is deze AI Engineer Opleiding wat voor mij?

Deze AI Engineer Opleiding is perfect voor professionals die werken met veel data en die meer willen halen uit deze data met behulp van AI.

Je wilt voorspellende modellen bouwen met machine learning en AI Agents inzetten, gebaseerd op de data uit jouw organisatie.
Je bent nieuwsgierig naar de praktische inzet van generative AI, zoals ChatGPT of DALL·E, en hoe je die zelf kunt aansturen via Python code.

Voorkennis

Er is geen programmeerervaring vereist. Wel is het handig als je basiskennis hebt van wiskunde en bekend bent met het werken met Excel-bestanden, csv’s of databases.
De opleiding is op hbo+/wo-niveau en vraagt een leergierige en analytische houding.

Inhoud AI Engineer Opleiding

De inhoud van deze training is geaccrediteerd door de International Association of Business Analytics Certification (IABAC™).

ai opleiding leerdoelen van de training

Dag 1 & 2 Python & Data Science basis (trainingsblok 1)

Intro AI & Python: Oorsprong AI & data science, rol van Python in AI.
Python basics: Variabelen, datatypes, lists, dictionaries, functies en logica.
Toepassing op data: Werken met datasets, logica toepassen en inzichten verkrijgen.
Verdieping Python: Intro NumPy, Pandas en Matplotlib voor data-analyse & visualisatie.
Eindopdracht: Mini-project met data-analyse & presentatie.

Dag 3 & 4 Machine Learning (Supervised & Unsupervised) & Generative AI (trainingsblok 2)

Intro ML: Wat is ML, supervised vs. unsupervised, ML-proces.
Classificatie: Theorie + praktijkcase (spamdetectie e.d.).
Regressie: Theorie + praktijkcase (voorspellingen met numerieke data).
Clustering: Intro unsupervised learning + k-means clustering.
Generative AI: ChatGPT, DALL·E, prompten, werken met OpenAI API.
Tokens & system prompts: Begrip tokenization en rol van system prompts in prompting.
Model evaluatie & verbetering: ROC, AUC, confusion matrix, tuning & feature engineering.
Model in productie: Deployen, up-to-date houden, praktijkvoorbeelden.
Eindopdracht: Volledig AI-project van data tot werkend model.

Dag 5 & 6 LLM’s, AI-technieken & Agents (trainingsblok 3)

Intro LLM’s: Basisbegrippen AI, geschiedenis, werking en toepassingen van LLM’s.
Generatieve modellen: Tekst-, beeld-, audio- en multimodale generatie met OpenAI API.
Monitoring & evaluatie: Output beoordelen en verbeteren.
Technieken:
- Function calling: Koppeling met systemen.
- Structured outputs: Gestructureerde output genereren.
- Embeddings: Data als vectoren.
- Frameworks: welke frameworks (bijvoorbeeld LangChain) zijn er om met LLM API's te werken en hoe werken deze?
- Fine-tuning: Modellen aanpassen op maat.
- System prompts & tokenization: Begrip en toepassing binnen prompting.
Agents:
- Intro AI agents: Zelfstandige systemen die meerdere taken uitvoeren.
- Monitoring: Bijhouden van gedrag en output van agents.
Eigen documenten bevragen met RAG (retrievel-augmented generation)
- Vector databases: Opslag & zoeken op basis van vectoren.
- Embeddings: Data omzetten naar vectorrepresentaties.
- Chunking: Slim opdelen van documenten.
- Retrieval technieken: Context ophalen via similarity search e.d.
Lokaal LLM:
- Werking & voordelen: Meer privacy, controle en snelheid.
- LLaMA & lokaal draaien: Werken met lokale modellen via tools als Ollama of LM Studio.

Locatie, data, en tijden

Deze AI Engineer Opleiding verzorgen we in Utrecht. Alle ingeplande data en locaties vind je in het eerste veld van het inschrijfformulier. Trainingsdagen binnen om 09:30 en duren tot uiterlijk 16:30.

Download AI Engineer Opleiding brochure

Ben je geïnteresseerd maar wil je je niet direct inschrijven? Download dan de opleidingsbrochure en denk er rustig over na. Bij vragen kun je ons bereiken op 020 - 24 43 146. We helpen je graag verder.