Opleiding: AI voor Java-ontwikkelaars met Spring AI

Lesmethode :

Klassikaal

Algemeen :

AI is uitgegroeid tot een vast onderdeel in diverse domeinen, van chatbots en slimme zoekfuncties tot aanbevelingssystemen en data-analyse. Als Java developer wil je AI kunnen integreren in enterprise-applicaties op een manier die eenvoudig te beheren en te onderhouden is. Met het Spring AI-framework krijg je directe toegang tot de kracht van Large Language Models (LLM's) en moderne AI-technieken binnen het vertrouwde Spring-ecosysteem.

Veel Large Language Models (LLM's) zijn gebaseerd op verouderde trainingsdata. In deze cursus leer je hoe je dat oplost met technieken als tool calling, Model Context Protocol (MCP) en Retrieval-Augmented Generation (RAG). Zo combineer je de kracht van AI met actuele en domeinspecifieke data, waardoor de output relevanter, betrouwbaarder en beter inzetbaar wordt.

Je werkt aan praktische opdrachten waarin je leert hoe je AI integreert in Java- en Spring-applicaties en cutting-edge AI-oplossingen bouwt met behulp van een LLM en aanvullende AI-technieken.

Doel :

Na het volgen van deze cursus kun je intelligente applicaties ontwikkelen met behulp van technieken als prompt-stuffing, tool calling, MCP en RAG. Je weet welke LLM’'s en API's beschikbaar zijn en hoe je deze effectief inzet binnen Spring AI.

Doelgroep :

Deze cursus is voor Java-ontwikkelaars die hun kennis willen uitbreiden met AI en praktische ervaring willen opdoen met het toepassen van Spring AI in enterprise-applicaties.

Voorkennis :

De volgende voorkennis is vereist:
- Java 21 Programming Language - deel 1
- Spring Boot
- Het cursusmateriaal is in het Engels, een goede beheersing van de Engelse taal is vereist.

Onderwerpen :

- Hoe werkt een LLM
- Use cases voor LLM integratie in enterprise systemen
- Aanroepen van een LLM met Spring AI
- Verschillende LLM's en hun API
+nbsp;+nbsp;+nbsp;- OpenAI
+nbsp;+nbsp;+nbsp;- Gemini
+nbsp;+nbsp;+nbsp;- Locale LLM met Ollama met Llama of Deepseek
- Prompt engineering
- Parsing output
- Spring AI advisors
- Prompt stuffing
- Tool calling
- MCP
+nbsp;+nbsp;+nbsp;- MCP server
+nbsp;+nbsp;+nbsp;- MCP client
- Embeddings
- Semantic search
- Vector store
- Retrieval Augmented Generation (RAG)
- Multimodality with images and audio