Opleidingen

Formerly known as AI+ Policy Maker™ Empower Your Leadership with AI: Master Policy Development and Implementation for the Future AI-Driven Policy Design: Leverage AI to transform policy creation and improve decision-making efficiency Ethical Policy Making: Ensure fairness and transparency while integrating AI in responsible policy frameworks Impact-Centric Frameworks: Create AI-powered policies that drive measurable outcomes and enhance governance efficiency Public Administrators: Enhance your skills in using AI tools to streamline policy implementation, optimize public sector operations, and drive impactful results. Business Analysts: Equip yourself with the skills to leverage AI for policy analysis, predict outcomes, and inform strategic decisions across sectors. Students & New Graduates: Gain a competitive advantage by mastering AI tools for policy development and digital governance in a rapidly evolving landscape. Industry Professionals: Strengthen your expertise in AI-driven policy-making and position yourself to lead innovative projects within your industry. Government Officials & Policy Makers: Gain the skills to incorporate AI into policy development, improve data-driven decision-making, and optimize governance. Navigating AI-Enabled Global Collaboration:Gain the skills to shape global AI policies, driving innovation and ensuring secure, ethical cross-border data flows. AI in Sustainability and Climate Action:Learn to integrate AI into sustainability policies, positioning yourself as a leader in smart environmental management. AI-Powered Economic Strategies:Develop AI-driven economic policies to boost growth and innovation, enhancing your career as a leader in global competitiveness. Cybersecurity and AI Risk Management:Master AI security and risk management to ensure system resilience, building trust in AI initiatives. Ethical AI for Future Societies:Lead the creation of ethical AI guidelines, ensuring responsible development and prioritizing societal well-being in your policies. Module 1: Introduction to Artificial Intelligence 1.1 Understanding AI: Definitions and Concepts 1.2 Historical Development of AI 1.3 Current AI Technologies and Applications 1.4 AI Trends and Future Directions 1.5 AI Terminology and Jargon for Policy Makers Module 2: AI in Governance and Public Policy 2.1 Role of AI in Government and Public Services 2.2 Case Studies of AI in Public Administration 2.3 AI for Regulatory Compliance and Enforcement 2.4 Challenges of AI Adoption in Government 2.5 Policy Considerations for AI Implementation Module 3: Ethical, Social, and Human Rights Implications of AI 3.1 Principles of AI Ethics 3.2 Bias, Fairness, and Discrimination in AI Systems 3.3 Privacy and Data Protection 3.4 Socio-Economic Impacts of AI 3.5 AI and Human Rights Module 4: Legal and Regulatory Frameworks for AI 4.1 Overview of AI Regulations Globally 4.2 Data Governance and Privacy Laws 4.3 Intellectual Property Rights in AI 4.4 Liability and Accountability in AI Systems 4.5 Developing AI Policies and Legislation Module 5: AI Risk Management and Security 5.1 AI Safety and Security Challenges 5.2 Risk Assessment and Management Strategies 5.3 Cybersecurity and AI 5.4 Ensuring Reliability and Resilience 5.5 Incident Response and Crisis Management Module 6: Economic Impacts of AI 6.1 AI and the Future of Work 6.2 AI’s Role in Economic Growth 6.3 Supporting AI Innovation and Entrepreneurship 6.4 AI in Developing Economies 6.5 Addressing Economic Inequalities Module 7: AI Strategy, Implementation, and Collaboration 7.1 Developing National AI Strategies 7.2 Building AI Capabilities in the Public Sector 7.3 Public-Private Partnerships in AI 7.4 Funding and Investment in AI 7.5 Monitoring, Evaluation, and Continuous Improvement Module 8: Shaping the Future of AI Policy 8.1 Emerging AI Technologies and Trends 8.2 International Cooperation on AI Governance 8.3 AI and the Sustainable Development Goals (SDGs) 8.4 Public Engagement and Transparency 8.5 The Future of AI Policy Making Optional Module: AI Agents for Policy Maker 1. Understanding AI Agents 2. Case Study 3. Hands-On Activity Tools you will explore TensorFlow SHAP (SHapley Additive exPlanations) Amazon S3 AWS SageMaker Online proctored exam included, with one free retake. Exam format: 50 questions, 70% passing, 90 minutes, online proctored exam Access to all materials and exams is provided for 365 days after delivery. Instructor-led OR Self-paced course + Official exam + Digital badge De OCICT maatwerk-methode houdt in dat op basis van de behoefte van de klant - en indien nodig na een intakegesprek - een individueel opleidingstraject wordt opgesteld. De trainingen worden veelal individueel gevolgd, zodat iedere training een maatwerktraject is. Klassikale trainingen zijn natuurlijk mogelijk, mits ze aansluiten bij de leerbehoeften van de deelnemers / opdrachtgever. Alle onderdelen van de training kennen een voortdurende wisselwerking tussen theorie en praktijk. De inhoud van de training kan vooraf per cursist worden aangepast en tijdens de cursus worden bijgesteld. De focus ligt op maatwerk: het traject wordt afgestemd op de doelstellingen van de deelnemer(s) en/of opdrachtgever, ongeacht of het individueel of klassikaal wordt aangeboden.

Master AI Leadership with Practical Program Management AI Strategy Development: Learn to design and implement AI strategies that align with business goals, driving innovation and performance. Leading AI Projects: Gain skills in managing AI projects, ensuring timely execution, resource allocation, and effective collaboration. AI Program Integration: Understand how to integrate AI into business processes for seamless transitions and maximum value. Managing AI Teams: Lead cross-functional teams, fostering collaboration and driving continuous improvement in AI initiatives. Future-Proofing AI Programs: Stay ahead of AI trends and adapt strategies to ensure long-term competitiveness in the evolving landscape. AI Project Managers: Ideal for project managers looking to lead AI initiatives and ensure successful implementation across organizations. Business Leaders: For executives and managers aiming to integrate AI into business strategies and drive operational efficiency. Program Directors: Designed for program directors who want to master AI project management and lead cross-functional AI teams. AI Professionals: For AI specialists seeking to enhance their leadership skills and move into strategic program management roles. Change Managers: Great for professionals managing organizational change and looking to implement AI-driven transformation effectively. Leadership in AI Initiatives:Gain the skills to lead AI projects, ensuring alignment with business goals and successful project execution from start to finish. Strategic AI Integration:Learn how to seamlessly integrate AI solutions into existing systems, driving innovation and improving operational efficiency across departments. Optimized Program Management:Develop expertise in managing resources, timelines, and cross-functional teams to deliver AI projects on time and within budget. Enhanced Decision-Making:Equip yourself with the ability to make data-driven, AI-informed decisions that drive business growth and competitive advantage. Future-Proof Your Career:Prepare for leadership roles in AI by mastering program management skills that are critical for navigating the rapidly evolving AI landscape. Module 1: Foundations of AI for Program Strategy – Introduction 1.1 Understanding of AI, ML, and Deep Learning 1.2 AI Lifecycle & Real-World Applications 1.3 Societal Impact of AI 1.4 Use Case: Triage System (AI for Emergency Services) 1.5 Case Study: Retail Recommendation System (Personalizing Customer Experience) 1.6 Hands-on: Use Teachable Machine to Build a Simple AI Classifier Module 2: Identifying AI Opportunities & Use Cases 2.1 Introduce AI Strategy Alignment Frameworks: AI Canvas, Value vs Feasibility Matrix 2.2 Signs That a Process May Benefit from AI: Repetitive Tasks, Data-Rich Environments, Personalization Needs 2.3 Prioritization Techniques: Weighted Scoring, Risk-Adjusted ROI 2.4 Use-Case: Financial AI – Fraud Detection Systems Using AI 2.5 Case Study: AI-Driven Project Management System for a Program Director 2.6 Hands-on: Use Trello to Create a Board and Prioritize AI Opportunities Within a Given Scenario Module 3: Governance & Ethics in AI 3.1 Responsible AI Principles 3.2 AI Bias & Risk Mitigation 3.3 Use-case: Auditing Bias in AI-Powered Recruitment to Ensure Fair Hiring 3.4 Case Study: Mitigating Algorithmic Bias in Credit Scoring Models to Ensure Fair Lending Practices 3.5 Hands-on: Use Google’s What-If Tool in Google Colab to Evaluate Model Fairness and Bias Module 4: AI Project Lifecycle & Integration 4.1 AI Project Planning & CRISP-DM 4.2 Integration: Build vs Buy vs Partner 4.3 AI Project Management Tools 4.4 Use Cases: AI for Predictive Maintenance (Asset Management in Manufacturing) 4.5 Tool-Based Hands-on Activity: Simulate an AI Project in Asana Module 5: Data Strategy & Infrastructure for AI 5.1 Data Governance & Quality 5.2 Setting up Data Pipelines for AI 5.3 Sensitive Data Management 5.4 Use Case: Retail Inventory System — AI-driven Restocking and Demand Prediction 5.5 Case Study: Healthcare Data Security — Managing Patient Privacy in AI-Based Healthcare Systems 5.6 Tool-Based Hands-on Activity: Set up Airbyte Cloud and Build a Basic Data Pipeline Module 6: AI Integration — Build vs Buy vs Partner 6.1 Evaluating AI Solutions 6.2 Vendor Evaluation & Management 6.3 Use Case: AI Vendor Selection — Choosing Predictive Maintenance Solutions for a Manufacturing Plant 6.4 Tool-Based Hands-on Activity: Use a Vendor Selection Template to Evaluate AI Vendors (Google Sheets) Module 7: AI Risk Management & Compliance 7.1 Regulatory Frameworks 7.2 Bias Detection & Mitigation 7.3 Use Case: Facial Recognition Bias (Law Enforcement Systems) 7.4 Case Study: AI in Finance: Ensuring Compliance in AI Deployments 7.5 Tool-Based Hands-on Activity: Bias Testing & Fairness Evaluation Using KNIME and Google PAIR Facets Fairness Explorer Module 8: AI Tools & Techniques for Project Management 8.1 AI Project Management Tools 8.2 Data Management Tools 8.3 Case Study and Use Case: AI Workflow Management: Using project management tools for AI deployment in the retail sector 8.4 Tool-Based Hands-on Activity: Use Asana to simulate project timelines, setting up tasks and milestones for an AI initiative Module 9: Leadership in AI 9.1 Leading AI Teams & Change Management 9.2 Managing Stakeholders & Communication 9.3 Use Case: AI in Manufacturing: Leading AI Implementation in a Large-Scale Manufacturing Operation 9.4 Tool-Based Hands-on Activity: Use Miro to Map Stakeholder Communication Strategies and Identify Key Influencers Module 10: Scaling AI Initiatives 10.1 From Pilot to Full-Scale Deployment 10.2 Organizational Maturity Models for AI 10.3 Use Case: Scaling AI in Retail: Expanding AI-driven Recommendations Globally 10.4 Tool-Based Hands-on Activity: Create a Scaling Roadmap Using Lucidchart Outlining Key steps in Scaling AI Initiatives. Module 11: Future Trends in AI 11.1 Emerging AI Technologies 11.2 Use Case / Case Study: AI in Autonomous Vehicles: The future of AI in self-driving cars 11.3 Tool-Based Hands-on Activity: Explore Hugging Face Transformers for NLP and TensorFlow for Deep Learning Applications Module 12: Capstone Project & Presentation 12.1 Capstone Project Overview 12.2 Presentation & Feedback 12.3 Final Review & Certification – Method, Process, and Feedback Mechanism Tools you will explore Microsoft Project JIRA Trello Asana Monday.com Basecamp Wrike ClickUp GitLab Confluence Smartsheet Slack Power BI Tableau Azure DevOps AWS CloudFormation Google Cloud AI Platform TIBCO Jaspersoft RapidMiner Minitab Balsamiq Miro Zoom Jenkins Salesforce Lucidchart ServiceNow Redmine Airtable Workfront Notion QlikView Klipfolio Hootsuite Online proctored exam included, with one free retake. Exam format: 50 questions, 70% passing, 90 minutes, online proctored exam Access to all materials and exams is provided for 365 days after delivery. Instructor-led OR Self-paced course + Official exam + Digital badge De OCICT maatwerk-methode houdt in dat op basis van de behoefte van de klant - en indien nodig na een intakegesprek - een individueel opleidingstraject wordt opgesteld. De trainingen worden veelal individueel gevolgd, zodat iedere training een maatwerktraject is. Klassikale trainingen zijn natuurlijk mogelijk, mits ze aansluiten bij de leerbehoeften van de deelnemers / opdrachtgever. Alle onderdelen van de training kennen een voortdurende wisselwerking tussen theorie en praktijk. De inhoud van de training kan vooraf per cursist worden aangepast en tijdens de cursus worden bijgesteld. De focus ligt op maatwerk: het traject wordt afgestemd op de doelstellingen van de deelnemer(s) en/of opdrachtgever, ongeacht of het individueel of klassikaal wordt aangeboden.

De gezondheidszorg opnieuw vormgeven met AI-gestuurde diagnose Clinical Intelligence Focus: Ontworpen voor medische professionals om AI te integreren in de patiëntenzorg en diagnostiek Datagestuurde beslissingen: biedt artsen hulpmiddelen om door AI gegenereerde inzichten te interpreteren voor een nauwkeurige behandelplanning Uitgebreide kennis van medische AI: omvat AI-toepassingen, variërend van voorspellende analyses tot medische beeldvorming en virtuele gezondheidszorg Toekomstgerichte expertise: Stelt zorgverleners in staat om AI-gedreven innovaties in de klinische praktijk te leiden Artsen: Verbeter de patiëntenzorg met AI-gestuurde hulpmiddelen voor diagnostiek, behandelplanning en ondersteuning bij klinische besluitvorming. Geneeskundestudenten: ontwikkel toekomstgerichte vaardigheden door te leren hoe AI de moderne geneeskunde en klinische werkprocessen transformeert. Zorgbestuurders: Maak gebruik van AI om de ziekenhuisvoering, het middelenbeheer en de dienstverlening aan patiënten te verbeteren. Klinische onderzoekers: Pas AI toe voor geavanceerde data-analyse, voorspellende modellen en evidence-based medisch onderzoek. Liefhebbers van gezondheidstechnologie: Ontdek de synergie tussen AI en de gezondheidszorg om te innoveren en bij te dragen aan medische oplossingen van de volgende generatie. Verbetert de diagnostische nauwkeurigheid: Krijg tools ter ondersteuning van snellere, nauwkeurigere diagnoses met behulp van AI-algoritmen die zijn getraind op basis van uitgebreide klinische gegevens. Overbrugt de kloof tussen geneeskunde en technologie: Stelt artsen in staat om samen te werken met AI-systemen, waardoor een hybride zorgmodel ontstaat dat de efficiëntie verhoogt. Maakt de medische praktijk toekomstbestendig: Zorgt ervoor dat zorgprofessionals beschikken over AI-vaardigheden die essentieel zijn om zich aan te passen aan snel evoluerende klinische technologieën. Verbetert de resultaten voor patiënten: Leer AI in te zetten voor gepersonaliseerde behandelplannen, voorspellende analyses en realtime patiëntmonitoring. Bevestigt toonaangevende competentie: Verdien erkenning voor het beheersen van AI-integratie in de gezondheidszorg – een troef in onderzoek, ziekenhuizen en technologisch gedreven medische omgevingen. Module 1: Wat is AI voor artsen? 1.1 Van beslissingsondersteuning tot diagnostische intelligentie 1.2 Wat maakt AI in de geneeskunde uniek? 1.3 Soorten machine learning in de geneeskunde 1.4 Veelgebruikte algoritmen en hun toepassing in de gezondheidszorg 1.5 Praktijkvoorbeelden uit verschillende medische specialismen 1.6 Mythen over AI in de gezondheidszorg ontkracht 1.7 Praktische tools die clinici vandaag de dag gebruiken 1.8 Praktijkopdracht: analyse van medische beeldvorming met MediScan AI Module 2: AI in diagnostiek en beeldvorming 2.1 Inleiding tot neurale netwerken: de kracht van AI ontsluiten 2.2 Convolutionele neurale netwerken (CNN's) voor visuele gegevens: kijken door de ogen van AI 2.3 Beeldmodaliteiten in medische AI: het multimodale zicht van AI 2.4 Workflow voor het trainen van modellen: van het labelen van gegevens tot implementatie – de AI-levenscyclus in de geneeskunde 2.5 Samenwerking tussen mens en AI bij de diagnose: de kracht van augmented intelligence 2.6 Door de FDA goedgekeurde AI-tools voor diagnostische beeldvorming: vertrouwen en validatie 2.7 Praktische oefening: verkenning van AI-gestuurde differentiële diagnose met Symptoma Module 3: Inleiding tot fundamentele gegevensanalyse 3.1 Inzicht in soorten klinische gegevens – EPD's, vitale functies, laboratoriumresultaten 3.2 Gestructureerde versus ongestructureerde gegevens in de geneeskunde 3.3 De rol van dashboards en visualisatie bij klinische beslissingen 3.4 Patroonherkenning en signaaldetectie in patiëntgegevens 3.5 Risicopatiënten identificeren aan de hand van trends en AI-scores 3.6 Interactieve oefening: AI-assistent voor inzichten in klinische aantekeningen Module 4: Voorspellende analyse en ondersteuning bij klinische besluitvorming – Proactieve patiëntenzorg mogelijk maken 4.1 Voorspellende modellen voor risicostratificatie – sepsis en heropnames in het ziekenhuis 4.2 Logistische regressie, beslissingsbomen, ensemblemodellen 4.3 Real-time waarschuwingen – Vroegtijdige waarschuwingssystemen (MEWS, NEWS) 4.4 Sensitiviteit versus specificiteit – keuze van maatstaven op basis van klinische behoefte 4.5 Toepassingsvoorbeelden op de IC en de spoedeisende hulp voor door AI geactiveerde interventies Module 5: NLP en generatieve AI in de klinische praktijk 5.1 Grondbeginselen van NLP in de gezondheidszorg 5.2 Grote taalmodellen (LLM's) in de geneeskunde 5.3 Prompt-engineering in klinische contexten 5.4 Toepassingen van generatieve AI – samenvattingen, begeleidingsscripts, vertalingen 5.5 Ambient Intelligence: klinische documentatie van de volgende generatie 5.6 Beperkingen en risico’s van NLP en generatieve AI in de geneeskunde 5.7 Casestudie: klinische documentatie transformeren en patiëntenzorg verbeteren met Nabla Copilot Module 6: Ethisch en rechtvaardig gebruik van AI 6.1 Algoritmische vooringenomenheid – ras, geslacht, sociaaleconomische impact 6.2 Uitlegbaarheid en transparantie (SHAP en LIME) 6.3 Validatie van AI bij verschillende bevolkingsgroepen 6.4 Regelgevingsnormen – Naleving van HIPAA, AVG, FDA/EMA 6.5 Opstellen van beleid voor ethisch AI-gebruik 6.6 Casestudie – Vooringenomen detectie bij pulsoximetrie Module 7: AI-tools in de praktijk evalueren 7.1 Kernstatistieken: de basisbegrippen begrijpen 7.2 Interpretatie van de verwarringmatrix en de ROC-curve 7.3 Afstemming van statistieken op de klinische context 7.4 Interpretatie van AI-uitkomsten: verbetering van de klinische besluitvorming 7.5 Kritische evaluatie van beweringen van leveranciers: betrouwbaarheid en effectiviteit waarborgen 7.6 Rode vlaggen bij commerciële AI-tools: risico’s herkennen en beperken 7.7 Checklist: „10 vragen die u moet stellen voordat u AI-tools aanschaft” 7.8 Praktijsoefening Module 8: AI implementeren in klinische omgevingen 8.1 Afdelingsspecifieke toepassingen van AI identificeren 8.2 AI in kaart brengen binnen werkprocessen (pre-diagnose, behandeling, nazorg) 8.3 Planning van een pilot: tijdlijn, gegevens, feedbackcycli 8.4 Teamrollen – klinisch pleitbezorger, AI-specialist, IT-beheerder 8.5 Monitoren van AI-fouten – analyse van de onderliggende oorzaak 8.6 Verandermanagement in klinische teams 8.7 Voorbeeld: workflow op de spoedeisende hulp met integratie van triage-AI 8.8 Schaalvergroting van AI-oplossingen binnen het hele gezondheidszorgsysteem 8.9 Evaluatie van de impact en prestaties van AI na implementatie Optionele module: AI+ arts-assistenten 1.1 Wat zijn AI-agenten? 1.2 Hoe werkt een AI-agent in de gezondheidszorg? 1.3 Kernkenmerken van AI-agenten 1.4 Het belang van AI-agenten (algemeen + gezondheidszorg) 1.5 De betekenis van AI-agenten in de gezondheidszorg 1.6 Soorten AI-agenten 1.7 Toepassingen en trends in de gezondheidszorg 1.8 Casestudie – AI-agenten voor het samenvoegen van gegevens in de gezondheidszorg Tools die u gaat verkennen Python TensorFlow Scikit-learn Keras Hugging Face Transformers Jupyter-notebooks Tableau Matplotlib SQL Inclusief online examen onder toezicht, met één gratis herkansing. Examenopzet: 50 vragen, 70% vereist om te slagen, 90 minuten, online examen onder toezicht Toegang tot alle materialen en examens wordt verleend gedurende 365 dagen na levering. Cursus onder leiding van een docent OF Cursus in eigen tempo + Officieel examen + Digitale badge De OCICT maatwerk-methode houdt in dat op basis van de behoefte van de klant - en indien nodig na een intakegesprek - een individueel opleidingstraject wordt opgesteld. De trainingen worden veelal individueel gevolgd, zodat iedere training een maatwerktraject is. Klassikale trainingen zijn natuurlijk mogelijk, mits ze aansluiten bij de leerbehoeften van de deelnemers / opdrachtgever. Alle onderdelen van de training kennen een voortdurende wisselwerking tussen theorie en praktijk. De inhoud van de training kan vooraf per cursist worden aangepast en tijdens de cursus worden bijgesteld. De focus ligt op maatwerk: het traject wordt afgestemd op de doelstellingen van de deelnemer(s) en/of opdrachtgever, ongeacht of het individueel of klassikaal wordt aangeboden.

De gezondheidszorg opnieuw vormgeven met AI-gestuurde diagnose Clinical Intelligence Focus: Ontworpen voor medische professionals om AI te integreren in de patiëntenzorg en diagnostiek Datagestuurde beslissingen: biedt artsen hulpmiddelen om door AI gegenereerde inzichten te interpreteren voor een nauwkeurige behandelplanning Uitgebreide kennis van medische AI: omvat AI-toepassingen, variërend van voorspellende analyses tot medische beeldvorming en virtuele gezondheidszorg Toekomstgerichte expertise: Stelt zorgverleners in staat om AI-gedreven innovaties in de klinische praktijk te leiden Artsen: Verbeter de patiëntenzorg met AI-gestuurde hulpmiddelen voor diagnostiek, behandelplanning en ondersteuning bij klinische besluitvorming. Geneeskundestudenten: ontwikkel toekomstgerichte vaardigheden door te leren hoe AI de moderne geneeskunde en klinische werkprocessen transformeert. Zorgbestuurders: Maak gebruik van AI om de ziekenhuisvoering, het middelenbeheer en de dienstverlening aan patiënten te verbeteren. Klinische onderzoekers: Pas AI toe voor geavanceerde data-analyse, voorspellende modellen en evidence-based medisch onderzoek. Liefhebbers van gezondheidstechnologie: Ontdek de synergie tussen AI en de gezondheidszorg om te innoveren en bij te dragen aan medische oplossingen van de volgende generatie. Verbetert de diagnostische nauwkeurigheid: Krijg tools ter ondersteuning van snellere, nauwkeurigere diagnoses met behulp van AI-algoritmen die zijn getraind op basis van uitgebreide klinische gegevens. Overbrugt de kloof tussen geneeskunde en technologie: Stelt artsen in staat om samen te werken met AI-systemen, waardoor een hybride zorgmodel ontstaat dat de efficiëntie verhoogt. Maakt de medische praktijk toekomstbestendig: Zorgt ervoor dat zorgprofessionals beschikken over AI-vaardigheden die essentieel zijn om zich aan te passen aan snel evoluerende klinische technologieën. Verbetert de resultaten voor patiënten: Leer AI in te zetten voor gepersonaliseerde behandelplannen, voorspellende analyses en realtime patiëntmonitoring. Bevestigt toonaangevende competentie: Verdien erkenning voor het beheersen van AI-integratie in de gezondheidszorg – een troef in onderzoek, ziekenhuizen en technologisch gedreven medische omgevingen. Module 1: Wat is AI voor artsen? 1.1 Van beslissingsondersteuning tot diagnostische intelligentie 1.2 Wat maakt AI in de geneeskunde uniek? 1.3 Soorten machine learning in de geneeskunde 1.4 Veelgebruikte algoritmen en hun toepassing in de gezondheidszorg 1.5 Praktijkvoorbeelden uit verschillende medische specialismen 1.6 Mythen over AI in de gezondheidszorg ontkracht 1.7 Praktische tools die clinici vandaag de dag gebruiken 1.8 Praktijkopdracht: analyse van medische beeldvorming met MediScan AI Module 2: AI in diagnostiek en beeldvorming 2.1 Inleiding tot neurale netwerken: de kracht van AI ontsluiten 2.2 Convolutionele neurale netwerken (CNN's) voor visuele gegevens: kijken door de ogen van AI 2.3 Beeldmodaliteiten in medische AI: het multimodale zicht van AI 2.4 Workflow voor het trainen van modellen: van het labelen van gegevens tot implementatie – de AI-levenscyclus in de geneeskunde 2.5 Samenwerking tussen mens en AI bij de diagnose: de kracht van augmented intelligence 2.6 Door de FDA goedgekeurde AI-tools voor diagnostische beeldvorming: vertrouwen en validatie 2.7 Praktische oefening: verkenning van AI-gestuurde differentiële diagnose met Symptoma Module 3: Inleiding tot fundamentele gegevensanalyse 3.1 Inzicht in soorten klinische gegevens – EPD's, vitale functies, laboratoriumresultaten 3.2 Gestructureerde versus ongestructureerde gegevens in de geneeskunde 3.3 De rol van dashboards en visualisatie bij klinische beslissingen 3.4 Patroonherkenning en signaaldetectie in patiëntgegevens 3.5 Risicopatiënten identificeren aan de hand van trends en AI-scores 3.6 Interactieve oefening: AI-assistent voor inzichten in klinische aantekeningen Module 4: Voorspellende analyse en ondersteuning bij klinische besluitvorming – Proactieve patiëntenzorg mogelijk maken 4.1 Voorspellende modellen voor risicostratificatie – sepsis en heropnames in het ziekenhuis 4.2 Logistische regressie, beslissingsbomen, ensemblemodellen 4.3 Real-time waarschuwingen – Vroegtijdige waarschuwingssystemen (MEWS, NEWS) 4.4 Sensitiviteit versus specificiteit – keuze van maatstaven op basis van klinische behoefte 4.5 Toepassingsvoorbeelden op de IC en de spoedeisende hulp voor door AI geactiveerde interventies Module 5: NLP en generatieve AI in de klinische praktijk 5.1 Grondbeginselen van NLP in de gezondheidszorg 5.2 Grote taalmodellen (LLM's) in de geneeskunde 5.3 Prompt-engineering in klinische contexten 5.4 Toepassingen van generatieve AI – samenvattingen, begeleidingsscripts, vertalingen 5.5 Ambient Intelligence: klinische documentatie van de volgende generatie 5.6 Beperkingen en risico’s van NLP en generatieve AI in de geneeskunde 5.7 Casestudie: klinische documentatie transformeren en patiëntenzorg verbeteren met Nabla Copilot Module 6: Ethisch en rechtvaardig gebruik van AI 6.1 Algoritmische vooringenomenheid – ras, geslacht, sociaaleconomische impact 6.2 Uitlegbaarheid en transparantie (SHAP en LIME) 6.3 Validatie van AI bij verschillende bevolkingsgroepen 6.4 Regelgevingsnormen – Naleving van HIPAA, AVG, FDA/EMA 6.5 Opstellen van beleid voor ethisch AI-gebruik 6.6 Casestudie – Vooringenomen detectie bij pulsoximetrie Module 7: AI-tools in de praktijk evalueren 7.1 Kernstatistieken: de basisbegrippen begrijpen 7.2 Interpretatie van de verwarringmatrix en de ROC-curve 7.3 Afstemming van statistieken op de klinische context 7.4 Interpretatie van AI-uitkomsten: verbetering van de klinische besluitvorming 7.5 Kritische evaluatie van beweringen van leveranciers: betrouwbaarheid en effectiviteit waarborgen 7.6 Rode vlaggen bij commerciële AI-tools: risico’s herkennen en beperken 7.7 Checklist: „10 vragen die u moet stellen voordat u AI-tools aanschaft” 7.8 Praktijsoefening Module 8: AI implementeren in klinische omgevingen 8.1 Afdelingsspecifieke toepassingen van AI identificeren 8.2 AI in kaart brengen binnen werkprocessen (pre-diagnose, behandeling, nazorg) 8.3 Planning van een pilot: tijdlijn, gegevens, feedbackcycli 8.4 Teamrollen – klinisch pleitbezorger, AI-specialist, IT-beheerder 8.5 Monitoren van AI-fouten – analyse van de onderliggende oorzaak 8.6 Verandermanagement in klinische teams 8.7 Voorbeeld: workflow op de spoedeisende hulp met integratie van triage-AI 8.8 Schaalvergroting van AI-oplossingen binnen het hele gezondheidszorgsysteem 8.9 Evaluatie van de impact en prestaties van AI na implementatie Optionele module: AI+ arts-assistenten 1.1 Wat zijn AI-agenten? 1.2 Hoe werkt een AI-agent in de gezondheidszorg? 1.3 Kernkenmerken van AI-agenten 1.4 Het belang van AI-agenten (algemeen + gezondheidszorg) 1.5 De betekenis van AI-agenten in de gezondheidszorg 1.6 Soorten AI-agenten 1.7 Toepassingen en trends in de gezondheidszorg 1.8 Casestudie – AI-agenten voor het samenvoegen van gegevens in de gezondheidszorg Tools die u gaat verkennen Python TensorFlow Scikit-learn Keras Hugging Face Transformers Jupyter-notebooks Tableau Matplotlib SQL Inclusief online examen onder toezicht, met één gratis herkansing. Examenopzet: 50 vragen, 70% vereist om te slagen, 90 minuten, online examen onder toezicht Toegang tot alle materialen en examens wordt verleend gedurende 365 dagen na levering. Cursus onder leiding van een docent OF Cursus in eigen tempo + Officieel examen + Digitale badge De OCICT maatwerk-methode houdt in dat op basis van de behoefte van de klant - en indien nodig na een intakegesprek - een individueel opleidingstraject wordt opgesteld. De trainingen worden veelal individueel gevolgd, zodat iedere training een maatwerktraject is. Klassikale trainingen zijn natuurlijk mogelijk, mits ze aansluiten bij de leerbehoeften van de deelnemers / opdrachtgever. Alle onderdelen van de training kennen een voortdurende wisselwerking tussen theorie en praktijk. De inhoud van de training kan vooraf per cursist worden aangepast en tijdens de cursus worden bijgesteld. De focus ligt op maatwerk: het traject wordt afgestemd op de doelstellingen van de deelnemer(s) en/of opdrachtgever, ongeacht of het individueel of klassikaal wordt aangeboden.

Een combinatie van menselijke aanpak en AI-intelligentie Patiëntgerichte AI-zorg: Ontworpen om verpleegkundigen in staat te stellen AI in te zetten voor betere patiëntresultaten Datagestuurde beslissingen: biedt praktische inzichten voor weloverwogen klinische en operationele keuzes Uitgebreid inzicht in AI: behandelt de basisprincipes van AI tot praktische toepassingen in de gezondheidszorg Klinische uitmuntendheid met AI: stelt verpleegkundigen in staat om AI vol vertrouwen te integreren in de dagelijkse zorgpraktijk Gediplomeerde verpleegkundigen (RN’s): Professionals die AI willen integreren in de dagelijkse patiëntenzorg en klinische besluitvorming. Verpleegkundestudenten: Studenten die vaardigheden willen opbouwen die klaar zijn voor de toekomst in AI-gestuurde zorgpraktijken. Zorgbestuurders: Personen die de werkprocessen in de verpleegkunde willen optimaliseren en de resultaten van de patiëntenzorg willen verbeteren. Specialisten in klinische informatica: Deskundigen die geïnteresseerd zijn in de toepassing van AI op elektronische patiëntendossiers en de analyse van patiëntgegevens. Opleiders en trainers in de verpleegkunde: Professionals die de volgende generatie verpleegkundigen voorbereiden met AI-gedreven kennis op het gebied van de gezondheidszorg. AI in de patiëntenzorg: Ontdek hoe AI bijdraagt aan een betere patiëntmonitoring, vroegtijdige waarschuwingssystemen en proactieve zorgverlening. Ondersteuning bij klinische besluitvorming: Maak kennis met AI-tools die verpleegkundigen ondersteunen bij medicatiebeheer, triage en behandelingsaanbevelingen. Optimalisatie van werkprocessen: Ontdek hoe AI de administratieve lasten vermindert en de werkprocessen in de verpleegkunde stroomlijnt voor meer efficiëntie. Ethische en mensgerichte zorg: Verken verantwoorde AI-toepassingen die empathie, vertrouwen en patiëntgerichte waarden in de verpleegkunde in stand houden. Praktische simulaties: Pas vaardigheden toe in realistische verpleegkundige scenario’s door middel van interactief, AI-gestuurd leren aan de hand van casussen. Module 1: AI voor verpleegkundigen 1.1 Inzicht in de basisbegrippen van AI in de verpleegkunde 1.2 Waar AI in de verpleegkunde voorkomt 1.3 Risico's van AI die verpleegkundigen moeten onderkennen 1.4 AI als hulpmiddel voor verpleegkundigen Module 2: AI voor documentatie, werkprocessen en datageletterdheid 2.1 AI in de verpleegkundige documentatie 2.2 Automatisering van de werkstroom in de verpleegkundige praktijk 2.3 Beginnersgids voor datageletterdheid in de verpleegkunde 2.4 Gegevensintegriteit en documentatiebeveiliging 2.5 Ondersteuning bij communicatie en vertaling 2.6 Praktijkvoorbeelden: AI voor documentatie in de praktijk Module 3: Voorspellende AI en patiëntveiligheid 3.1 Inzicht in voorspellende AI in de gezondheidszorg 3.2 Waarschuwingen en modelprestaties evalueren 3.3 Klinische besluitvorming met menselijke tussenkomst 3.4 Interdisciplinaire respons en ondersteuning bij de overdracht 3.5 Vooringenomenheid en rechtvaardigheid in voorspellende modellen 3.6 Praktijkvoorbeelden: voorspellende AI in de praktijk 3.7 Praktische oefening: voorspellende waarschuwingen interpreteren met ChatGPT Module 4: Generatieve AI en verpleegkundig onderwijs 4.1 Inleiding tot generatieve AI in de verpleegkunde 4.2 Veilig gebruik van generatieve AI 4.3 Voorlichtings- en communicatiemateriaal voor patiënten 4.4 Meertalige en toegankelijke communicatie 4.5 Grenzen van het klinisch gebruik van generatieve AI 4.6 Praktijkvoorbeelden: generatieve AI in de praktijk Module 5: Ethiek, veiligheid en belangenbehartiging bij de integratie van AI 5.1 Vooringenomenheid, eerlijkheid en inclusie 5.2 Geïnformeerde toestemming en transparantie 5.3 Privacy, beveiliging en vertrouwelijkheid 5.4 Regelgevingskennis voor verpleegkundigen 5.5 Professionele verantwoordelijkheid en verantwoording Module 6: AI-tools evalueren en selecteren 6.1 Inzicht in prestatiemaatstaven 6.2 Voorspellende tools versus generatieve tools 6.3 Rode vlaggen bij leveranciers 6.4 De rol van de verpleegkundig specialist bij de selectie van tools Module 7: AI implementeren en verandering doorvoeren op de afdeling 7.1 Draagvlak creëren 7.2 Basisprincipes van verandermanagement 7.3 Het opstellen van een AI-handboek: een uitgebreide routekaart voor duurzaam succes 7.4 Toezicht houden op kwaliteitsverbetering 7.5 Foutmelding en veiligheidsprotocollen 7.6 Praktijkvoorbeelden van AI-implementatie en veranderleiderschap Module 8: Afstudeerproject: het ontwerpen van een persoonlijk AI-impactplan voor de verpleegkunde 8.1 Afstudeerproject – Het ontwerpen van een persoonlijk impactplan voor AI in de verpleegkunde Optionele module: AI-agenten voor AI+-verpleegkundigen 1. Wat zijn AI-agenten? 2. Hoe werkt een AI-agent in de gezondheidszorg? 3. Kernkenmerken van AI-agenten 4. Het belang van AI-agenten (algemeen + verpleegkunde) 5. Betekenis van AI-agenten in de verpleegkunde 6. Soorten AI-agenten? 7. Toepassingen en trends in de verpleegkunde 8. Casestudy – AI-agenten voor de verpleegkundige workflow en sepsis 9. Praktijkopdracht Hulpmiddelen die je gaat verkennen Python Scikit-learn Keras Jupyter-notebooks Matplotlib Power BI Inclusief online examen onder toezicht, met één gratis herkansing. Examenopzet: 50 vragen, 70% vereist om te slagen, 90 minuten, online examen onder toezicht Toegang tot alle lesmaterialen en examens wordt gedurende 365 dagen na levering geboden. Cursus onder leiding van een docent OF cursus in eigen tempo + officieel examen + digitale badge De OCICT maatwerk-methode houdt in dat op basis van de behoefte van de klant - en indien nodig na een intakegesprek - een individueel opleidingstraject wordt opgesteld. De trainingen worden veelal individueel gevolgd, zodat iedere training een maatwerktraject is. Klassikale trainingen zijn natuurlijk mogelijk, mits ze aansluiten bij de leerbehoeften van de deelnemers / opdrachtgever. Alle onderdelen van de training kennen een voortdurende wisselwerking tussen theorie en praktijk. De inhoud van de training kan vooraf per cursist worden aangepast en tijdens de cursus worden bijgesteld. De focus ligt op maatwerk: het traject wordt afgestemd op de doelstellingen van de deelnemer(s) en/of opdrachtgever, ongeacht of het individueel of klassikaal wordt aangeboden.

Een combinatie van menselijke aanpak en AI-intelligentie Patiëntgerichte AI-zorg: Ontworpen om verpleegkundigen in staat te stellen AI in te zetten voor betere patiëntresultaten Datagestuurde beslissingen: biedt praktische inzichten voor weloverwogen klinische en operationele keuzes Uitgebreid inzicht in AI: behandelt de basisprincipes van AI tot praktische toepassingen in de gezondheidszorg Klinische uitmuntendheid met AI: stelt verpleegkundigen in staat om AI vol vertrouwen te integreren in de dagelijkse zorgpraktijk Gediplomeerde verpleegkundigen (RN’s): Professionals die AI willen integreren in de dagelijkse patiëntenzorg en klinische besluitvorming. Verpleegkundestudenten: Studenten die vaardigheden willen opbouwen die klaar zijn voor de toekomst in AI-gestuurde zorgpraktijken. Zorgbestuurders: Personen die de werkprocessen in de verpleegkunde willen optimaliseren en de resultaten van de patiëntenzorg willen verbeteren. Specialisten in klinische informatica: Deskundigen die geïnteresseerd zijn in de toepassing van AI op elektronische patiëntendossiers en de analyse van patiëntgegevens. Opleiders en trainers in de verpleegkunde: Professionals die de volgende generatie verpleegkundigen voorbereiden met AI-gedreven kennis op het gebied van de gezondheidszorg. AI in de patiëntenzorg: Ontdek hoe AI bijdraagt aan een betere patiëntmonitoring, vroegtijdige waarschuwingssystemen en proactieve zorgverlening. Ondersteuning bij klinische besluitvorming: Maak kennis met AI-tools die verpleegkundigen ondersteunen bij medicatiebeheer, triage en behandelingsaanbevelingen. Optimalisatie van werkprocessen: Ontdek hoe AI de administratieve lasten vermindert en de werkprocessen in de verpleegkunde stroomlijnt voor meer efficiëntie. Ethische en mensgerichte zorg: Verken verantwoorde AI-toepassingen die empathie, vertrouwen en patiëntgerichte waarden in de verpleegkunde in stand houden. Praktische simulaties: Pas vaardigheden toe in realistische verpleegkundige scenario’s door middel van interactief, AI-gestuurd leren aan de hand van casussen. Module 1: AI voor verpleegkundigen 1.1 Inzicht in de basisbegrippen van AI in de verpleegkunde 1.2 Waar AI in de verpleegkunde voorkomt 1.3 Risico's van AI die verpleegkundigen moeten onderkennen 1.4 AI als hulpmiddel voor verpleegkundigen Module 2: AI voor documentatie, werkprocessen en datageletterdheid 2.1 AI in de verpleegkundige documentatie 2.2 Automatisering van de werkstroom in de verpleegkundige praktijk 2.3 Beginnersgids voor datageletterdheid in de verpleegkunde 2.4 Gegevensintegriteit en documentatiebeveiliging 2.5 Ondersteuning bij communicatie en vertaling 2.6 Praktijkvoorbeelden: AI voor documentatie in de praktijk Module 3: Voorspellende AI en patiëntveiligheid 3.1 Inzicht in voorspellende AI in de gezondheidszorg 3.2 Waarschuwingen en modelprestaties evalueren 3.3 Klinische besluitvorming met menselijke tussenkomst 3.4 Interdisciplinaire respons en ondersteuning bij de overdracht 3.5 Vooringenomenheid en rechtvaardigheid in voorspellende modellen 3.6 Praktijkvoorbeelden: voorspellende AI in de praktijk 3.7 Praktische oefening: voorspellende waarschuwingen interpreteren met ChatGPT Module 4: Generatieve AI en verpleegkundig onderwijs 4.1 Inleiding tot generatieve AI in de verpleegkunde 4.2 Veilig gebruik van generatieve AI 4.3 Voorlichtings- en communicatiemateriaal voor patiënten 4.4 Meertalige en toegankelijke communicatie 4.5 Grenzen van het klinisch gebruik van generatieve AI 4.6 Praktijkvoorbeelden: generatieve AI in de praktijk Module 5: Ethiek, veiligheid en belangenbehartiging bij de integratie van AI 5.1 Vooringenomenheid, eerlijkheid en inclusie 5.2 Geïnformeerde toestemming en transparantie 5.3 Privacy, beveiliging en vertrouwelijkheid 5.4 Regelgevingskennis voor verpleegkundigen 5.5 Professionele verantwoordelijkheid en verantwoording Module 6: AI-tools evalueren en selecteren 6.1 Inzicht in prestatiemaatstaven 6.2 Voorspellende tools versus generatieve tools 6.3 Rode vlaggen bij leveranciers 6.4 De rol van de verpleegkundig specialist bij de selectie van tools Module 7: AI implementeren en verandering doorvoeren op de afdeling 7.1 Draagvlak creëren 7.2 Basisprincipes van verandermanagement 7.3 Het opstellen van een AI-handboek: een uitgebreide routekaart voor duurzaam succes 7.4 Toezicht houden op kwaliteitsverbetering 7.5 Foutmelding en veiligheidsprotocollen 7.6 Praktijkvoorbeelden van AI-implementatie en veranderleiderschap Module 8: Afstudeerproject: het ontwerpen van een persoonlijk AI-impactplan voor de verpleegkunde 8.1 Afstudeerproject – Het ontwerpen van een persoonlijk impactplan voor AI in de verpleegkunde Optionele module: AI-agenten voor AI+-verpleegkundigen 1. Wat zijn AI-agenten? 2. Hoe werkt een AI-agent in de gezondheidszorg? 3. Kernkenmerken van AI-agenten 4. Het belang van AI-agenten (algemeen + verpleegkunde) 5. Betekenis van AI-agenten in de verpleegkunde 6. Soorten AI-agenten? 7. Toepassingen en trends in de verpleegkunde 8. Casestudy – AI-agenten voor de verpleegkundige workflow en sepsis 9. Praktijkopdracht Hulpmiddelen die je gaat verkennen Python Scikit-learn Keras Jupyter-notebooks Matplotlib Power BI Inclusief online examen onder toezicht, met één gratis herkansing. Examenopzet: 50 vragen, 70% vereist om te slagen, 90 minuten, online examen onder toezicht Toegang tot alle lesmaterialen en examens wordt gedurende 365 dagen na levering geboden. Cursus onder leiding van een docent OF cursus in eigen tempo + officieel examen + digitale badge De OCICT maatwerk-methode houdt in dat op basis van de behoefte van de klant - en indien nodig na een intakegesprek - een individueel opleidingstraject wordt opgesteld. De trainingen worden veelal individueel gevolgd, zodat iedere training een maatwerktraject is. Klassikale trainingen zijn natuurlijk mogelijk, mits ze aansluiten bij de leerbehoeften van de deelnemers / opdrachtgever. Alle onderdelen van de training kennen een voortdurende wisselwerking tussen theorie en praktijk. De inhoud van de training kan vooraf per cursist worden aangepast en tijdens de cursus worden bijgesteld. De focus ligt op maatwerk: het traject wordt afgestemd op de doelstellingen van de deelnemer(s) en/of opdrachtgever, ongeacht of het individueel of klassikaal wordt aangeboden.

Formerly known as AI+ Vibe Coder™ Supercharge coding with AI+ Vibe Coding Practitioner™ for smarter, faster creation Beginner-Friendly Approach: Designed for aspiring creators eager to explore AI-assisted coding with ease and confidence Interactive Learning Journey: Blends core coding concepts, intuitive AI tools, and hands-on practice to build real problem-solving skills Project-Driven Growth: Provides guided exercises and practical projects to help you build, refine, and showcase your AI-powered coding talents Aspiring Programmers: Beginners eager to start their coding journey with the power of AI-driven learning and automation. Tech Enthusiasts: Individuals fascinated by how AI transforms coding, app development, and digital innovation. Students and Graduates: Learners seeking a practical foundation in programming enhanced by real-world AI applications. Career Switchers: Professionals from non-technical backgrounds looking to enter the tech industry through AI-assisted coding. Entrepreneurs and Creators: Innovators aiming to build smarter products, automate processes, and bring AI-powered ideas to life. Empowers Intelligent Development:Learn to integrate AI into coding workflows to build smarter, more adaptive applications. Boosts Productivity:Automate repetitive programming tasks and streamline software development using AI-driven tools and assistants. Bridges Creativity and Code:Combine technical expertise with creative problem-solving to design innovative, human-centered digital experiences. Future-Proofs Your Career:Gain in-demand AI coding skills that are reshaping industries and redefining the developer’s role. Prepares for Real-World Impact:Apply AI in real coding environments to develop scalable, intelligent, and efficient solutions for diverse domains. Module 1: Introduction to Vibe Coding & AI Tools 1.1 What is Vibe Coding? 1.2 Evolution of AI in Software Development – Low Code vs No Code vs Vibe Coding 1.3 Overview of Common AI Coding Tools by Functionality 1.4 SDLC for a Vibe Coding Product 1.5 Hands-on Lab: Familiarizing Learners with Multiple AI Coding Tools 1.6 Case Studies Module 2: Prompting for Code – Basics & Best Practices 2.1 Anatomy of a Good Prompt 2.2 Prompt Types – Instructive, Descriptive, Iterative 2.3 Prompting Patterns – Zero-Shot, Few-Shot, Chain-of-Thought 2.4 Hands-on Lab: Practice Zero-Shot, Few-Shot, and Chain-of-Thought Prompting 2.5 Use-Case 1: Creating a Python Calculator 2.6 Use-Case 2: Optimizing AI-generated Code Using Different Prompt Types Module 3: Debugging & Testing via AI 3.1 Reviewing and Refining AI-generated Code 3.2 Prompting for Bug Fixes and Test Coverage 3.3 Using AI-generated Unit Testing 3.4 Detecting Hallucinations and Unsafe Code 3.5 Hands-on Lab: AI-Assisted Debugging and Unit Testing 3.6 Activity Section Module 4: Building a Simple Full-Stack App with Prompts 4.1 Planning the App: Frontend + Backend 4.2 Using IDEs and Code Generators to Scaffold Code 4.3 Connecting Components Using Natural Language 4.4 Deploying and Testing the MVP in Simulated Environment 4.5 Hands-on Lab: Building and Connecting the Frontend and Backend for Contact Form Submission 4.6 Hands-on Lab: Building a Standalone Desktop Calculator Application Using Tkinter 4.7 Hands-on Assignment 1: Task Management System – Full-Stack Development Using Prompts Module 5: Code Ethics, Security, and AI Limits 5.1 AI Limitations and Biases 5.2 Prompt Injection and Mitigation Strategies 5.3 Data Privacy and Secure Coding 5.4 Responsible Use of AI in Production 5.5 Hands-on Lab: Build Awareness of AI Limitations and Responsible Practices Module 6: Capstone Project – Prompt-Driven App 6.1 Apply All Learned Skills in a Real-World Project 6.2 Collaborate and Iterate Using AI Tools 6.3 Demonstrate End-to-End Development Using Prompts 6.4 Capstone Project Use Case: AI-Powered To-Do List Application 6.5 Capstone Project Use Case: AI-Powered Note-Taking Desktop App 6.6 Assignments Tools you will explore Python TensorFlow PyTorch GitHub Copilot OpenAI Codex Hugging Face Hub LangChain FastAPI VS Code Jupyter Notebooks Pandas NumPy Scikit-learn Docker Streamlit API Integration Tools Prompt Engineering Frameworks Automation SDKs Version Control Systems (Git) Online proctored exam included, with one free retake. Exam format: 50 questions, 70% passing, 90 minutes, online proctored exam Access to all materials and exams is provided for 365 days after delivery. Instructor-led OR Self-paced course + Official exam + Digital badge Flexible Online Learning with a One-Year Subscription Get a complete learning experience with one year of subscription access, including course updates and these features: Learn Across Devices Access learning materials on your tablet or mobile phone. Exam Preparation Resources Prepare with a comprehensive exam study guide. Online Proctored Exam Take your certification exam with one free retake. Quizzes and Assessments Reinforce your knowledge with practice assessments and course resources. AI-Powered Learning Support Get personalized guidance from the AI Mentor. E-Books and Podcasts Access study materials in PDF and audio formats, along with podcasts. On-Demand Video Lessons Learn through high-quality educational videos.

Formerly known as AI+ Vibe Coder™ Supercharge coding with AI+ Vibe Coding Practitioner™ for smarter, faster creation Beginner-Friendly Approach: Designed for aspiring creators eager to explore AI-assisted coding with ease and confidence Interactive Learning Journey: Blends core coding concepts, intuitive AI tools, and hands-on practice to build real problem-solving skills Project-Driven Growth: Provides guided exercises and practical projects to help you build, refine, and showcase your AI-powered coding talents Aspiring Programmers: Beginners eager to start their coding journey with the power of AI-driven learning and automation. Tech Enthusiasts: Individuals fascinated by how AI transforms coding, app development, and digital innovation. Students and Graduates: Learners seeking a practical foundation in programming enhanced by real-world AI applications. Career Switchers: Professionals from non-technical backgrounds looking to enter the tech industry through AI-assisted coding. Entrepreneurs and Creators: Innovators aiming to build smarter products, automate processes, and bring AI-powered ideas to life. Empowers Intelligent Development:Learn to integrate AI into coding workflows to build smarter, more adaptive applications. Boosts Productivity:Automate repetitive programming tasks and streamline software development using AI-driven tools and assistants. Bridges Creativity and Code:Combine technical expertise with creative problem-solving to design innovative, human-centered digital experiences. Future-Proofs Your Career:Gain in-demand AI coding skills that are reshaping industries and redefining the developer’s role. Prepares for Real-World Impact:Apply AI in real coding environments to develop scalable, intelligent, and efficient solutions for diverse domains. Module 1: Introduction to Vibe Coding & AI Tools 1.1 What is Vibe Coding? 1.2 Evolution of AI in Software Development – Low Code vs No Code vs Vibe Coding 1.3 Overview of Common AI Coding Tools by Functionality 1.4 SDLC for a Vibe Coding Product 1.5 Hands-on Lab: Familiarizing Learners with Multiple AI Coding Tools 1.6 Case Studies Module 2: Prompting for Code – Basics & Best Practices 2.1 Anatomy of a Good Prompt 2.2 Prompt Types – Instructive, Descriptive, Iterative 2.3 Prompting Patterns – Zero-Shot, Few-Shot, Chain-of-Thought 2.4 Hands-on Lab: Practice Zero-Shot, Few-Shot, and Chain-of-Thought Prompting 2.5 Use-Case 1: Creating a Python Calculator 2.6 Use-Case 2: Optimizing AI-generated Code Using Different Prompt Types Module 3: Debugging & Testing via AI 3.1 Reviewing and Refining AI-generated Code 3.2 Prompting for Bug Fixes and Test Coverage 3.3 Using AI-generated Unit Testing 3.4 Detecting Hallucinations and Unsafe Code 3.5 Hands-on Lab: AI-Assisted Debugging and Unit Testing 3.6 Activity Section Module 4: Building a Simple Full-Stack App with Prompts 4.1 Planning the App: Frontend + Backend 4.2 Using IDEs and Code Generators to Scaffold Code 4.3 Connecting Components Using Natural Language 4.4 Deploying and Testing the MVP in Simulated Environment 4.5 Hands-on Lab: Building and Connecting the Frontend and Backend for Contact Form Submission 4.6 Hands-on Lab: Building a Standalone Desktop Calculator Application Using Tkinter 4.7 Hands-on Assignment 1: Task Management System – Full-Stack Development Using Prompts Module 5: Code Ethics, Security, and AI Limits 5.1 AI Limitations and Biases 5.2 Prompt Injection and Mitigation Strategies 5.3 Data Privacy and Secure Coding 5.4 Responsible Use of AI in Production 5.5 Hands-on Lab: Build Awareness of AI Limitations and Responsible Practices Module 6: Capstone Project – Prompt-Driven App 6.1 Apply All Learned Skills in a Real-World Project 6.2 Collaborate and Iterate Using AI Tools 6.3 Demonstrate End-to-End Development Using Prompts 6.4 Capstone Project Use Case: AI-Powered To-Do List Application 6.5 Capstone Project Use Case: AI-Powered Note-Taking Desktop App 6.6 Assignments Tools you will explore Python TensorFlow PyTorch GitHub Copilot OpenAI Codex Hugging Face Hub LangChain FastAPI VS Code Jupyter Notebooks Pandas NumPy Scikit-learn Docker Streamlit API Integration Tools Prompt Engineering Frameworks Automation SDKs Version Control Systems (Git) Online proctored exam included, with one free retake. Exam format: 50 questions, 70% passing, 90 minutes, online proctored exam Access to all materials and exams is provided for 365 days after delivery. Instructor-led OR Self-paced course + Official exam + Digital badge Flexible Online Learning with a One-Year Subscription Get a complete learning experience with one year of subscription access, including course updates and these features: Learn Across Devices Access learning materials on your tablet or mobile phone. Exam Preparation Resources Prepare with a comprehensive exam study guide. Online Proctored Exam Take your certification exam with one free retake. Quizzes and Assessments Reinforce your knowledge with practice assessments and course resources. AI-Powered Learning Support Get personalized guidance from the AI Mentor. E-Books and Podcasts Access study materials in PDF and audio formats, along with podcasts. On-Demand Video Lessons Learn through high-quality educational videos.

Formerly known as AI+ Agent™ Empower businesses with AI+ Agent Specialty™ to design, deploy, and scale intelligent agents. Empower Automation with AI+ Agent Specialty™ for intelligent, efficient task execution Beginner-Friendly Pathway: Perfect for learners stepping into the world of AI agents, offering simple, structured guidance for confident skill-building Immersive Learning Experience: Combines essential AI agent fundamentals, intuitive tools, and real-world workflows to help you understand, build, and deploy automated agents Action-Oriented Skill Development: Features practical exercises, scenario-based tasks, and guided projects so you can design, optimise, and showcase high-performance AI agents with ease Aspiring AI Professionals: Learners looking to break into AI by building practical experience with intelligent agents and automation. Software Developers & Engineers: Python or similar language programmers who want to design, integrate, and deploy AI agents into real applications. Data Analysts & Data Scientists: Professionals who work with data and want to operationalize insights through AI-driven agents and workflows. Product Managers & Tech Leaders: Decision-makers aiming to understand, plan, and oversee AI agent solutions that enhance products and services. Automation & Operations Specialists: Those focused on process optimization who want to replace repetitive tasks with smart, autonomous AI agents. Industry Recognition:A specialized credential that signals strong capability in AI agent design, deployment, and management. Career Differentiation:A standout addition to your profile that highlights expertise in AI-powered automation and intelligent workflows. Hands-on Proficiency:Demonstrated experience using agent-building tools, frameworks, and best practices to solve real problems. Business Value Creation:Proven ability to build agents that streamline operations, elevate customer experiences, and drive measurable ROI. Future-ready Skill Set:Strong alignment with the growing demand for AI agents across industries, keeping your skills relevant and competitive. Module 1: Introduction to AI Agents 1.1 Understanding AI Agents 1.2 Anatomy and Ecosystem of AI Agents 1.3 Applications, Misconceptions, and Mini Case Studies 1.4 Case Study: Transforming Customer Support at Acme Retail with AI Agents 1.5 Hands-On Exercise 1: Build a Q&A ChatBot Using Gemini + Prompt + LLM Chain in Flowise Cloud Module 2: Core Concepts & Types of AI Agents 2.1 Anatomy of an AI Agent 2.2 Classification of AI Agents 2.3 Matching Agents to Use Cases 2.4 Case Study: Enhancing Mental Health Support with AI Agents at Earkick 2.5 Hands-On Exercise Module 3: Tools for Non-Coders 3.1 No-code and visual agent platforms 3.2 Tools Overview and Setup 3.3 Start building: “Your First Flow” with n8n 3.4 Case Study: Empowering HR with AI – Building an Onboarding Assistant Without Coding 3.5 Hands-on Exercise Module 4: Building Simple Agents 4.1 Agent 1 4.2 Agent 2 4.3 Agent 3 4.4 Agent 4 4.5 Troubleshooting and Validation of AI Agents 4.6 Share Your AI Agent 4.7 Hands-On Exercise 1 Module 5: Multi-Tool Agents and Workflow Automation 5.1 Multi-Tool Agents 5.2 Agent Chaining and Workflow Basics 5.3 Managing Agent State: State, Context, and User Journey 5.4 Prompt Engineering for Agents 5.5 Multi-Agent Systems (MAS) 5.6 Case Study: Smarter Marketing Campaigns with Tool Chaining 5.7 Hands-on Exercise: Automating Order Tracking and Notifications with Make.com Module 6: Integration, Application Mapping & Deployment 6.1 Deploying Agents 6.2 Channel Selection – Where the User will Interact 6.3 Hosting Environment – Where does the Agent Run? 6.4 Data Integration 6.5 Security Setup 6.6 Monitoring & Updates 6.7 Application Mapping 6.8 Hands-on Exercise 1: Integration of a Portfolio Assistant Chatbot into GitHub Pages using Zapier Module 7: Monitoring, Guardrails & Responsible AI 7.1 Observability Basics 7.2 Performance Evaluation: Key Metrics 7.3 Guardrails: Preventing Misuse & Ensuring Safe Outputs 7.4 Responsible AI 7.5 Mini-Case: Failure and Recovery in Agent Deployments 7.6 Real-world Failures 7.7 Peer Sharing: How to Present and Discuss Agent Logs/Results Module 8: Capstone Project – Design Your Own Intelligent Agent 8.1 Capstone Project 1: Smart Personal AI Assistant 8.2 Capstone Project 2: Smart Lead Engagement – From Email to Personalized Outreach – Sales Support Agent 8.3 Capstone Project 3: Education Tutor Agent 8.4 HR Knowledge Bot 8.5 Customer Service Agent 8.6 Healthcare Triage Bot Tools you will explore Python LangChain LlamaIndex OpenAI API Hugging Face Inference Multi-Agent Orchestration Frameworks Vector Databases (e.g., Pinecone, Chroma) Workflow Orchestration (e.g., Airflow, Prefect) Jupyter Notebooks Docker Prompt Engineering Platforms Online proctored exam included, with one free retake. Exam format: 50 questions, 70% passing, 90 minutes, online proctored exam Access to all materials and exams is provided for 365 days after delivery. Instructor-led OR Self-paced course + Official exam + Digital badge De OCICT maatwerk-methode houdt in dat op basis van de behoefte van de klant - en indien nodig na een intakegesprek - een individueel opleidingstraject wordt opgesteld. De trainingen worden veelal individueel gevolgd, zodat iedere training een maatwerktraject is. Klassikale trainingen zijn natuurlijk mogelijk, mits ze aansluiten bij de leerbehoeften van de deelnemers / opdrachtgever. Alle onderdelen van de training kennen een voortdurende wisselwerking tussen theorie en praktijk. De inhoud van de training kan vooraf per cursist worden aangepast en tijdens de cursus worden bijgesteld. De focus ligt op maatwerk: het traject wordt afgestemd op de doelstellingen van de deelnemer(s) en/of opdrachtgever, ongeacht of het individueel of klassikaal wordt aangeboden.

Formerly known as AI+ Agent™ Empower businesses with AI+ Agent Specialty™ to design, deploy, and scale intelligent agents. Empower Automation with AI+ Agent Specialty™ for intelligent, efficient task execution Beginner-Friendly Pathway: Perfect for learners stepping into the world of AI agents, offering simple, structured guidance for confident skill-building Immersive Learning Experience: Combines essential AI agent fundamentals, intuitive tools, and real-world workflows to help you understand, build, and deploy automated agents Action-Oriented Skill Development: Features practical exercises, scenario-based tasks, and guided projects so you can design, optimise, and showcase high-performance AI agents with ease Aspiring AI Professionals: Learners looking to break into AI by building practical experience with intelligent agents and automation. Software Developers & Engineers: Python or similar language programmers who want to design, integrate, and deploy AI agents into real applications. Data Analysts & Data Scientists: Professionals who work with data and want to operationalize insights through AI-driven agents and workflows. Product Managers & Tech Leaders: Decision-makers aiming to understand, plan, and oversee AI agent solutions that enhance products and services. Automation & Operations Specialists: Those focused on process optimization who want to replace repetitive tasks with smart, autonomous AI agents. Industry Recognition:A specialized credential that signals strong capability in AI agent design, deployment, and management. Career Differentiation:A standout addition to your profile that highlights expertise in AI-powered automation and intelligent workflows. Hands-on Proficiency:Demonstrated experience using agent-building tools, frameworks, and best practices to solve real problems. Business Value Creation:Proven ability to build agents that streamline operations, elevate customer experiences, and drive measurable ROI. Future-ready Skill Set:Strong alignment with the growing demand for AI agents across industries, keeping your skills relevant and competitive. Module 1: Introduction to AI Agents 1.1 Understanding AI Agents 1.2 Anatomy and Ecosystem of AI Agents 1.3 Applications, Misconceptions, and Mini Case Studies 1.4 Case Study: Transforming Customer Support at Acme Retail with AI Agents 1.5 Hands-On Exercise 1: Build a Q&A ChatBot Using Gemini + Prompt + LLM Chain in Flowise Cloud Module 2: Core Concepts & Types of AI Agents 2.1 Anatomy of an AI Agent 2.2 Classification of AI Agents 2.3 Matching Agents to Use Cases 2.4 Case Study: Enhancing Mental Health Support with AI Agents at Earkick 2.5 Hands-On Exercise Module 3: Tools for Non-Coders 3.1 No-code and visual agent platforms 3.2 Tools Overview and Setup 3.3 Start building: “Your First Flow” with n8n 3.4 Case Study: Empowering HR with AI – Building an Onboarding Assistant Without Coding 3.5 Hands-on Exercise Module 4: Building Simple Agents 4.1 Agent 1 4.2 Agent 2 4.3 Agent 3 4.4 Agent 4 4.5 Troubleshooting and Validation of AI Agents 4.6 Share Your AI Agent 4.7 Hands-On Exercise 1 Module 5: Multi-Tool Agents and Workflow Automation 5.1 Multi-Tool Agents 5.2 Agent Chaining and Workflow Basics 5.3 Managing Agent State: State, Context, and User Journey 5.4 Prompt Engineering for Agents 5.5 Multi-Agent Systems (MAS) 5.6 Case Study: Smarter Marketing Campaigns with Tool Chaining 5.7 Hands-on Exercise: Automating Order Tracking and Notifications with Make.com Module 6: Integration, Application Mapping & Deployment 6.1 Deploying Agents 6.2 Channel Selection – Where the User will Interact 6.3 Hosting Environment – Where does the Agent Run? 6.4 Data Integration 6.5 Security Setup 6.6 Monitoring & Updates 6.7 Application Mapping 6.8 Hands-on Exercise 1: Integration of a Portfolio Assistant Chatbot into GitHub Pages using Zapier Module 7: Monitoring, Guardrails & Responsible AI 7.1 Observability Basics 7.2 Performance Evaluation: Key Metrics 7.3 Guardrails: Preventing Misuse & Ensuring Safe Outputs 7.4 Responsible AI 7.5 Mini-Case: Failure and Recovery in Agent Deployments 7.6 Real-world Failures 7.7 Peer Sharing: How to Present and Discuss Agent Logs/Results Module 8: Capstone Project – Design Your Own Intelligent Agent 8.1 Capstone Project 1: Smart Personal AI Assistant 8.2 Capstone Project 2: Smart Lead Engagement – From Email to Personalized Outreach – Sales Support Agent 8.3 Capstone Project 3: Education Tutor Agent 8.4 HR Knowledge Bot 8.5 Customer Service Agent 8.6 Healthcare Triage Bot Tools you will explore Python LangChain LlamaIndex OpenAI API Hugging Face Inference Multi-Agent Orchestration Frameworks Vector Databases (e.g., Pinecone, Chroma) Workflow Orchestration (e.g., Airflow, Prefect) Jupyter Notebooks Docker Prompt Engineering Platforms Online proctored exam included, with one free retake. Exam format: 50 questions, 70% passing, 90 minutes, online proctored exam Access to all materials and exams is provided for 365 days after delivery. Instructor-led OR Self-paced course + Official exam + Digital badge De OCICT maatwerk-methode houdt in dat op basis van de behoefte van de klant - en indien nodig na een intakegesprek - een individueel opleidingstraject wordt opgesteld. De trainingen worden veelal individueel gevolgd, zodat iedere training een maatwerktraject is. Klassikale trainingen zijn natuurlijk mogelijk, mits ze aansluiten bij de leerbehoeften van de deelnemers / opdrachtgever. Alle onderdelen van de training kennen een voortdurende wisselwerking tussen theorie en praktijk. De inhoud van de training kan vooraf per cursist worden aangepast en tijdens de cursus worden bijgesteld. De focus ligt op maatwerk: het traject wordt afgestemd op de doelstellingen van de deelnemer(s) en/of opdrachtgever, ongeacht of het individueel of klassikaal wordt aangeboden.