Opleidingen
55.837
resultaten
Python: Building AI Agents with LangChain (English)
Nieuwegein
wo 24 feb. 2027
en 3 andere data
Lesmethode :
Klassikaal
Algemeen :
AI agents combine a language model with tools, allowing an application to reason about a task, choose suitable actions and work step by step towards a result. Unlike a chatbot, an agent can call Python functions, retrieve information, process data and interact with external systems. In this two-day, hands-on course, you learn how to build AI agents in Python with LangChain. You learn the difference between a language-model application and an AI agent and work with the agent loop of model, tool and result.
You learn how LangChain's create_agent assembles this agent loop on top of the LangGraph runtime. You connect a language model, turn Python functions into tools with the @tool decorator, and define clear tool names, descriptions and input schemas so an agent can choose between multiple tools. You also work with system prompts, messages and agent state for short-term memory and structured output. In addition, you learn how to handle failing tools and invalid results, apply stop conditions and iteration limits, and use tracing to inspect agent decisions and tool calls.
During the course, you spend most of your time writing code, with explanations kept short. You invoke agents, process their results and finish by building a working end-to-end agent that uses multiple tools to carry out a practical task. This gives you direct experience building agentic AI applications in Python.
Doel :
After this course, you can build tool-using AI agents in Python with LangChain, including tools, prompts, conversation state and structured output. You can also handle failures, apply execution limits, trace agent decisions and build an end-to-end agent application. The course focuses on building agents in Python; training or fine-tuning language models is not covered.
Doelgroep :
Python developers, software developers, data and AI engineers, automation engineers and other technical professionals who want a practical introduction to building AI agents.
Voorkennis :
The following prior knowledge is required:
- Leren programmeren in Python
or
- De programmeertaal Python voor ervaren programmeurs
- Basic understanding of APIs and JSON
Onderwerpen :
- Agents and the agent loop
+nbsp;+nbsp;+nbsp;- Introduction to AI agents
+nbsp;+nbsp;+nbsp;- Agents versus chatbots and workflows
+nbsp;+nbsp;+nbsp;- The agent execution loop
+nbsp;+nbsp;+nbsp;- LangChain agent architecture
- Creating an agent with LangChain
+nbsp;+nbsp;+nbsp;- Language models and provider configuration
+nbsp;+nbsp;+nbsp;- Creating an agent with create_agent
+nbsp;+nbsp;+nbsp;- System prompts and agent instructions
- Building and describing tools
+nbsp;+nbsp;+nbsp;- Creating tools from Python functions
+nbsp;+nbsp;+nbsp;- The LangChain @tool decorator
+nbsp;+nbsp;+nbsp;- Tool names, descriptions and input schemas
+nbsp;+nbsp;+nbsp;- Multiple tools and tool selection
- Running an agent and managing state
+nbsp;+nbsp;+nbsp;- Invoking an agent
+nbsp;+nbsp;+nbsp;- Messages and agent state
+nbsp;+nbsp;+nbsp;- Short-term memory
+nbsp;+nbsp;+nbsp;- Structured output
- Reliability and control
+nbsp;+nbsp;+nbsp;- Error handling and tool failures
+nbsp;+nbsp;+nbsp;- Stop conditions and iteration limits
+nbsp;+nbsp;+nbsp;- Tracing and debugging agent execution
- Putting it all together
+nbsp;+nbsp;+nbsp;- Building an end-to-end AI agent
€1.535
Klassikaal
max 12
Slimmer vergaderen met Teams en Copilot (Virtueel)
Virtueel
wo 20 jan. 2027
en 9 andere data
Lesmethode :
Virtueel
Algemeen :
Vergaderingen zijn vaak een bron van versnipperde informatie, losse actiepunten en veel administratief werk. In deze cursus leer je hoe je Microsoft Teams, Microsoft Loop, Facilitator en Microsoft 365 Copilot inzet om de volledige vergadercyclus slimmer te organiseren. Je ontdekt hoe je vergaderingen beter voorbereidt, efficiënter begeleidt en sneller opvolgt, zodat je meer tijd overhoudt voor inhoudelijke samenwerking en besluitvorming.
Tijdens de cursus krijg je inzicht in de samenhang tussen verschillende Microsoft 365-applicaties en leer je wanneer je Teams, Loop, Planner en Copilot het beste inzet. Je werkt met vergadersjablonen en Meeting Notes in Teams, leert gezamenlijke agenda's en actiepunten beheren in Loop en ontdekt hoe Facilitator ondersteuning biedt bij het vastleggen van notities, besluiten en taken. Daarnaast leer je hoe Copilot helpt bij het voorbereiden van vergaderingen, het genereren van samenvattingen, het opstellen van notulen en het organiseren van vervolgacties. Ook besteden we aandacht aan effectief prompten en aan praktische afspraken rondom eigenaarschap, informatiebeheer en controle van AI-gegenereerde output.
De cursus is sterk praktijkgericht. Je oefent met herkenbare vergadersituaties en doorloopt een complete vergadercyclus: van voorbereiding en agendavorming tot besluitvorming en opvolging. Door middel van demonstraties, opdrachten en praktijkcases ervaar je hoe de verschillende tools elkaar versterken. De opgedane kennis kun je direct toepassen binnen je eigen team, project of organisatie.
Doel :
Na afloop kun je Microsoft Teams, Loop, Facilitator en Copilot effectief inzetten voor de voorbereiding, uitvoering en opvolging van vergaderingen. Je bent in staat om samenwerking te structureren, actiepunten beter te beheren en AI verantwoord te gebruiken binnen het vergaderproces.
Doelgroep :
Iedereen die regelmatig online of hybride samenwerkt en vergaderingen organiseert of bijwoont, zoals projectleiders, teamleiders, managers, adviseurs en kenniswerkers. Ook geschikt voor professionals die meer rendement willen halen uit Microsoft Teams en Microsoft 365 Copilot.
Voorkennis :
#Basiservaring met Microsoft Teams
#Vergaderingen kunnen plannen via Teams of Outlook
#Kunnen deelnemen aan Teams-vergaderingen
#Bestanden kunnen openen en delen binnen Teams
#Basiskennis van teams en kanalen
#Ervaring met Copilot, Loop of Facilitator is niet vereist
Onderwerpen :
- Teams, Loop en Copilot in de moderne vergadercyclus
- Vergaderingen voorbereiden en structureren
- Samenwerken met Loop en gedeelde werkruimtes
- AI-ondersteuning met Facilitator en Copilot
- Samenvattingen, notulen en actiepunten genereren
- Taken opvolgen met Planner en To Do
- Best practices voor effectief en verantwoord AI-gebruik
€599
Klassikaal
max 12
AI Workloads on Kubernetes (English)
Nieuwegein
do 15 apr. 2027
en 2 andere data
Lesmethode :
Klassikaal
Algemeen :
In this hands-on, two-day Kubernetes course, you learn how to prepare and operate a Kubernetes platform for GPU-accelerated AI workloads. AI and machine learning workloads need scalable compute, GPU acceleration and flexible resource management. You see how GPUs and other accelerators are made available to Kubernetes, how AI applications request and share these resources, and how Kubernetes schedules workloads based on their requirements.
The course focuses on the infrastructure and platform engineering side of AI. You work with GPU-enabled Kubernetes nodes and make them available through the NVIDIA GPU Operator, device plugins and GPU runtime. You then manage those resources with requests and limits, GPU sharing, Dynamic Resource Allocation, ResourceClaims, workload priorities and quotas. On top of that you scale workloads with the Horizontal Pod Autoscaler and KEDA, serve Large Language Models with vLLM, run AI and ML pipelines with Kubeflow, and monitor everything with Prometheus and Grafana.
Theory and practice alternate throughout the course. Every topic is followed by hands-on exercises in your own Kubernetes environment, where you deploy, schedule, scale, monitor and troubleshoot AI workloads. You do not train machine learning models yourself; instead, you learn how to provide a Kubernetes environment in which data scientists, ML engineers and AI applications can run their workloads reliably.
Doel :
After this AI Workloads on Kubernetes course, you can prepare and operate a Kubernetes platform for GPU-accelerated AI workloads, and deploy, schedule, scale and monitor these workloads reliably. You also know how technologies such as the NVIDIA GPU Operator, Dynamic Resource Allocation, KEDA, vLLM and Kubeflow fit into your Kubernetes environment.
Doelgroep :
Engineers who run or support AI and machine learning workloads on Kubernetes, such as DevOps Engineers, Platform Engineers, Kubernetes Administrators, Cloud Engineers and Infrastructure Engineers. The course focuses on the platform and operational side of AI workloads and is not a machine learning or data science course.
Voorkennis :
The following prior knowledge is required:
- Kubernetes Fundamentals
- Experience with AI or machine learning is a plus; experience training machine learning models is not required.
Onderwerpen :
- Introduction to AI workloads on Kubernetes
+nbsp;+nbsp;+nbsp;- AI platform architecture
+nbsp;+nbsp;+nbsp;- CNCF AI platform architecture and ecosystem
+nbsp;+nbsp;+nbsp;- CPU versus GPU workloads
- GPU-enabled Kubernetes nodes
+nbsp;+nbsp;+nbsp;- From hardware to Kubernetes
+nbsp;+nbsp;+nbsp;- NVIDIA GPU Operator
+nbsp;+nbsp;+nbsp;- NVIDIA device plugins and GPU runtime
- Deploying applications with GPU requirements
+nbsp;+nbsp;+nbsp;- Deploying GPU workloads
+nbsp;+nbsp;+nbsp;- Kubernetes resource requests and limits
- GPU resource management
+nbsp;+nbsp;+nbsp;- GPU sharing
+nbsp;+nbsp;+nbsp;- Dynamic Resource Allocation (DRA)
+nbsp;+nbsp;+nbsp;- ResourceClaims
+nbsp;+nbsp;+nbsp;- Workload priorities and quotas
- Scheduling workloads
+nbsp;+nbsp;+nbsp;- Scheduling AI workloads
+nbsp;+nbsp;+nbsp;- Batch workloads
- Autoscaling workloads
+nbsp;+nbsp;+nbsp;- Autoscaling AI workloads
+nbsp;+nbsp;+nbsp;- Horizontal Pod Autoscaler
+nbsp;+nbsp;+nbsp;- Event-driven scaling with KEDA
+nbsp;+nbsp;+nbsp;- AI-aware scheduling and KAI Scheduler concepts
- AI use cases
+nbsp;+nbsp;+nbsp;- Large Language Model inference
+nbsp;+nbsp;+nbsp;- Deploying LLMs on Kubernetes
+nbsp;+nbsp;+nbsp;- Model serving with vLLM
+nbsp;+nbsp;+nbsp;- Concurrent inference workloads
+nbsp;+nbsp;+nbsp;- Distributed inference concepts
+nbsp;+nbsp;+nbsp;- Introduction to Kubeflow
+nbsp;+nbsp;+nbsp;- AI and ML pipelines on Kubernetes
- Monitoring
+nbsp;+nbsp;+nbsp;- Monitoring GPU workloads
+nbsp;+nbsp;+nbsp;- Prometheus metrics
+nbsp;+nbsp;+nbsp;- Grafana dashboards
+nbsp;+nbsp;+nbsp;- Troubleshooting AI workloads
€1.535
Klassikaal
max 12
Slimmer vergaderen met Teams en Copilot
Nieuwegein
wo 20 jan. 2027
en 9 andere data
Lesmethode :
Klassikaal
Algemeen :
Vergaderingen zijn vaak een bron van versnipperde informatie, losse actiepunten en veel administratief werk. In deze cursus leer je hoe je Microsoft Teams, Microsoft Loop, Facilitator en Microsoft 365 Copilot inzet om de volledige vergadercyclus slimmer te organiseren. Je ontdekt hoe je vergaderingen beter voorbereidt, efficiënter begeleidt en sneller opvolgt, zodat je meer tijd overhoudt voor inhoudelijke samenwerking en besluitvorming.
Tijdens de cursus krijg je inzicht in de samenhang tussen verschillende Microsoft 365-applicaties en leer je wanneer je Teams, Loop, Planner en Copilot het beste inzet. Je werkt met vergadersjablonen en Meeting Notes in Teams, leert gezamenlijke agenda's en actiepunten beheren in Loop en ontdekt hoe Facilitator ondersteuning biedt bij het vastleggen van notities, besluiten en taken. Daarnaast leer je hoe Copilot helpt bij het voorbereiden van vergaderingen, het genereren van samenvattingen, het opstellen van notulen en het organiseren van vervolgacties. Ook besteden we aandacht aan effectief prompten en aan praktische afspraken rondom eigenaarschap, informatiebeheer en controle van AI-gegenereerde output.
De cursus is sterk praktijkgericht. Je oefent met herkenbare vergadersituaties en doorloopt een complete vergadercyclus: van voorbereiding en agendavorming tot besluitvorming en opvolging. Door middel van demonstraties, opdrachten en praktijkcases ervaar je hoe de verschillende tools elkaar versterken. De opgedane kennis kun je direct toepassen binnen je eigen team, project of organisatie.
Doel :
Na afloop kun je Microsoft Teams, Loop, Facilitator en Copilot effectief inzetten voor de voorbereiding, uitvoering en opvolging van vergaderingen. Je bent in staat om samenwerking te structureren, actiepunten beter te beheren en AI verantwoord te gebruiken binnen het vergaderproces.
Doelgroep :
Iedereen die regelmatig online of hybride samenwerkt en vergaderingen organiseert of bijwoont, zoals projectleiders, teamleiders, managers, adviseurs en kenniswerkers. Ook geschikt voor professionals die meer rendement willen halen uit Microsoft Teams en Microsoft 365 Copilot.
Voorkennis :
#Basiservaring met Microsoft Teams
#Vergaderingen kunnen plannen via Teams of Outlook
#Kunnen deelnemen aan Teams-vergaderingen
#Bestanden kunnen openen en delen binnen Teams
#Basiskennis van teams en kanalen
#Ervaring met Copilot, Loop of Facilitator is niet vereist
Onderwerpen :
- Teams, Loop en Copilot in de moderne vergadercyclus
- Vergaderingen voorbereiden en structureren
- Samenwerken met Loop en gedeelde werkruimtes
- AI-ondersteuning met Facilitator en Copilot
- Samenvattingen, notulen en actiepunten genereren
- Taken opvolgen met Planner en To Do
- Best practices voor effectief en verantwoord AI-gebruik
€599
Klassikaal
max 12
Routekaart AI adoptie
Nieuwegein
vr 22 jan. 2027
en 3 andere data
Lesmethode :
Klassikaal
Algemeen :
Veel organisaties experimenteren inmiddels met AI. De eerste tools zijn getest, medewerkers zijn nieuwsgierig en de mogelijkheden lijken groot. Toch blijft de belangrijkste vraag vaak liggen: hoe zorg je dat AI niet blijft hangen in losse experimenten, maar echt waarde toevoegt aan je organisatie? In deze workshop leer je hoe je van inspiratie naar structurele toepassing komt en hoe je bepaalt waar je het beste kunt beginnen.
Je benadert AI niet als hype of los initiatief, maar als middel om organisatiedoelen te ondersteunen. De nadruk ligt niet op de techniek achter AI, maar op de voorwaarden voor succesvolle invoering. Je werkt aan thema's zoals richting bepalen, draagvlak creëren, keuzes maken, toepassingen selecteren en AI borgen in de dagelijkse praktijk. Zo krijg je een praktisch kader om AI op een gestructureerde en duurzame manier te positioneren binnen je organisatie.
De workshop is sterk praktijkgericht. Met voorbeelden, opdrachten en herkenbare organisatiesituaties werk je stap voor stap aan een eerste AI-adoptieplan. Je bepaalt waar je met AI wilt beginnen, wat het moet opleveren en hoe dit aansluit op de koers van je organisatie. Ook maak je duidelijke keuzes over welke toepassingen prioriteit hebben, hoe AI-oplossingen passen in bestaande werkprocessen en welke stappen nodig zijn om van idee naar uitvoering te komen. Daarnaast breng je in kaart wie je moet betrekken, wie besluiten neemt en hoe klaar je organisatie is om AI verantwoord toe te passen. Je werkt aan een aanpak voor AI-pilots waarin het menselijke aspect centraal staat: klein starten, leren van ervaringen, opschalen wat werkt en zorgen dat nieuwe werkwijzen worden geborgd. Tot slot richt je een manier in om de impact van AI te blijven meten, zodat je kunt bijsturen op basis van wat in de praktijk wel en niet werkt. Zo ga je naar huis met een routekaart waarmee je AI gestructureerd, meetbaar en duurzaam kunt invoeren.
Doel :
Na afloop weet je welke voorwaarden nodig zijn om AI succesvol te introduceren in je organisatie. Je gaat naar huis met een eerste opzet voor een AI-adoptieroutekaart waarmee je gericht vervolgstappen kunt zetten.
Doelgroep :
Iedereen die binnen een organisatie verantwoordelijk is voor het invoeren, begeleiden of versnellen van AI. Denk aan teamleiders, projectleiders, verandermanagers, innovatiemanagers, HR-professionals, informatiemanagers en afdelingsmanagers.
Voorkennis :
Er is geen voorkennis nodig.
Onderwerpen :
- Introductie in AI en digitale adoptie
- Het organisatiedoel van AI
+nbsp;+nbsp;+nbsp;- Bepaal je doelstelling
+nbsp;+nbsp;+nbsp;- Wat levert het je op? Baten
- Benodigdheden voor AI-adoptie
+nbsp;+nbsp;+nbsp;- Data: AI is zo goed als de data die je gebruikt. In de workshop leer je waar je op moet letten om data bruikbaar, betrouwbaar en passend te maken voor AI-toepassingen.
+nbsp;+nbsp;+nbsp;- Processen: AI werkt alleen goed als processen duidelijk genoeg zijn. Je kijkt daarom naar het belang van gestandaardiseerde en herhaalbare processen.
+nbsp;+nbsp;+nbsp;- Mens en gedrag: AI is meer dan techniek. Je onderzoekt welke vaardigheden al aanwezig zijn, wat nog ontbreekt, waarin je moet investeren en hoe je betrokkenen meekrijgt in de verandering.
+nbsp;+nbsp;+nbsp;- Besturing: Je kijkt hoe besluitvorming over AI-initiatieven verloopt, welk beleid nodig is en welke rollen daarbij horen. Ook komen use cases voorbij over besturing van AI binnen organisaties.
- De AI-readiness scan
- Jouw AI-adoptieroutekaart
€795
Klassikaal
max 12
Python: Building AI Agents with LangChain (English) (Virtual)
Virtueel
wo 24 feb. 2027
en 3 andere data
Lesmethode :
Virtueel
Algemeen :
AI agents combine a language model with tools, allowing an application to reason about a task, choose suitable actions and work step by step towards a result. Unlike a chatbot, an agent can call Python functions, retrieve information, process data and interact with external systems. In this two-day, hands-on course, you learn how to build AI agents in Python with LangChain. You learn the difference between a language-model application and an AI agent and work with the agent loop of model, tool and result.
You learn how LangChain's create_agent assembles this agent loop on top of the LangGraph runtime. You connect a language model, turn Python functions into tools with the @tool decorator, and define clear tool names, descriptions and input schemas so an agent can choose between multiple tools. You also work with system prompts, messages and agent state for short-term memory and structured output. In addition, you learn how to handle failing tools and invalid results, apply stop conditions and iteration limits, and use tracing to inspect agent decisions and tool calls.
During the course, you spend most of your time writing code, with explanations kept short. You invoke agents, process their results and finish by building a working end-to-end agent that uses multiple tools to carry out a practical task. This gives you direct experience building agentic AI applications in Python.
Doel :
After this course, you can build tool-using AI agents in Python with LangChain, including tools, prompts, conversation state and structured output. You can also handle failures, apply execution limits, trace agent decisions and build an end-to-end agent application. The course focuses on building agents in Python; training or fine-tuning language models is not covered.
Doelgroep :
Python developers, software developers, data and AI engineers, automation engineers and other technical professionals who want a practical introduction to building AI agents.
Voorkennis :
The following prior knowledge is required:
- Leren programmeren in Python
or
- De programmeertaal Python voor ervaren programmeurs
- Basic understanding of APIs and JSON
Onderwerpen :
- Agents and the agent loop
+nbsp;+nbsp;+nbsp;- Introduction to AI agents
+nbsp;+nbsp;+nbsp;- Agents versus chatbots and workflows
+nbsp;+nbsp;+nbsp;- The agent execution loop
+nbsp;+nbsp;+nbsp;- LangChain agent architecture
- Creating an agent with LangChain
+nbsp;+nbsp;+nbsp;- Language models and provider configuration
+nbsp;+nbsp;+nbsp;- Creating an agent with create_agent
+nbsp;+nbsp;+nbsp;- System prompts and agent instructions
- Building and describing tools
+nbsp;+nbsp;+nbsp;- Creating tools from Python functions
+nbsp;+nbsp;+nbsp;- The LangChain @tool decorator
+nbsp;+nbsp;+nbsp;- Tool names, descriptions and input schemas
+nbsp;+nbsp;+nbsp;- Multiple tools and tool selection
- Running an agent and managing state
+nbsp;+nbsp;+nbsp;- Invoking an agent
+nbsp;+nbsp;+nbsp;- Messages and agent state
+nbsp;+nbsp;+nbsp;- Short-term memory
+nbsp;+nbsp;+nbsp;- Structured output
- Reliability and control
+nbsp;+nbsp;+nbsp;- Error handling and tool failures
+nbsp;+nbsp;+nbsp;- Stop conditions and iteration limits
+nbsp;+nbsp;+nbsp;- Tracing and debugging agent execution
- Putting it all together
+nbsp;+nbsp;+nbsp;- Building an end-to-end AI agent
€1.535
Klassikaal
max 12
AI Workloads on Kubernetes (English) (Virtual)
Virtueel
do 15 apr. 2027
en 2 andere data
Lesmethode :
Virtueel
Algemeen :
In this hands-on, two-day Kubernetes course, you learn how to prepare and operate a Kubernetes platform for GPU-accelerated AI workloads. AI and machine learning workloads need scalable compute, GPU acceleration and flexible resource management. You see how GPUs and other accelerators are made available to Kubernetes, how AI applications request and share these resources, and how Kubernetes schedules workloads based on their requirements.
The course focuses on the infrastructure and platform engineering side of AI. You work with GPU-enabled Kubernetes nodes and make them available through the NVIDIA GPU Operator, device plugins and GPU runtime. You then manage those resources with requests and limits, GPU sharing, Dynamic Resource Allocation, ResourceClaims, workload priorities and quotas. On top of that you scale workloads with the Horizontal Pod Autoscaler and KEDA, serve Large Language Models with vLLM, run AI and ML pipelines with Kubeflow, and monitor everything with Prometheus and Grafana.
Theory and practice alternate throughout the course. Every topic is followed by hands-on exercises in your own Kubernetes environment, where you deploy, schedule, scale, monitor and troubleshoot AI workloads. You do not train machine learning models yourself; instead, you learn how to provide a Kubernetes environment in which data scientists, ML engineers and AI applications can run their workloads reliably.
Doel :
After this AI Workloads on Kubernetes course, you can prepare and operate a Kubernetes platform for GPU-accelerated AI workloads, and deploy, schedule, scale and monitor these workloads reliably. You also know how technologies such as the NVIDIA GPU Operator, Dynamic Resource Allocation, KEDA, vLLM and Kubeflow fit into your Kubernetes environment.
Doelgroep :
Engineers who run or support AI and machine learning workloads on Kubernetes, such as DevOps Engineers, Platform Engineers, Kubernetes Administrators, Cloud Engineers and Infrastructure Engineers. The course focuses on the platform and operational side of AI workloads and is not a machine learning or data science course.
Voorkennis :
The following prior knowledge is required:
- Kubernetes Fundamentals
- Experience with AI or machine learning is a plus; experience training machine learning models is not required.
Onderwerpen :
- Introduction to AI workloads on Kubernetes
+nbsp;+nbsp;+nbsp;- AI platform architecture
+nbsp;+nbsp;+nbsp;- CNCF AI platform architecture and ecosystem
+nbsp;+nbsp;+nbsp;- CPU versus GPU workloads
- GPU-enabled Kubernetes nodes
+nbsp;+nbsp;+nbsp;- From hardware to Kubernetes
+nbsp;+nbsp;+nbsp;- NVIDIA GPU Operator
+nbsp;+nbsp;+nbsp;- NVIDIA device plugins and GPU runtime
- Deploying applications with GPU requirements
+nbsp;+nbsp;+nbsp;- Deploying GPU workloads
+nbsp;+nbsp;+nbsp;- Kubernetes resource requests and limits
- GPU resource management
+nbsp;+nbsp;+nbsp;- GPU sharing
+nbsp;+nbsp;+nbsp;- Dynamic Resource Allocation (DRA)
+nbsp;+nbsp;+nbsp;- ResourceClaims
+nbsp;+nbsp;+nbsp;- Workload priorities and quotas
- Scheduling workloads
+nbsp;+nbsp;+nbsp;- Scheduling AI workloads
+nbsp;+nbsp;+nbsp;- Batch workloads
- Autoscaling workloads
+nbsp;+nbsp;+nbsp;- Autoscaling AI workloads
+nbsp;+nbsp;+nbsp;- Horizontal Pod Autoscaler
+nbsp;+nbsp;+nbsp;- Event-driven scaling with KEDA
+nbsp;+nbsp;+nbsp;- AI-aware scheduling and KAI Scheduler concepts
- AI use cases
+nbsp;+nbsp;+nbsp;- Large Language Model inference
+nbsp;+nbsp;+nbsp;- Deploying LLMs on Kubernetes
+nbsp;+nbsp;+nbsp;- Model serving with vLLM
+nbsp;+nbsp;+nbsp;- Concurrent inference workloads
+nbsp;+nbsp;+nbsp;- Distributed inference concepts
+nbsp;+nbsp;+nbsp;- Introduction to Kubeflow
+nbsp;+nbsp;+nbsp;- AI and ML pipelines on Kubernetes
- Monitoring
+nbsp;+nbsp;+nbsp;- Monitoring GPU workloads
+nbsp;+nbsp;+nbsp;- Prometheus metrics
+nbsp;+nbsp;+nbsp;- Grafana dashboards
+nbsp;+nbsp;+nbsp;- Troubleshooting AI workloads
€1.535
Klassikaal
max 12
AI Brain
Create the knowledge infrastructure your organisation needs to become AI-native
Build Your Organisation’s "AI Brain" - the knowledge infrastructure needed to become AI-native
Most organisations are already experimenting with AI, employees are prompting, teams are building agents but there is a fundamental problem:
AI does not know your organisation, its policies, ways of working or knowledge.
It does not automatically know your policies, products, customers, processes, decisions, systems, expertise, or institutional knowledge. To become truly AI-native, organisations need something more fundamental - an 'AI Brain'.
An AI Brain is a trusted, governed and continuously updated Enterprise Context Layer that allows people and AI agents to access, understand and use the organisation’s collective knowledge.
This training shows you how to design, build and use an AI Brain. This is a prerequisite to becoming AI Native.
Building the AI Brain is designed for users, stewards and architects of AI in an organisation. This is a prerequisite for an organisation to become AI Native with human users and AI Agents working with the brain as a primary source of knowledge - an Enterprise's Context Layer - to let AI Agents know how to operate in the enterprise environment.
This course is suitable for:
- Users: Anyone who works with AI as part of their job — they will ask the brain questions, capture what they learn and run sessions.
- Stewards: Those who set up and manage the brain'c content including structure, taxonomy, policy and knowledge curation.
- Architects: Those who set up the technical infrastructure for the brain and its linkage to users and agents.
- Sponsors: Business managers who are accountable for value, risk, budget and major decisions relating to the brain.
This course does not require users, stewards or sponsors to have deep technical knowledge. Architects do require a technical background to be able to set up the technical infrastructure.
The learning objectives that all users share are:
- Understand why an AI Brain (Enterprise Context Layer) is necessary in an organisation
- Learn and use key vocabulary and concepts such as 'canonical' and 'knowledge'
- Apply the key principles of working with an AI Brain including categorisation of knowledge
- Identify risks, recognise failures and know how to remedy these
- Navigate, retrieve and use knowledge from the AI Brain
- Contribute knowledge to the AI Brain
In addition per role:
Stewards
- Create and curate knowledge
- Manage the corpus of knowledge
- Assignment of trust levels
- Setting access rights
- Define policies and conventions for human and agent use
Architects
- Set up internal structures: substrate, trust gradient, schemes etc
- Set up permissions and content classifications
- Set up retrieval architecture and agent access
- Specify audit requirements
Users or AI Developers
- Understand how their AI applications are connected to the brain
- Learn to work via the brain to find existing knowledge or relevant policies
- Experience the benefit of working using the brain
This learning path consists of:
- an eLearning consisting of a series of multi-media micro-learnings
- overviews of the Axveco AI Brain as a live working example (Claude - Obsidian)
- support via our AI 'learning buddy' to help you learn and test your knowledge
- Two days participation in our classical session in Utrecht with an English speaking trainer
Note that an organisation will purchase their own infrastructure when implementing their own brain (not included in the course). We use the Axveco AI Brain as an example in the eLearning and during the course.
€1.495
Online
16 uren
Architecture with Claude Code
Laapersveld 27, Hilversum
ma 14 dec. 2026
Claude will write you a polished architecture document in under a minute. It will also invent a constraint, over-trust a Slack thread, and present an inference as an established fact — all in the same confident tone. That is the real problem AI creates for architects: not bad output, but output that is too plausible to review casually.
This training teaches the working method that makes AI genuinely useful for architecture work anyway. Over one day you run a compressed but realistic engagement with Claude Code as your working partner: making sense of a vague request, following evidence as it shifts, judging when you know enough to move into design, reviewing a proposal against its alternatives, and recording a decision you can defend. Every architect does some version of this, whatever their organisation calls the stages.
You learn to bound Claude’s context, keep provenance intact, retrieve only what a decision actually needs, and prove that your documents and diagrams still agree instead of trusting fluent prose. Above all, you learn to draw a clear line between what AI prepares and what you, as the accountable architect, decide.
€1.195
Klassikaal
max 12
HBO
Incompany training - Schrijven op taalniveau B1
Schrijf je voor lezers op taalniveau B1? Dan begrijpt 80 procent van je lezers jouw tekst meteen. Dat is inclusief de 2,6 miljoen Nederlanders die moeite hebben met lezen, plus iedereen die haast heeft of jouw vakgebied niet kent. En je collega bij het klantcontactcentrum, die elke ochtend uitlegt welke bijlage nu precies bij dat formulier moet, kan eindelijk aan andere inhoudelijke taken beginnen.
In onze training leer je schrijven voor lezers met B1-niveau zonder dat je tekst kinderachtig wordt. Daarbij oefen je altijd met eigen brieven, webteksten of formulieren, zodat je alles meteen toepast in je eigen werk.
Je leert:
de boodschap in de eerste tien woorden zetten;
de verschillende lezersniveaus en waarom B1 de meeste mensen bereikt;
actief schrijven met werkwoorden die iets doen;
korte zinnen tikken die de aandacht vasthouden;
herkennen welk woord jouw lezer laat afhaken, en waarmee je het vervangt;
een tekst opbouwen die je lezer volgt tot de laatste zin.
Waarom B1 ook je digitale toegankelijkheid helpt
Sinds juni 2025 moeten veel organisaties voldoen aan de wetgeving digitale toegankelijkheid. Daarvoor volg je de WCAG-richtlijnen die eisen stellen aan je taal: op niveau AA moet je content begrijpelijk zijn. Schrijf je op B1-niveau, dan voldoe je aan die taaleis.
Voor wie
Voor elke communicatieprofessional die wil dat zijn teksten gelezen en begrepen worden door iedereen die ze opent. Wil jij dat het formulier in één keer goed ingevuld wordt en de brief over een afgewezen aanvraag in één keer wordt begrepen? Dan past onze training perfect bij jou.
Praktisch
bij jou op locatie (5 tot 12 personen)
je werkt met je eigen teksten
met bewijs van deelname
na afloop ontvang je extra tips per mail
B1-training is een kunst
Kies je voor een incompany training? Dan maken we jouw collega’s alvast enthousiast met een kunstroute. Daarbij leveren we tien posters met korte teasers die je een paar dagen van tevoren ophangt. Zo is iedereen al nieuwsgierig naar het thema voordat we beginnen.
Zo blijft het hangen
Na afloop krijgt iedereen een spiekbriefje in de vorm van een schrijfwijzer, met de woorden en zinsconstructies uit jullie eigen training. Wil je er een thema bij? Kies dan voor een verdiepend thema dat we door de training mengen. Ga bijvoorbeeld voor SEO en GEO, interne communicatie of employer branding.
Klaar om je lezer te bereiken? Vraag een incompany-offerte aan.
In-company / Maatwerk
max 12