Opleidingen

IT Automation. The IT Automation Training: LearningKit prepares professionals to modernize IT operations through intelligent automation, governance, and cloud-native operational practices. This comprehensive LearningKit explores the technologies and methodologies that enable organizations to automate infrastructure management, operational monitoring, policy enforcement, security controls, compliance activities, and risk management. You'll build a strong understanding of automation frameworks before advancing into enterprise governance strategies for cloud, hybrid, and multi-cloud environments. The curriculum covers automated monitoring, configuration management, continuous compliance, security automation, incident response, risk mitigation, governance automation, and operational optimization. Throughout the training, you'll discover how automation improves consistency, accelerates response times, enhances security, and supports continuous improvement across enterprise IT ecosystems. Ideal for IT administrators, cloud engineers, DevOps professionals, platform engineers, security specialists, and infrastructure architects, this LearningKit provides the practical expertise required to design and implement scalable, secure, and well-governed automation solutions that support modern digital enterprises. This LearningKit with more than 7 hours of learning is divided into three tracks: Course Outcome Track 1: IT Automation Fundamentals Explore the core principles of IT automation and governance, including operations, monitoring, policies, configurations and governance in modern cloud environments. Foundations of IT Automation for Governance IT Automation for Operations and Monitoring Automating Policies and Configurations Governance Automation in Cloud Environments Foundations of IT Automation for Governance Course: 39 Minutes Course Overview Fundamentals of IT Automation Automation in Governance and Compliance Common Automation Tools and Scripting Automating Repetitive Processes Using Schedulers for Governance Governance Benefits of Automation Creating Automation Workflows Version Control for Automation Scripts Security Considerations in Automation Knowledge Check: Reviewing the Fundamentals of IT Automation9 Course Summary IT Automation for Operations and Monitoring Course: 41 Minutes Course Overview Automating System Health Checks Automating Log Parsing and Alerts Detecting Incidents Automatically Tracking Resource Usage Automatically Streamlining Repetitive Operations Applying Automation at Scale Integrating Automation with ITSM Ensuring Backup Governance Troubleshooting Automated Processes Automating Compliance and Reporting Knowledge Check: Reviewing IT Automation for Operations and Monitoring Course Summary Automating Policies and Configurations Course: 42 Minutes Course Overview Infrastructure Automation Automated Patching Workflows Policy Enforcement via Automation Security Baseline Enforcement via Automation Automated Compliance Reviews Risk Reduction Through Automation Ensuring Consistent Setups Providing Audit-Ready Evidence Knowledge Check: Reviewing Automating Policies and Configurations Course Summary Governance Automation in Cloud Environments Course: 44 Minutes Course Overview Cloud Governance Challenges Shared Responsibility and Policies Infrastructure-as-Code (IaC) Automation Policy Enforcement Automation Security Monitoring Automation Compliance Checks Automation Backup and Recovery Automation Multi-Cloud and Hybrid Governance Knowledge Check: Reviewing Governance Automation in Cloud Environments Course Summary Assessment: Final Exam: IT Automation Fundamentals Track 2: Advanced IT Automation Gain deeper expertise in automating security controls, audit and compliance tasks, risk mitigation, incident response, hybrid cloud and multi-cloud governance. IT Automation: Automating Security and Risk Controls IT Automation: Automating Audit and Compliance Tasks IT Automation: Continuous Improvement Through Automation IT Automation: Governance Automation in Hybrid and Multi-Cloud Environments IT Automation: Automating Risk Mitigation and Incident Response IT Automation: Advanced Governance Automation and Future Trends IT Automation: Automating Security and Risk Controls Course: 56 Minutes Course Overview Scope of Security Automation Automate Scanning and Patch Processes Manage Identities and Access Automatically Detect Threats Automatically Knowledge Check: Assessing Automated Security and Threat Management Patching Automation and User Access Verification Enforce Security Policies Automatically Automating Risk Evaluation Enhance Detection with Threat Feeds Configuring Real-Time Alert Automation Create Audit-Ready Security Reports Knowledge Check: Evaluating Automated Security Enforcement and Monitoring Course Summary IT Automation: Automating Audit and Compliance Tasks Course: 40 Minutes Course Overview Compliance Framework Basics Automate Evidence Collection Automating Log Collection Scripts Control Validation Automation Knowledge Check: Assessing Automated Compliance Validation and Auditing Automated Compliance Dashboards Exploring Compliance Dashboards Workflow Automation for Audit Trails Automating Regulatory Reporting Audit Simulation and Testing Knowledge Check: Evaluating Automated Compliance Monitoring and Reporting Course Summary IT Automation: Continuous Improvement Through Automation Course: 39 Minutes Course Overview Monitoring Automation Effectiveness Monitoring KPIs in Automation Feedback Loops in Automation Optimizing Automated Workflows Knowledge Check: Exploring Automation Efficiency Assessment and Improvement Implementing Feedback-Driven Optimization Continuous Policy Updates Using AI for Continuous Improvement Scaling Improvements Across Teams Knowledge Check: Exploring Continuous Improvement for Automation Course Summary IT Automation: Governance Automation in Hybrid and Multi-Cloud Environments Course: 40 Minutes Course Overview Hybrid and Multi-Cloud Governance Foundations Automating Identity and Access in Multi-Cloud Automating Multi-Cloud Resource Provisioning Provisioning a Multi-Cloud Resource Knowledge Check: Implementing Multi-Cloud Governance and Provisioning Automation Policy Enforcement in Hybrid Environments Automated Compliance Monitoring Across Clouds Monitoring Multi-Cloud Compliance Cost Governance Automation Scaling Governance Across Multi-Cloud Knowledge Check: Implementing Multi-Cloud Governance Course Summary IT Automation: Automating Risk Mitigation and Incident Response Course: 48 Minutes Course Overview Incident Response Fundamentals Automating Incident Detection Recognizing Automated Incident Detection Automated Containment Strategies Knowledge Check: Reviewing Automated Incident Response Automating Mitigation Playbooks Automating Recovery Workflow Post-Incident Review Automation Compliance in Incident Automation Knowledge Check: Assessing the Automated Incident Recovery Lifecycle Course Summary IT Automation: Advanced Governance Automation and Future Trends Course: 43 Minutes Course Overview Orchestration Tools AI-Driven Governance Automation Detecting Anomalies with AI-Driven Automation Predictive Compliance and Risk Mitigation Building a Predictive Compliance Dashboard RegTech and Automation Future of IT Governance Automation Knowledge Check: Evaluating AI-Driven Governance and Compliance Automation Course Summary Specificaties Taal: Engels Kwalificaties van de Instructeur: Gecertificeerd Cursusformaat en Lengte: Lesvideo's met ondertiteling, interactieve elementen en opdrachten en testen Lesduur: 7:12 uur Assesments: De assessment test uw kennis en toepassingsvaardigheden van de onderwerpen uit het leertraject. Deze is 365 dagen beschikbaar na activering. Online Virtuele labs: Ontvang 12 maanden toegang tot virtuele labs die overeenkomen met de traditionele cursusconfiguratie. Actief voor 365 dagen na activering, beschikbaarheid varieert per Training. Online mentor: U heeft 24/7 toegang tot een online mentor voor al uw specifieke technische vragen over het studieonderwerp. De online mentor is 365 dagen beschikbaar na activering, afhankelijk van de gekozen Learning Kit. Voortgangsbewaking: Ja Toegang tot Materiaal: 365 dagen Technische Vereisten: Computer of mobiel apparaat, Stabiele internetverbindingen Webbrowserzoals Chrome, Firefox, Safari of Edge. Support of Ondersteuning: Helpdesk en online kennisbank 24/7 Certificering: Certificaat van deelname in PDF formaat Prijs en Kosten: Cursusprijs zonder extra kosten Annuleringsbeleid en Geld-Terug-Garantie: Wij beoordelen dit per situatie Award Winning E-learning: Ja Tip! Zorg voor een rustige leeromgeving, tijd en motivatie, audioapparatuur zoals een koptelefoon of luidsprekers voor audio, accountinformatie zoals inloggegevens voor toegang tot het e-learning platform.

Site Reliability Engineering/Data Reliability Engineering (SRE/DRE) Toolbox. The Site Reliability Engineering/Data Reliability Engineering (SRE/DRE) Toolbox Training: LearningKit prepares professionals to build, automate, monitor, and optimize resilient cloud infrastructures using modern Site Reliability Engineering and Data Reliability Engineering methodologies. This comprehensive LearningKit combines technical expertise with operational excellence across four integrated learning tracks covering SRE Foundations, SRE Management, SRE Tools, and Data Reliability Engineering. You'll master observability, monitoring, incident management, log analytics, capacity planning, deployment automation, configuration management, service discovery, cloud operations, and multi-cloud deployment strategies. Practical implementation is a central focus throughout the program. You'll work with industry-leading technologies including Prometheus, Grafana, Alertmanager, Google Cloud Operations, the Elastic (ELK) Stack, Spinnaker, Puppet, Apache ZooKeeper, Consul, and modern cloud platforms while learning how to improve reliability, automate deployments, coordinate distributed services, and strengthen operational governance. Ideal for Site Reliability Engineers, Data Reliability Engineers, DevOps professionals, cloud architects, platform engineers, systems administrators, and technical operations teams, this LearningKit provides the technical expertise required to build highly available systems, reliable data platforms, and scalable cloud-native infrastructures capable of supporting today's mission-critical enterprise applications. This LearningKit with more than 29 hours of learning is divided into three tracks: Course Outcome Track 1: Site Reliability Engineering Foundations Build the foundation for reliable services with SRE principles, observability, monitoring, Prometheus, Grafana, Alertmanager, logging and Google Cloud Operations. Introduction to SRE and Essential Tools Implementing SRE Best Practices with Tools Site Reliability Engineering Network Optimization Site Reliability Engineering Observability Comprehensive Monitoring with Prometheus Comprehensive Monitoring with Grafana Alerting and Logging with Alertmanager Alerting and Logging with Google Cloud Operations Introduction to SRE and Essential Tools Course: 1 Hour, 35 Minutes Course Overview Site Reliability Engineers The Evolution of Site Reliability Engineering (SRE) Site Reliability Engineering Role Site Reliability Engineering Principles Key Site Reliability Engineering Metrics Error Budgeting Essential Site Reliability Engineering Tools SRE vs. IT Tools Site Reliability Engineering Lifecycle Incident Response and Postmortem Analysis Automation and System Reliability Cultural Impacts of SRE Using Monitoring Tools Using Dashboards in Grafana Course Summary Implementing SRE Best Practices with Tools Course: 1 Hour, 8 Minutes Course Overview Monitoring and Alerting Best Practices Define Service-level Objectives (SLOs) and Service-level indicators (SLIs) Incident Management Automation Tools Integration with Workflows Capacity Planning and Resource Allocation Service-level Indicators Continuous Improvement Implementing an Incident Response Simulation Automating Routine Maintenance Tasks Course Summary Site Reliability Engineering Network Optimization Course: 1 Hour, 26 Minutes Course Overview Network Optimization for Site Reliability Engineering (SRE) Common Network Bottlenecks Network Performance and Latency Network Performance Optimization Network Design and Service Reliability Redundant Network Pathway Strategies Network Troubleshooting and Diagnosis Network Monitoring and Management Tools Network Load Balancing and Traffic Management Network Communication Security Conducting Wireshark Network Performance Analysis Implementing Linux IPVS Load Balancing Course Summary Site Reliability Engineering Observability Course: 1 Hour, 31 Minutes Course Overview Site Reliability Engineering (SRE) Observability SRE Observability Pillars SRE Observability Tools SRE Distributed System Observability Log Management and Analysis Strategies Network Metric Collection and Analysis Network Trace Analysis Network Observability Use Cases Network Observability Alerts Network Observability Root Cause Analysis Setting up .Net Core Logging Configuring Datadog Monitoring and Alerting Working with Microsoft Network Analyzer Course Summary Comprehensive Monitoring with Prometheus Course: 1 Hour, 22 Minutes Course Overview Prometheus Monitoring Prometheus Characteristics and Components The Prometheus Data Model Prometheus Metric Types Prometheus Jobs and Instances Structure of Labels in Prometheus Guidelines for Prometheus Consoles and Dashboards Long-Term Storage in Prometheus Storage and Performance Optimization Scaling Prometheus Monitoring Prometheus at Scale Installing Prometheus Configuring Prometheus Course Summary Comprehensive Monitoring with Grafana Course: 1 Hour, 10 Minutes Course Overview The Grafana Platform Grafana Dashboard Design Best Practices Grafana Dashboard Security Installing Grafana Connecting Prometheus in Grafana Using Grafana's Query Editor Designing Dashboards in Grafana Leveraging the Grafana API Using Annotations in Grafana Creating Alerts in Grafana Course Summary Alerting and Logging with Alertmanager Course: 1 Hour, 10 Minutes Course Overview Prometheus Alerting Prometheus Alertmanager Best Practices Prometheus Alertmanager Alert Grouping Prometheus Alertmanager Inhibition Prometheus Alertmanager Silences Prometheus Alertmanager High Availability Notification Templates Installing Alertmanager Configuring Alertmanager Setting Up and Testing Alerts in Alertmanager Leveraging Alertmanager’s Management API Course Summary Alerting and Logging with Google Cloud Operations Course: 1 Hour, 14 Minutes Course Overview Google Cloud Operations Google Cloud Observability Logging Use Cases Cloud Monitoring Metrics, Time Series Data, and Resources Cloud Audit Logs Hybrid and Multicloud Deployments Google Cloud Operations Querying Logs in Google Cloud Creating Metric-Threshold Alert Policies Leveraging the Cloud Monitoring Dashboard API Course Summary Assessment: Final Exam: Site Reliability Engineering Foundations Track 2: Site Reliability Engineering Management Develop advanced operational leadership skills for incident management, postmortems, Elastic Stack, capacity planning, load testing and performance optimization. SRE Incident Management: Deep Dives, Postmortems, & Continuous Improvement SRE Incident Management: Fundamentals & Best Practices Elastic (ELK) Stack for Log Management Advanced Techniques in Elastic Stack SRE: Capacity Planning & Load Testing Essentials SRE: Advanced Capacity Planning & Performance Optimization SRE Incident Management: Fundamentals & Best Practices Course: 1 Hour, 20 Minutes Course Overview Fundamentals of SRE Incident Management The SRE Incident Response Team SRE Incident Management Procedures SRE Incident Management Communication Planning SRE Incident Management Documentation SRE Incident Management Tracking SRE Best Practices for Incident Triage SRE Incident Response Team Wellness SRE Incident Postmortem SRE Incident Continuous Improvement Implementing an Incident Response Simulation Course Summary SRE Incident Management: Deep Dives, Postmortems, & Continuous Improvement Course: 1 Hour, 42 Minutes Course Overview SRE Incident Analysis SRE Incident Response and Postmortem Analysis Postmortem Meeting Facilitation SRE Incident Continuous Improvement SRE Response Effectiveness Measurements SRE Psychological Safety and Communication SRE Incident Response Awareness Training SRE Tool and Automation Enhancement SRE Incident Response Organizational Awareness SRE Incident Responsiveness Improvements Course Summary Elastic (ELK) Stack for Log Management Course: 1 Hour, 26 Minutes Course Overview ELK Stack Log Management Installing and Configuring Elasticsearch Installing and Configuring the Kibana Visualization Tool Installing Logstash and Configuring the Data Processing Pipeline Configuring Logstash to Process Log Events Exploring Kibana Dashboards Logstash Pipelines Using Elasticsearch Query Domain Specific Language (DSL) Advanced Elasticsearch Query Development Creating Dynamic Dashboards in Kibana Elasticsearch Integration Course Summary Advanced Techniques in Elastic Stack Course: 1 Hour, 20 Minutes Course Overview Elastic Stack Security Securing the Elastic Stack with RBAC Advanced Logstash Filters Implementing Rules and Alerts with Elastic Stack Elasticsearch Optimization Elasticsearch ML Features Configuring Elastic Machine Learning Creating Elasticsearch Anomaly Detection High Availability Elasticsearch Clusters Configuring Scalable and Highly Available Clusters Elastic Stack Audit Course Summary SRE: Capacity Planning & Load Testing Essentials Course: 1 Hour, 2 Minutes Course Overview Site Reliability Engineering Capacity Planning Site Reliability Engineering Load Testing Performance and Capacity Metrics Load Testing Load Testing Tools Load Testing Analysis Load Test Scenarios Load Testing Strategy Scaling Strategies Course Summary SRE: Advanced Capacity Planning & Performance Optimization Course: 1 Hour Course Overview Designing Complex Load Test Scenarios Advanced Performance Analysis Techniques Business Continuity and Strategic Planning Predictive Analytics and Modeling Techniques Continuous Capacity Automation Frameworks Capacity Planning Case Studies Infrastructure Cost Optimization Proactive Monitoring Strategies Performance Testing Reports Course Summary Assessment: Final Exam: Site Reliability Engineering Management Track 3: Site Reliability Engineering Tools Gain tool-centric expertise with Spinnaker, Puppet, ZooKeeper, Consul, cloud services, deployment fundamentals and advanced multicloud strategies. Spinnaker and Deployment Fundamentals Advanced Spinnaker Deployment Strategies and Security Puppet Essentials and Configuration Management Basics Advanced Puppet Configuration and Automation Techniques Site Reliability Engineering: Apache ZooKeeper for Distributed Systems Site Reliability Engineering: Consul for Service Discovery and Configuration Site Reliability Engineering Toolbox: Cloud Services & Deployment Fundamentals Site Reliability Engineering Toolbox: Advanced Multicloud Strategies and Best Practices Spinnaker and Deployment Fundamentals Course: 1 Hour, 34 Minutes Course Overview Spinnaker Fundamentals Installing and Configuring Spinnaker Creating Spinnaker Deployment Pipelines Integrating Spinnake Spinnaker Cloud Deployments Spinnaker Triggers and Conditional Deployments Monitoring in Spinnaker Customizing Spinnaker Pipelines Course Summary Advanced Spinnaker Deployment Strategies and Security Course: 1 Hour, 42 Minutes Course Overview Rollbacks and Staged Rollouts in Spinnaker Access Control in Spinnaker Pipeline Stages in Spinnaker Designing Custom Spinnaker Pipeline Stages Utilizing Spinnaker Webhooks Spinnaker Plugins Advanced Deployment Strategies Security Scans and Compliance Checks in Spinnaker Optimizing Spinnaker Pipeline Templates Spinnaker Disaster Recovery Strategies Course Summary Puppet Essentials and Configuration Management Basics Course: 57 Minutes Course Overview Puppet Fundamentals Accessing Hardened Puppet Core Repositories Generating Puppet Infrastructure Configuring a Puppet Master and Agent Setup Writing Puppet Manifest Configurations Puppet Components Puppet Configuration Management Implementing Puppet Version Control Classify Puppet Nodes Puppet Configuration Troubleshooting Course Summary Advanced Puppet Configuration and Automation Techniques Course: 52 Minutes Course Overview Puppet Complex Configurations Puppet Custom Resource Types Testing and Deploying Puppet Code Hiera for Hierarchical Data Storage Configure Hiera Puppet Code Dependency Management PuppetDB Extend Puppet with Custom Functions and Facts Puppet Modules Course Summary Site Reliability Engineering: Apache ZooKeeper for Distributed Systems Course: 1 Hour, 28 Minutes Course Overview Installing and Configuring a ZooKeeper Ensemble Exploring ZooKeeper's Core Functionality ZooKeeper Architecture and Data Model Managing and Manipulating Data in ZooKeeper Using ZooKeeper for Distributed Locks and Barriers Configuring Service Discovery with ZooKeeper Monitoring and Troubleshooting ZooKeeper Ensembles Securing ZooKeeper with Authentication and Authorization Optimizing ZooKeeper for Large-Scale Systems Integrating ZooKeeper with Distributed Systems Best Practices for Scaling ZooKeeper Environments Implementing Distributed Locks with ZooKeeper Course Summary Site Reliability Engineering: Consul for Service Discovery and Configuration Course: 1 Hour, 31 Minutes Course Overview Consul Architecture and Core Concepts Deploying a Consul Cluster Configuring a Consul Server with TLS and ACLs Creating Consul Server Tokens Configuring Consul Clients Registering Services in Consul Catalog Configuration with Consul KV Store Service Segmentation with Consul Connect Real-Time Updates with Consul Templates Application Integration with Consul Monitoring and Troubleshooting Consul Operations Best Practices for Scaling and Securing Consul Leveraging Dynamic Consul Templates Course Summary Site Reliability Engineering Toolbox: Cloud Services & Deployment Fundamentals Course: 56 Minutes Course Overview Cloud Computing Basics and SRE’s Role in the Cloud AWS EC2, S3, RDS, and CloudWatch Services GCP Compute Engine, Storage, BigQuery, and Cloud Operations Services Azure VMs, Blob Storage, and Monitor Services Automated Deployments and Infrastructure as Code (IaC) Multicloud Networking and Connectivity Strategies Configuring Scalable and Resilient Cloud Storage Managing Scalable and Resilient Cloud Storage Course Summary Site Reliability Engineering Toolbox: Advanced Multicloud Strategies and Best Practices Course: 1 Hour, 50 Minutes Course Overview Cloud Security and Identity Access Management Log Management and Monitoring Across Cloud Services Cloud Cost Management and Optimization Techniques AI/ML Services for Efficiency and Cost Optimization Comprehensive Multicloud Strategy Development Case Studies of Real-World Multicloud Strategies Setting Up Cloud Automation for AWS and Terraform Designing a High Availability (HA) Application with Failover Deploying a High Availability (HA) Solution with Failover Confirming the Resilience of a High Availability (HA) Solution with Failover Replicating Data Between Providers via a Pipeline Designing a Multi-Tier, Multicloud Solution for Deployment Deploying a Multi-Tier, Multicloud Application Designing a Monitoring Solution for a Multicloud App Configuring a Monitoring Solution for a Multicloud App Course Summary Assessment: Final Exam: Site Reliability Engineering Tools Track 4: Data Reliability Engineering Learn how to build trustworthy, resilient and scalable data systems that support reliable analytics, operational maturity and data-driven decision-making. Fundamentals of Data Reliability Engineering Advanced Practices and Applications in Data Reliability Engineering Core Tools for Data Reliability Engineering Operational Excellence in Data Reliability Engineering Strategic Foundations of Data Reliability Engineering Engineering Scalable Data Reliability Systems Fundamentals of Data Reliability Engineering Course: 36 Minutes Course Overview Data Reliability Engineering (DRE) DRE and SRE Roles and Responsibilities Skills and Qualifications for DRE Careers Principles of Data Reliability Metrics and Tools for Ensuring Data Accuracy Integrating DRE Practices into Workflows Course Summary Advanced Practices and Applications in Data Reliability Engineering Course: 1 Hour, 4 Minutes Course Overview Data Reliability’s Impact on Business Decisions Data Reliability Checks Case Studies of Data Reliability Engineering Challenges and Strategies in Data Reliability Engineering Creating Data Quality Monitoring Dashboards Using Distributed Locks for Data Consistency Automating Data Validation in CI/CD Pipelines Managing Data Schema Changes with Version Control Course Summary Core Tools for Data Reliability Engineering Course: 50 Minutes Course Overview Data Observability and Monitoring Tools in Data Reliability Engineering (DRE) Techniques for Assessing and Validating Data Quality Incident Management Frameworks for Data Systems Root Cause Analysis (RCA) for Data Reliability Issues Continuous Improvement in Data Reliability Comparing and Integrating Data Quality Frameworks Course Summary Operational Excellence in Data Reliability Engineering Course: 1 Hour, 3 Minutes Course Overview Detect and Prevent Common Data Anomalies Automate Alerts for Data Reliability Metrics Create Documentation for Data Systems Best Practices for Collaboration in Data Reliability Building Data Observability Dashboards with Grafana Conducting Data Quality Assessments Using Frameworks Simulating Incidents and Root Cause Analysis Processes Implementing Strategies for Continuous Data Improvement Course Summary Engineering Scalable Data Reliability Systems Course: 56 Minutes Course Overview Designing Pipeline Data Reliability Checks Strategies for Ongoing Data Quality Improvement Reliability Check Automation for Scalability Evaluating ROI and Impact of DRE Initiatives Creating a Data Governance Framework Implementing Security in Data Systems Performing Pipeline Data Quality Checks Course Summary Strategic Foundations of Data Reliability Engineering Course: 36 Minutes Course Overview Building a Comprehensive Data Reliability Framework Aligning Data Governance with Reliability Goals Establishing Data Security and Compliance Protocols Integrating DRE into Data Engineering Workflows Using Metrics and KPIs for Data Reliability Course Summary Assessment: Final Exam: Data Reliability Engineering Specificaties Taal: Engels Kwalificaties van de Instructeur: Gecertificeerd Cursusformaat en Lengte: Lesvideo's met ondertiteling, interactieve elementen en opdrachten en testen Lesduur: 29:21 uur Assesments: De assessment test uw kennis en toepassingsvaardigheden van de onderwerpen uit het leertraject. Deze is 365 dagen beschikbaar na activering. Online Virtuele labs: Ontvang 12 maanden toegang tot virtuele labs die overeenkomen met de traditionele cursusconfiguratie. Actief voor 365 dagen na activering, beschikbaarheid varieert per Training. Online mentor: U heeft 24/7 toegang tot een online mentor voor al uw specifieke technische vragen over het studieonderwerp. De online mentor is 365 dagen beschikbaar na activering, afhankelijk van de gekozen Learning Kit. Voortgangsbewaking: Ja Toegang tot Materiaal: 365 dagen Technische Vereisten: Computer of mobiel apparaat, Stabiele internetverbindingen Webbrowserzoals Chrome, Firefox, Safari of Edge. Support of Ondersteuning: Helpdesk en online kennisbank 24/7 Certificering: Certificaat van deelname in PDF formaat Prijs en Kosten: Cursusprijs zonder extra kosten Annuleringsbeleid en Geld-Terug-Garantie: Wij beoordelen dit per situatie Award Winning E-learning: Ja Tip! Zorg voor een rustige leeromgeving, tijd en motivatie, audioapparatuur zoals een koptelefoon of luidsprekers voor audio, accountinformatie zoals inloggegevens voor toegang tot het e-learning platform.

Machine Learning Practitioner. The Machine Learning Practitioner Training: LearningKit prepares professionals to build, optimize, deploy, and manage modern machine learning systems using today's most widely adopted AI engineering practices and tools. This comprehensive LearningKit follows the complete machine learning lifecycle—from feature engineering and model optimization to production deployment and continuous monitoring. You'll develop expertise in data preprocessing, feature selection, dimensionality reduction, hyperparameter optimization, anomaly detection, MLOps, model serving, CI/CD automation, and reinforcement learning. The curriculum provides extensive hands-on experience with advanced machine learning technologies including scikit-learn, Hyperopt, Ray Tune, Optuna, H2O AutoML, TensorFlow Keras Tuner, MLflow, Databricks, and modern deployment strategies such as batch, online, streaming, edge, blue/green, and A/B deployments. You'll also explore reinforcement learning concepts, implementing intelligent agents with Q-learning, SARSA, and Deep Q-Networks to solve dynamic decision-making problems. Ideal for machine learning engineers, data scientists, AI developers, MLOps engineers, platform engineers, and technical professionals, this LearningKit provides the advanced technical expertise required to transform machine learning models into reliable, scalable, and production-ready AI solutions that deliver measurable business value. This LearningKit with more than 21 hours of learning is divided into three tracks: Course Outcome Section 1: Feature Engineering for ML Models This section lays the foundation for high-performing machine learning models by focusing on data preparation and feature engineering. You will learn how to handle missing values and outliers, encode categorical variables and scale numeric features so that data is model-ready. Handling Missing Values and Outliers in Data Course: 1 Hour, 22 Minutes Course Overview Data Preparation Missing Values and Outliers Outlier Identification and Analysis Outlier Detection and Management Loading and Preparing Data for Cleaning Dropping Records and Imputing Values to Address Missing Data Implementing Multivariate Imputation Detecting and Visualizing Outliers with Box Plots Identifying and Computing Outliers Using IQR Capping Outliers with IQR and Evaluating Results Using the Z-Score Technique for Outlier Detection and Capping Course Summary Encoding Categorical Data for Machine Learning Course: 54 Minutes Course Overview Data Types and Processing Techniques One-Hot Encoding of Categorical Data Encoding Methods for Categorical Data Techniques for Encoding Categorical Variables Performing Label Encoding of Categorical Values Performing One-Hot Encoding of Nominal Categorical Variables Encoding Categorical Variables with the Ordinal Encoder Discretizing Variables and Training a Random Forest Model Course Summary Scaling Numeric Data for Machine Learning Course: 37 Minutes Course Overview Scaling Numeric Features Scaling Techniques and Their Applications Applying Min-Max Scaling to Numeric Features Implementing Standard Scaling and Frequency Encoding Training a KNN Classifier and Evaluating Performance Course Summary Feature Engineering Techniques for Machine Learning Course: 1 Hour, 7 Minutes Course Overview Feature Engineering Features and Mitigating Overfitting Risks Feature Creation and Model Impact Synthesizing Features and Constructing Scikit-Learn Pipelines Executing Pipeline Fit, Transformations, and Model Evaluation Performing Feature Engineering Modeling Non-Linear Relationships with Polynomial Features Creating Polynomial Features for a Regression Model Performing Log Transformations on Features Implementing Principal Component Analysis Applying Power Transformations and Performing PCA Course Summary Feature Selection and Dimensionality Reduction Course: 1 Hour, 11 Minutes Course Overview Feature Selection Methods Feature Selection Techniques Dimensionality Reduction with Principal Component Analysis (PCA) Analyzing Multicollinearity and Performing Feature Selection Performing Feature Selection Using Variance Threshold and the F-Statistic Applying Mutual Information Regression to Enhance Feature Selection Implementing Model-Based Feature Selection with Ridge Regression Executing Sequential Feature Selection Performing Classification Feature Selection Using Chi-Squared and F-Statistic Executing Recursive Feature Selection Course Summary Section 2: Hyperparameter Tuning for Machine Learning This section focuses on hyperparameter tuning, one of the most important drivers of model performance. You will learn the difference between model parameters and hyperparameters and explore techniques such as grid search, random search and cross-validation. Hyperparameter Tuning Techniques Course: 1 Hour, 12 Minutes Course Overview Model Parameters and Hyperparameters Hyperparameter Tuning Hyperparameter Tuning and Early Stopping Techniques Cross-Validation to Mitigate Overfitting K-Fold Cross-Validation Decision Trees and Hyperparameter Tuning Balancing Hyperparameters in Decision Trees Regularization and Splitting in Decision Trees Hyperparameter Tuning Algorithms Hyperparameter Tuning Methods Course Summary Hyperparameter Tuning with scikit-learn Course: 1 Hour, 51 Minutes Course Overview Hyperparameter Tuning with scikit-learn Performing Exploratory Data Analysis and Visualizing Correlations Building a Baseline Regression Model and Evaluating Performance Tuning Decision Tree Hyperparameters Executing GridSearchCV to Tune Regression Models Utilizing GridSearchCV Results and Analyzing Best Models Implementing and Evaluating RandomizedSearchCV Employing HalvingGridSearchCV for Hyperparameter Tuning Using HalvingGridSearchCV with Dynamic Resources Selecting Optimal Regression Models Through Hyperparameter Tuning Building a Baseline Classification Model Implementing Hyperparameter Tuning with GridSearchCV for Classification Models Performing GridSearchCV with Multiple Scoring Metrics Exploring Randomized and Halving Random Search Strategies Course Summary Hyperparameter Tuning with Hyperopt on Databricks Course: 1 Hour, 57 Minutes Course Overview The Databricks Platform Hyperopt on Databricks Search Algorithms in Hyperopt Creating a Databricks Workspace on Azure Configuring and Launching an Apache Spark Cluster Creating a Databricks Volume and Uploading CSV Data Writing Python Code Using Databricks Notebooks Encoding and Scaling Data and Training a Model Tracking a Model with MLflow and Exploring Experiment Data Executing and Analyzing Hyperparameter Tuning with Hyperopt Analyzing Hyperparameter Tuning Runs in Databricks Performing Distributed Hyperparameter Tuning with SparkTrials Course Summary Hyperparameter Tuning with Ray Tune on Databricks Course: 50 Minutes Course Overview Key Features of Ray Tune Performing Hyperparameter Tuning with Ray Tune Understanding Ray Tasks and MLflow Integration Executing Parallel Model Training and Logging with Ray Executing Hyperparameter Tuning with Ray Tune Course Summary Hyperparameter Tuning with Optuna Course: 59 Minutes Course Overview Hyperparameter Optimization with Optuna Training a Baseline Classification Model and Exploring the Confusion Matrix Running an Optuna Study to Find the Best Hyperparameters Interpreting an Optuna Study Visualizing Hyperparameter Tuning Using Optuna Dashboard Hyperopt vs. Optuna vs. Ray Tune Course Summary Automated Machine Learning with H2O AutoML Course: 54 Minutes Course Overview H2O AutoML Training Regression Models with H2O AutoML Automatically Tuning Multiple Models Using H2O AutoML Training Models with Diverse Algorithms Using H2O AutoML Interpreting Models with H2O’s Explain Function Course Summary Hyperparameter Tuning with Keras Tuner Course: 47 Minutes Course Overview Hyperparameter Optimization with Keras Tuner Utilizing Hyperparameter Tuning with Keras Tuner in Colab Training a Convolutional Network for Image Classification Tuning Hyperparameters with Keras Tuner Visualizing and Evaluating Hyperparameter Tuning with TensorBoard Course Summary Section 3: Anomaly Detection This section equips you with practical techniques to identify outliers, errors, fraud patterns and rare events that can affect data quality and model performance. Understanding Anomalies and Their Detection Course: 49 Minutes Course Overview What Are Anomalies? Point Anomalies Contextual Anomalies Collective Anomalies Course Summary Using Z-Scores and IQR for Anomaly Detection Course: 47 Minutes Course Overview Anomaly Detection with Z-Scores Anomaly Detection with Interquartile Ranges (IQR) Anomaly Detection with Modified Z-Scores Using Interquartile Ranges to Identify Anomalies Using Z-Scores and Modified Z-Scores for Anomaly Detection Course Summary Using LOF, iForest, and One-Class SVMs for Anomaly Detection Course: 1 Hour, 43 Minutes Course Overview Anomaly Detection with Local Outlier Factor (LOF) Performing Anomaly Detection Using LOF Configuring the Sensitivity of LOF Using Number of Neighbors Anomaly Detection with Isolation Forest (iForest) Performing Anomaly Detection Using iForest Visualizing and Interpreting Anomalies Using Scatter Plots and Histograms Anomaly Detection with One-Class Support Vector Machines (OC SVMs) Performing Anomaly Detection with One-Class SVM and a Linear Kernel Performing Anomaly Detection with One-Class SVM and an RBF Kernel Anomaly Detection with Elliptic Envelope Detection Performing Anomaly Detection with Elliptic Envelope Course Summary Section 4: MLOps and Model Deployment This section bridges the gap between model development and production. You will learn how MLOps extends DevOps practices to address machine learning-specific challenges such as data drift, model retraining, reproducibility, lifecycle management, CI/CD, infrastructure as code, containerization and automated testing. MLOps and Model Deployment: Model Deployment and Serving Strategies Course: 1 Hour, 18 Minutes Course Overview Model Deployment and Serving in MLOps Batch, Online, Streaming, and Edge Serving Modes Big Bang, Blue/Green, and A/B Deployment Strategies Model Hosting and Compute Choices Scalability Pattern and Update Frequency Model Servers and Managed ML Serving Platforms MLflow Information Captured in MLflow Runs Model Registry Course Summary MLOps and Model Deployment: Contextualizing MLOps and DevOps Course: 52 Minutes Course Overview Introducing MLOps CI/CD in MLOps IaC in MLOps Containerization and Orchestration in MLOps Automated Testing and Version Control in MLOps DevOps vs. MLOps Course Summary MLOps and Model Deployment: Training and Deploying Models Using MLflow on Databricks Course: 46 Minutes Course Overview Setting Up the Machine Learning Environment on Databricks Splitting and Preprocessing the Data for Machine Learning Training and Tracking Parameters and Metrics Using MLflow Runs Registering a Model with the MLflow Registry Deploying and Serving the Model Course Summary Section 5: Reinforcement Learning This section introduces reinforcement learning, a machine learning paradigm in which agents learn optimal behavior through trial, feedback and reward instead of labeled data. Implementing Simple Reinforcement Learning Methods Course: 44 Minutes Course Overview Set Up an Environment for a Reinforcement Learning Agent Instantiating and Training an Agent Visualizing Metrics for a Trained Agent Setting Up an Environment and Agent for Shortest Path Computation Visualizing Metrics for the Trained Shortest Path Agent Course Summary Contextualizing Reinforcement Learning Course: 58 Minutes Course Overview Contextualizing Reinforcement Learning Actions and States Environment Modeling and MDP Policy Search Dynamic Programming and Q-Learning Intuition Q-Learning and SARSA Deep Q Networks Course Summary Specificaties Taal: Engels Kwalificaties van de Instructeur: Gecertificeerd Cursusformaat en Lengte: Lesvideo's met ondertiteling, interactieve elementen en opdrachten en testen Lesduur: 21:36 uur Assesments: De assessment test uw kennis en toepassingsvaardigheden van de onderwerpen uit het leertraject. Deze is 365 dagen beschikbaar na activering. Online Virtuele labs: Ontvang 12 maanden toegang tot virtuele labs die overeenkomen met de traditionele cursusconfiguratie. Actief voor 365 dagen na activering, beschikbaarheid varieert per Training. Online mentor: U heeft 24/7 toegang tot een online mentor voor al uw specifieke technische vragen over het studieonderwerp. De online mentor is 365 dagen beschikbaar na activering, afhankelijk van de gekozen Learning Kit. Voortgangsbewaking: Ja Toegang tot Materiaal: 365 dagen Technische Vereisten: Computer of mobiel apparaat, Stabiele internetverbindingen Webbrowserzoals Chrome, Firefox, Safari of Edge. Support of Ondersteuning: Helpdesk en online kennisbank 24/7 Certificering: Certificaat van deelname in PDF formaat Prijs en Kosten: Cursusprijs zonder extra kosten Annuleringsbeleid en Geld-Terug-Garantie: Wij beoordelen dit per situatie Award Winning E-learning: Ja Tip! Zorg voor een rustige leeromgeving, tijd en motivatie, audioapparatuur zoals een koptelefoon of luidsprekers voor audio, accountinformatie zoals inloggegevens voor toegang tot het e-learning platform.

Cursusbeschrijving Centraal in deze cursus staat de persoonlijke, civielrechtelijke aansprakelijkheid van bestuurders (en commissarissen) van besloten en naamloze vennootschappen. Dit belangrijke thema krijgt door veranderende wetgeving en actuele jurisprudentie voortdurend nieuwe impulsen. Aan de hand van actuele wetgeving, rechtspraak en literatuur wordt uitgebreid ingegaan op de aansprakelijkheid van bestuurders van BV’s wegens onbehoorlijk bestuur, zowel binnen als buiten faillissement. Daarbij komen onder meer aan de orde situaties waarin bestuurders aansprakelijk kunnen worden gehouden wegens onverantwoorde dividenduitkeringen. Verder wordt ingegaan op de omstandigheden waaronder bestuurders door afzonderlijke schuldeisers van de vennootschap aansprakelijk kunnen worden gehouden wegens onrechtmatig handelen, bijvoorbeeld in situaties van selectieve betalingen of frustratie van verhaal. Daarnaast wordt ingegaan op (bestuurders)aansprakelijkheid in concernverband. Een onderwerp dat nauw verband houdt met het thema van doorbraak van aansprakelijkheid. Daarbij komen onder meer de volgende onderwerpen aan bod: aansprakelijkheid van een moedermaatschappij jegens schuldeisers van de dochtermaatschappij; doorbraak van bestuurdersaansprakelijkheid op grond van art. 2:11 BW; bestuurdersaansprakelijkheid op basis van art. 6:166 BW (groepsaansprakelijkheid); en vereenzelviging. Deze cursus wordt verzorgd door mr. Etzel van Dooren en prof. mr. Jan Berend Wezeman, beiden toonaangevende deskundigen op het gebied van het ondernemingsrecht. Etzel van Dooren is advocaat en professional support lawyer bij Houthoff en staat bekend om zijn diepgaande expertise op het gebied van concernverhoudingen en doorbraak van aansprakelijkheid. Hij promoveerde op het proefschrift De aansprakelijkheid op grond van een 403-verklaring. Jan Berend Wezeman is hoogleraar Handelsrecht en Ondernemingsrecht aan de Rijksuniversiteit Groningen en verbonden aan het Instituut voor Ondernemingsrecht Groningen/Rotterdam. Hij promoveerde, onder begeleiding van prof. Van Schilfgaarde, op het proefschrift Aansprakelijkheid van bestuurders. Sprekers Etzel van Dooren is advocaat en professional support lawyer bij Houthoff. Daarnaast is hij fellow bij het Molengraaff instituut voor privaatrecht van de Universiteit Utrecht. Hij is begin 2021 aan de Universiteit Utrecht gepromoveerd op het proefschrift ‘De aansprakelijkheid op grond van een 403-verklaring’. Etzel publiceert regelmatig op het gebied van het ondernemingsrecht. Jan Berend Wezeman (1959) is als hoogleraar Handelsrecht en Ondernemingsrecht verbonden aan de Rijksuniversiteit Groningen en aan het Instituut voor Ondernemingsrecht Groningen/Rotterdam. Hij promoveerde in 1998 bij Van Schilfgaarde op het proefschrift Aansprakelijkheid van bestuurders. Wezeman is redacteur van diverse ondernemingsrechtelijke uitgaven (o.a. SDU Commentaar Ondernemingsrecht) en publiceert regelmatig op het terrein van het ondernemingsrecht. Hij werkt als auteur onder meer mee aan het handboek Van de BV en de NV. Wezeman is op 26 april 2021 benoemd tot Officier in de Orde van Oranje Nassau.  Certificaat en opleidingspunten Na afloop van de cursus ontvangt u een certificaat van deelname (6 opleidingspunten / PO/PE). Lesmateriaal Als onderdeel van de cursus ontvangt u lesmateriaal (kort voorafgaand aan de cursus of direct na afloop van de cursus).

Cursusbeschrijving Centraal in deze cursus staat de persoonlijke, civielrechtelijke aansprakelijkheid van bestuurders (en commissarissen) van besloten en naamloze vennootschappen. Dit belangrijke thema krijgt door veranderende wetgeving en actuele jurisprudentie voortdurend nieuwe impulsen. Aan de hand van actuele wetgeving, rechtspraak en literatuur wordt uitgebreid ingegaan op de aansprakelijkheid van bestuurders van BV’s wegens onbehoorlijk bestuur, zowel binnen als buiten faillissement. Daarbij komen onder meer aan de orde situaties waarin bestuurders aansprakelijk kunnen worden gehouden wegens onverantwoorde dividenduitkeringen. Verder wordt ingegaan op de omstandigheden waaronder bestuurders door afzonderlijke schuldeisers van de vennootschap aansprakelijk kunnen worden gehouden wegens onrechtmatig handelen, bijvoorbeeld in situaties van selectieve betalingen of frustratie van verhaal. Daarnaast wordt ingegaan op (bestuurders)aansprakelijkheid in concernverband. Een onderwerp dat nauw verband houdt met het thema van doorbraak van aansprakelijkheid. Daarbij komen onder meer de volgende onderwerpen aan bod: aansprakelijkheid van een moedermaatschappij jegens schuldeisers van de dochtermaatschappij; doorbraak van bestuurdersaansprakelijkheid op grond van art. 2:11 BW; bestuurdersaansprakelijkheid op basis van art. 6:166 BW (groepsaansprakelijkheid); en vereenzelviging. Deze cursus wordt verzorgd door mr. Etzel van Dooren en prof. mr. Jan Berend Wezeman, beiden toonaangevende deskundigen op het gebied van het ondernemingsrecht. Etzel van Dooren is advocaat en professional support lawyer bij Houthoff en staat bekend om zijn diepgaande expertise op het gebied van concernverhoudingen en doorbraak van aansprakelijkheid. Hij promoveerde op het proefschrift De aansprakelijkheid op grond van een 403-verklaring. Jan Berend Wezeman is hoogleraar Handelsrecht en Ondernemingsrecht aan de Rijksuniversiteit Groningen en verbonden aan het Instituut voor Ondernemingsrecht Groningen/Rotterdam. Hij promoveerde, onder begeleiding van prof. Van Schilfgaarde, op het proefschrift Aansprakelijkheid van bestuurders. Sprekers Etzel van Dooren is advocaat en professional support lawyer bij Houthoff. Daarnaast is hij fellow bij het Molengraaff instituut voor privaatrecht van de Universiteit Utrecht. Hij is begin 2021 aan de Universiteit Utrecht gepromoveerd op het proefschrift ‘De aansprakelijkheid op grond van een 403-verklaring’. Etzel publiceert regelmatig op het gebied van het ondernemingsrecht. Jan Berend Wezeman (1959) is als hoogleraar Handelsrecht en Ondernemingsrecht verbonden aan de Rijksuniversiteit Groningen en aan het Instituut voor Ondernemingsrecht Groningen/Rotterdam. Hij promoveerde in 1998 bij Van Schilfgaarde op het proefschrift Aansprakelijkheid van bestuurders. Wezeman is redacteur van diverse ondernemingsrechtelijke uitgaven (o.a. SDU Commentaar Ondernemingsrecht) en publiceert regelmatig op het terrein van het ondernemingsrecht. Hij werkt als auteur onder meer mee aan het handboek Van de BV en de NV. Wezeman is op 26 april 2021 benoemd tot Officier in de Orde van Oranje Nassau.  Certificaat en opleidingspunten Na afloop van de cursus ontvangt u een certificaat van deelname (6 opleidingspunten / PO/PE). Lesmateriaal Als onderdeel van de cursus ontvangt u lesmateriaal (kort voorafgaand aan de cursus of direct na afloop van de cursus).

Verdiepingstraining Interne audits Je hebt de basis van interne audits in de zorg onder de knie en je merkt dat de uitdaging verschuift. Het gaat allang niet meer alleen om hoe je auditeert, maar vooral om wat je audit oplevert. Je krijgt te maken met weerstand, gevoelige onderwerpen, verschillende dynamieken in gesprekken en bevindingen die niet altijd worden opgevolgd. Je hebt een duidelijke visie op jouw rol als auditor en weet waar jouw deze begint en eindigt. Je hebt geoefend met verdiepende auditvaardigheden, gesprekstechnieken auditmethodieken en auditvormen, passend bij verschillende (ook complexe) auditsituaties. Je rapporteert efficiënter en aansprekender, zodat ze aanzetten tot verbetering en eigenaarschap (van constateren naar activeren) Je hebt inzicht in kansen om het auditproces efficiënter en effectiever te organiseren.Je zet een volgende stap in jouw persoonlijke ontwikkeling als auditor. Je hebt geoefend met het toepassen van professionele scherpte in gesprekken, zonder de relatie te verliezen. - Jouw rol als auditor - Verdieping in rapportage – en gespreksvaardigheden - Organisatiecultuur - Het auditproces versterken en verder professionaliseren - Het kiezen van een passende auditmethodiek en auditvorm per situatie - Omgaan met weerstand en onderstroom (onzichtbare patronen, gevoelens, verwachtingen) - Intervisie en oefenen met uitdagende praktijksituaties - Ervaringen uitwisselen met andere organisaties Interne auditoren, audit coördinatoren en kwaliteitsmanagers/-adviseurs die: Minimaal één jaar ervaring hebben met het uitvoeren van interne audits; In de praktijk minimaal 2 à 3 interne audits uitgevoerd hebben, bij voorkeur (deels) in het afgelopen jaar; Regelmatig betrokken blijven bij het auditproces binnen de organisatie en hun vaardigheden verder willen professionaliseren.

De Quality Reliability Engineer zorgt voor de instandhouding van de installatie. Niet alleen op de korte termijn, maar juist ook vooral op de lange termijn. Het is de kunst de performance van de installatie te garanderen, terwijl de integrale kosten niet stijgen. Deze Opleiding Quality Reliability is interessant en een must in relatie tot de tegenwoordig duurzaamheidseisen. Deze Opleiding Quality Reliability Engineer is een verrijking voor je ontwikkeling als engineer of quality engineer. Tegelijkertijd is er vraag in de markt naar specialisten die er voor zorgen dat de performance wordt gegarandeerd, terwijl de kosten worden beheerst. Geen enkele organisatie kan zich tegenwoordig oplopende kosten permitteren. Tegelijkertijd moeten organisaties voldoen aan duurzaamheidseisen. De Quality Reliability Engineer is de specialist en spin in het web van technologische ontwikkelingen. Met deze Opleiding Quality Reliability Engineer kan je in de praktijk werken aan de combinatie van duurzaamheid, technologische ontwikkeling, bedrijfseconomie en problem solving. Houd je van techniek, het oplossen van problemen en investeren in nieuwe ontwikkelingen? Dan is de functie Quality Reliability Engineer inspirerend en uitdagend. In 5 dagdelen leer je de inhoud, in combinatie met zelfstudie en praktijkoefeningen. Als je wilt, kan je examen doen in het ASQ Programma voor Quality Reliability Engineer. Dit is de inhoud van de Opleiding Quality Reliability Engineer De inhoud van deze opleiding Quality Reliability Engineer volgt het leerboek van ASQ. Aan het einde van de opleiding is het daardoor mogelijk examen te doen en jezelf te certificeren. Dat is geen verplichting. Je kan ook de opleiding volgen zonder examen te doen. In dat geval ontvang je het Certificate of Completion van Patagonia Opleidingen B.V..  Wat is de inhoud van de opleiding Quality Reliability Engineer? Dag 1: Reliability principes Product lifecycle management Drivers of reliability requirements en doelen Software producten System Engineering en Integration Uitwerkingen en huiswerk De eerste dag gaat over de basisprincipes. Waar is reliability management voor? Wat zijn de fundamenten? Wat is de rol van de reliability engineer? Deze een meer vragen worden de eerste dag beantwoord, zodat je een goed beeld hebt van de rest van de cursus en de functie. Dag 2: Risico management Ranking en scoring Types of FMEA en Hazard analysis Systeemveiligheid Mitigatie van risico's Uitwerkingen en huiswerk Deze tweede dag gaat over de risicoanalyses. Dit is een essentieel instrument om in de toekomst te kunnen kijken. Je anticipeert op wat gaat komen en hoe de installatie zich zal gedragen. Je krijgt oefeningen en uitwerkingen, zodat je na deze dag direct aan de slag kunt als Quality Reliability Engineer. Dag 3: Waarschijnlijkheid en Statistiek voor reliability Hypotheses testen Waarschijnlijkheid distributies Regeldiagrammen, control charts Data management Uitwerkingen en huiswerk Op deze dag ga je met je team en de trainer de statistiek onderzoeken. We zijn er op voorbereid dat niet iedereen statistiek leuk of makkelijk vindt. Daarom begeleiden we je op een rustige manier, waarbij we er voor zorgen dat je het begrijpt en geen trucjes leert. Je zal versteld staan van wat je allemaal kunt bereiken als Quality Reliability Engineer. Dag 4: Reliability planning, testen en modeleren Reliability test strategieën Faalcriteria en faalconsequenties Testen ontwikkelen Degradatie, slijtage bepalen Uitwerkingen en huiswerk Deze dag vult zich met interessante onderzoeken en testen. Je leert de installatie onderzoeken en de consequenties bepalen. Je ontwikkelt vaardigheden om prototypes te ontwerpen en consequenties van falen te bepalen. Dit is de dag waar de echte Reliability Engineer voor wakker wordt. Het belang van je rol als Quality Reliability Engineer in de organisatie wordt onderstreept. Dag 5: Lifecycle reliability Design technieken Stress-strength analyses Design Of Experiments (DOE) Parts en system development Uitwerkingen en huiswerk Tot slot ga je in deze opleiding ontdekken hoe je life-cycle management bepaalt en organiseert. Daar draait het allemaal om. Hoe lang kan je een installatie operationeel houden bij gelijkblijvende kwaliteit, kosten en duurzaamheidseisen? Je onderzoekt standaarden, systemen en de bijbehorende experimenten. Zo groei je uit tot een volwaardig Quality Reliability Engineer. Nieuw opleiding Quality Reliability Engineer uniek in Nederland Deze geheel nieuwe opleiding tot Quality Reliability Engineer is uniek in Nederland. Samen met the American Society for Quality ASQ brengen we deze indrukwekkende opleiding naar de Nederlandse markt. Ben jij al als Reliability Engineer aan de slag en wil je bijscholen, of wil je Reliability Engineer worden? Dan is deze opleiding Quality Reliability Engineer precies voor jou. 

Een melder van ongewenst gedrag kan ervoor kiezen, eventueel na informele opties te hebben doorlopen, de formele weg te bewandelen en een klacht in te dienen bij de klachtencommissie. Hierbij zal de melder mogelijk ondersteuning wensen van een vertrouwenspersoon.  Het is aan de vertrouwenspersoon om een melder te informeren over deze route, wat zijn bijvoorbeeld de voor- en nadelen. Daarnaast zal een melder, indien deze weg wordt overwogen, ook graag willen weten hoe een klachtenprocedure er ongeveer uitziet, welke bevoegdheden een klachtencommissie heeft, hoe er onderzoek wordt uitgevoerd en wat mogelijke uitkomsten en consequenties zijn. Tijdens de cursus bespreken we ook wie er allemaal betrokken zijn bij een klachtenprocedure en wat hun rollen zijn bij klachtenonderzoek en wat de rechten en plichten van de verschillende betrokkenen zijn in een klachtenprocedure. Dit valt af te leiden uit de klachtenregelingen van organisaties. Tijdens de cursus bespreken we hoe klachtenregelingen er over het algemeen uitzien en hoe een klachtenregeling te lezen. Besluit een melder daadwerkelijk een klacht in te dienen, dan kan de vertrouwenspersoon de melder tijdens deze fase ondersteunen. Hiervoor is het goed dat vertrouwenspersonen een goed beeld hebben van hun exacte rol tijdens de gang naar de klachtencommissie en op wat voor manier zij melders kunnen ondersteunen.  Niet alleen een melder kan echter bijstand vragen aan een vertrouwenspersoon tijdens een klachtenprocedure. Ook de beklaagde heeft vaak recht op ondersteuning van een vertrouwenspersoon. Wij geven nadrukkelijk ook aandacht aan deze positie van de vertrouwenspersoon. Deze cursus biedt BNS op het taakgebied van de vertrouwenspersoon: opvang en begeleiding.

Een melder vertelt over grensoverschrijdend gedrag. En dan komen de vragen – van de melder, of in je eigen hoofd: Is dit eigenlijk strafbaar? Wat zijn de opties? Heeft het zin om naar de politie te gaan? Wat gebeurt er dan precies? Hoe lang duurt zoiets? Welke rechten heeft een slachtoffer? En wat kun jij als VP daarin betekenen? Als vertrouwenspersoon hoef je geen jurist te zijn. Maar een melder die overweegt actie te ondernemen, heeft wel iemand nodig die het proces begrijpt. Iemand die eerlijk kan voorlichten over wat de mogelijkheden zijn, wat de voor- én nadelen zijn, en wat er te wachten staat. Na deze cursus ben jij die persoon. Strafbaar of niet? Seksuele intimidatie is niet automatisch strafbaar. Maar wanneer wordt het dat wel? We verkennen de grenzen tussen ongewenst gedrag en strafbare feiten, met voorbeelden uit de praktijk. Ook bespreken we wanneer voor jou als VP een aangifteplicht geldt. Aangifte doen Hoe werkt het concreet? Waar doe je aangifte, hoe gaat dat in zijn werk, en wie kan dat doen? We bespreken de procedure én de afwegingen: wat zijn redenen om wél aangifte te doen, en wat kunnen redenen zijn om het niet te doen? Het Strafrechtelijk onderzoek Wat gebeurt er nadat aangifte is gedaan? We doorlopen de fasen van het strafrechtelijk proces – van eerste onderzoek tot eventuele vervolging en vonnis. Zodat je een melder kunt vertellen wat er te wachten staat.

LLM Metrics and Trade-Offs. The LLM Metrics and Trade-Offs Training: LearningKit prepares professionals to evaluate, optimize, and govern Large Language Models using modern AI engineering principles, performance metrics, and enterprise decision-making frameworks. This comprehensive LearningKit covers the complete evaluation lifecycle for LLMs, beginning with key performance metrics such as BLEU, ROUGE, HELM, and F1 Score before progressing into model accuracy, latency, throughput, scalability, infrastructure optimization, resource consumption, and deployment strategies. You'll learn how different model sizes affect performance, cost efficiency, and operational scalability while comparing public and private LLM deployments. The curriculum places strong emphasis on responsible AI, teaching bias detection, fairness assessment, ethical AI practices, privacy protection, regulatory compliance, and governance strategies that support trustworthy enterprise AI solutions. Practical case studies demonstrate how to balance technical performance with business objectives while selecting the most appropriate language model for content generation, customer service, automation, analytics, and other enterprise use cases. Ideal for AI engineers, machine learning specialists, enterprise architects, data scientists, solution designers, and technology leaders, this LearningKit provides the practical expertise required to confidently evaluate, deploy, and manage Large Language Models that deliver optimal technical performance, business value, and responsible AI outcomes. This LearningKit with more than 9 hours of learning is divided into three tracks: Course Outcome Large Language Models and Key Metrics In this course, you will learn how Large Language Models work and which metrics are used to evaluate their performance. You will explore HELM, BLEU, ROUGE and F1 scores and learn to distinguish between intrinsic and extrinsic evaluation methods. You will also review practical examples of public and in-house models. LLM Accuracy, Performance, and Trade-Offs This course focuses on balancing accuracy, performance, model size and computational resources. You will learn why larger models often perform better on complex tasks, while also requiring more resources. You will also learn how to evaluate trade-offs between model size, accuracy and resource consumption. LLM Latency, Throughput, and Scalability In this course, you will learn how latency, throughput and scalability affect LLM performance in real-world applications. You will explore how models handle heavy workloads, high-traffic scenarios, large-scale content generation and vast datasets. LLM Cost Efficiency, Model Size, and Resource Optimization This course covers cost efficiency and resource optimization when deploying LLMs. You will learn how to evaluate the computational costs of small, medium and large models in cloud environments such as AWS and Azure. You will also explore fine-tuning, resource demands and cost-performance trade-offs. LLM Bias, Fairness, and Ethical Considerations This course covers bias, fairness and ethical considerations in Large Language Models. You will learn how LLMs can unintentionally learn and reproduce data biases, and how to identify and evaluate output bias and fairness. Privacy, regulation and trustworthy AI are also addressed. Selecting the Right LLM In this course, you will learn how to select the right LLM for business tasks such as content creation, customer support and other AI applications. You will create frameworks for LLM selection based on metrics, organizational needs, compliance, security, ethical concerns and technical trade-offs. LLM Metrics and Trade-Offs: Large Language Models and Key Metrics Course: 1 Hour, 38 Minutes Course Overview Large Language Model Architecture Large Language Model Concepts Large Language Model Principles Large Language Model Types Large Language Model Selection Criteria Large Language Model Metrics Large Language Model Evaluation Methods Large Language Model Metrics Alignment Exploring Large Language Model Design Public Large Language Models In-House Large Language Models Evaluating Large Language Models Using Large Language Model Intrinsic Metrics Course Summary LLM Metrics and Trade-Offs: LLM Accuracy, Performance, and Trade-Offs Course: 1 Hour, 53 Minutes Course Overview Large Language Model Precision Large Language Model Recall Large Language Model F1 Scores Examining Large Language Model Precision Analyzing Large Language Model Recall Evaluating Large Language Model F1 Scores Large Language Model Accuracy Large Language Model Size Large Language Model Computational Cost Large Language Model Perplexity Large Language Model Selection Best Practices Large Language Model Fine-Tuning Fine-Tuning Large Language Models Comparing Metrics of Fine-Tuned Large Language Models Large Language Model Performance Metrics Large Language Model Overall Output Quality Course Summary LLM Metrics and Trade-Offs: LLM Latency, Throughput, and Scalability Course: 1 Hour, 43 Minutes Course Overview Large Language Model (LLM) Latency Large Language Model (LLM) Throughput Large Language Model (LLM) Scalability Measuring LLM Latency Measuring Large Model Latency Selecting Large Language Models Large Language Model and High Traffic Evaluating Large Language Models & Distributed Text Scaling Large Language Models Large Language Models & Time Sensitive Applications Large Language Models & Performance Balancing Large Language Models & Real-time Demands Ethical Considerations in LLM Deployment Optimizing LLM Hyperparameters to Reduce Costs Course Summary LLM Metrics and Trade-Offs: LLM Cost Efficiency, Model Size, and Resource Optimization Course: 1 Hour, 15 Minutes Course Overview Small LLM Computational Costs Large Language Model Cost Optimization Large Language Model Cost Analysis LLM In-House Cost Efficiency LLM Public Cost Efficiency Large Language Model Optimization Optimizing Large Language Models LLM Cost, Size, and Performance Trade-Offs LLM Scaling Strategies LLM Model Size Implications Course Summary LLM Metrics and Trade-Offs: LLM Bias, Fairness, and Ethical Considerations Course: 1 Hour, 24 Minutes Course Overview Bias in LLMs LLM Output Fairness Performing LLM Sentiment Analysis LLM Limitations Compliance Issues for LLMs Ethical Concerns for LLMs in Sensitive Applications LLM Bias Mitigation Techniques Fine-Tuning LLMs for Bias Mitigation LLM Selection AI Ethics in LLM Advancements Exploring AI Ethics in Long-Term LLM Development Course Summary LLM Metrics and Trade-Offs: Selecting the Right LLM Course: 1 Hour, 37 Minutes Course Overview LLM Use Cases Selecting LLMs Framework Design for LLM Selection Comparing LLMs LLM Performance, Security, and Compliance Comparing Public and In-House LLMs LLM Ethical Issues Evaluating LLM Ethics LLM Quality Assessments Comparing LLM Outputs LLM Selection Strategies Generating LLM Descriptions Course Summary Assessment Final Exam: LLM Metrics and Trade-Offs Specificaties Taal: Engels Kwalificaties van de Instructeur: Gecertificeerd Cursusformaat en Lengte: Lesvideo's met ondertiteling, interactieve elementen en opdrachten en testen Lesduur: 9:30 uur Assesments: De assessment test uw kennis en toepassingsvaardigheden van de onderwerpen uit het leertraject. Deze is 365 dagen beschikbaar na activering. Online Virtuele labs: Ontvang 12 maanden toegang tot virtuele labs die overeenkomen met de traditionele cursusconfiguratie. Actief voor 365 dagen na activering, beschikbaarheid varieert per Training. Online mentor: U heeft 24/7 toegang tot een online mentor voor al uw specifieke technische vragen over het studieonderwerp. De online mentor is 365 dagen beschikbaar na activering, afhankelijk van de gekozen Learning Kit. Voortgangsbewaking: Ja Toegang tot Materiaal: 365 dagen Technische Vereisten: Computer of mobiel apparaat, Stabiele internetverbindingen Webbrowserzoals Chrome, Firefox, Safari of Edge. Support of Ondersteuning: Helpdesk en online kennisbank 24/7 Certificering: Certificaat van deelname in PDF formaat Prijs en Kosten: Cursusprijs zonder extra kosten Annuleringsbeleid en Geld-Terug-Garantie: Wij beoordelen dit per situatie Award Winning E-learning: Ja Tip! Zorg voor een rustige leeromgeving, tijd en motivatie, audioapparatuur zoals een koptelefoon of luidsprekers voor audio, accountinformatie zoals inloggegevens voor toegang tot het e-learning platform.