Opleidingen
55.839
resultaten
Agent Harness Engineering
Veenendaal
di 15 dec. 2026
Better prompts don't scale. Learn how harness engineering makes AI agents reliable in production.
As AI agents become increasingly autonomous, better prompts alone are no longer enough. Prompts are suggestions agents can ignore or forget between sessions. Reliable AI systems are built through strong harnesses—the infrastructure layer that wraps an AI agent, enforces behavior, and validates results.
This training solves three real problems: agents claiming victory too early even when tests fail, losing context and repeating work between sessions, and building more than was asked because scope is undefined.
A harness has five subsystems working together:
- Instructions — What the agent should do, and in what order (CLAUDE.md, ADRs, domain language, progressive disclosure)
- State — What's been done, what's in progress, what's next (progress logs, feature lists, git history, session continuity)
- Verification — Only passing tests count as evidence (linting, mutation testing, E2E runs, no early victories)
- Scope — One feature at a time, no overreach (feature lists, explicit done definitions, constraint enforcement)
- Lifecycle — Initialize in an isolated sandbox before work, clean up after (health checks, file boundaries, permission controls, …
€895
Klassikaal
max 12
1 dag
Teamontwikkeling training: doorbreek de teamroutine (incompany)
Teamontwikkeling in een 2 dagen: herken en doorbreek vaste teampatronen. Twee trainers, praktische oefeningen en meer eigenaarschap. Vraag een offerte aan.
Beschrijving
Jullie team werkt goed samen. Toch vergadert het al jaren op dezelfde manier. Nieuwe ideeën sneuvelen, besluiten blijven liggen en iedereen draait op de automatische piloot.
Dat is makkelijker te doorbreken dan je denkt.
In Doorbreek de Teamroutine herkent je team zijn eigen vaste patronen en vervangt ze door nieuwe gewoonten. Je werkt met scherpe vragen en praktische oefeningen. Van meningen naar maken. Van uitstellen naar experimenteren.
Het resultaat: een team dat weer eigenaarschap neemt, ideeën deelt en zin heeft in vernieuwing.
Twee trainers begeleiden het hele traject. Op elke trainingsdag zijn de vragen anders. Dat is een goed teken, want het betekent dat het team beweegt.
Meer dan 900 organisaties werkten al met Start2Create. Deelnemers geven onze trainingen gemiddeld een 9,1.
Wat het jullie oplevert
Inzicht in welke patronen jullie team vasthouden
Betere gesprekken en een gedeelde taal voor samenwerking
Meer eigenaarschap: minder wachten, meer doen
Nieuwe teamroutines die ook na de training blijven werken
Durf om te vernieuwen
Modules
Anders denken
Gespreksvaardigheden en denkstijlen
Teamdynamiek en onbewuste patronen doorbreken
Nieuwe teamroutines
Voor wie
Voor teams die goed draaien maar vastlopen in vaste routines, en voor teams die bewust willen vernieuwen. Je hebt geen "probleemteam" nodig om hier baat bij te hebben.
Veelgestelde vragen
Wat zijn vaste teampatronen?
Gewoonten waarmee een team steeds op dezelfde manier vergadert, communiceert en beslist. Daardoor verdwijnen nieuwe ideeën en ontstaat een automatische piloot.
Wij hebben geen probleemteam. Is dit dan relevant?
Ja. Juist teams die goed draaien hebben vaak vaste routines die ze zelf niet meer zien.
Hoeveel mensen kunnen meedoen?
Tussen 4 en 12 deelnemers. Meer is mogelijk in overleg.
Waarom werken jullie met twee trainers?
Twee trainers zien meer van wat er in een groep gebeurt, en ze kunnen tegelijk met twee groepjes oefenen.
Kunnen jullie bij ons op locatie komen?
Jazeker, als de waan van de dag maar uit de weg is.
€6.500
In-company / Maatwerk
max 12
Opleiding Data Steward
Utrecht
do 30 sep. 2027
Verhoog de datakwaliteit en maak je organisatie compliant
Databeheer zorgt voor duidelijkheid over de kwaliteit, betrouwbaarheid en veiligheid van data binnen organisaties. In een datagedreven organisatie is dit geen bijzaak, maar een randvoorwaarde voor goede besluitvorming. Een Data steward bewaakt de definities, kwaliteit en toepasbaarheid van data en ziet toe op naleving van richtlijnen rondom datagebruik en informatiebeveiliging. Wie zich afvraagt: wat doet een data steward? Die zorgt dat data correct, volledig en consistent is, stemt af met stakeholders en vertaalt beleid naar praktische afspraken in processen en systemen.
Als Data steward ben je de verbindende schakel tussen IT en business. Je bent aanspreekpunt voor vragen over databronnen, datadefinities en datakwaliteit binnen IT-systemen en de organisatie als geheel. Je signaleert knelpunten, initieert verbeteringen en maakt eigenaarschap expliciet. Daarmee vergroot je het vertrouwen in data en ondersteun je compliance, rapportages en strategische sturing.
De 5-daagse Data steward opleiding is ontwikkeld met en voor professionals die deze rol vervullen of gaan vervullen. De opleiding sluit aan op actuele vraagstukken rond data governance, datakwaliteit en samenwerking tussen afdelingen. Je werkt aan concrete casussen uit de praktijk en krijgt handvatten om databeheer structureel in te richten. Zo ontwikkel je je tot een stevige gesprekspartner voor zowel IT als business en geef je richting aan professioneel en toekomstbestendig datamanagement.
Download de brochure [geen link]
Hoe de opleiding Data Steward in de praktijk eruitziet?
Bekijk de video:
Groei in je rol als Data Steward
De 5-daagse opleiding Data Steward is speciaal ontwikkeld met én voor data stewards en gericht op de uitdagingen waarmee je te maken krijgt. Je leert van voorbeelden uit andere organisaties die je meeneemt in je eigen praktijk. Daarnaast ontwikkel je essentiële kennis over de dagelijkse praktijk van de data steward, dankzij ervaren docenten.
Na afloop van deze opleiding:
Ken je de definities & ontwikkelingen rondom Datastrategie & Datagedreven Organisatie
Weet je wat de drivers en structuren inzake Data Governance zijn
Kun je Datakwaliteit binnen jouw organisatie definiëren, analyseren & verbeteren
Weet je hoe je een Dataproject opzet en kun je de verschillende rollen, randvoorwaarden en risico’s benoemen
Heb je jouw vaardigheden om effectief te kunnen beïnvloeden en overtuigen verder ontwikkelen
“Goede datakwaliteit en duidelijke governance worden steeds belangrijker, en deze opleiding helpt mij om daar nog gerichter aan bij te dragen”.
Mehmet Selvi, Data Steward bij Achmea
Ook interessant voor jou?
Opleiding Chief Data Officer [geen link]
Opleiding Datamanagement in de Praktijk [geen link]
Deze opleiding is bestemd voor:
Professionals die de functie van Data Steward (gaan) vervullen, ondersteuning/draagvlak zoeken bij het vervullen van de rol in de organisatie of de overstap willen maken naar Data Steward.
(aankomend) Data Stewards
Senior Data Managers
Business Enterprise Architecten
Business Analisten
Business Intelligence Experts
Informatiemanagers
Software Engineers
Data Architecten & Analisten
Senior Data Scientists
Teamleiders in Data-domein
Bibliothecaris
Overige (Data)professionals
€4.199
Klassikaal
max 20
HBO
Professional Scrum Product Owner™ - AI Essentials Training (PSPO-AI) - Dag
Amsterdam
wo 3 feb. 2027
en 8 andere data
De ééndaagse Professional Scrum Product Owner - AI Essentials (PSPO-AI Essentials) van Prowareness is een hands-on training met een focus op product owners en productmanagers om ze te helpen AI eff...
Deze training is geschikt voor: Product owners, productmanagers of businessanalisten die werken in of met een scrum teamProfessionals met minimaal een half jaar ervaring als product owner of productmanagerProduct owners die AI willen integreren in hun dagelijkse werkzaamhedenProfessionals die zich goed willen voorbereiden op het PSPO-AI Essentials-examen
Effectief gebruik van AI-tools en prompttechnieken voor relevante en betrouwbare outputAI-gedreven markt- en data-analyse ter ondersteuning van besluitvormingOntwikkelen van user persona’s met behulp van AI voor verdiept klant- en stakeholderinzichtOnderbouwen van productvisie en strategische keuzes met AI-inzichtenVersnellen van prototyping, experimenten en validatie met AI-toolsAutomatiseren en delegeren van routinetaken aan AI voor meer strategische focusVerbeteren van communicatie en samenwerking met interne en externe stakeholders met AI-ondersteuningEthisch, transparant en verantwoord gebruik van AI binnen productontwikkeling en besluitvorming
Na afloop van deze training ontvang je het deelnamecertificaat ‘Professional Scrum Product Owner™ - AI Essentials Training (PSPO-AI)’ van Computrain. Daarnaast kun je je inschrijven voor het extern digitaal examen van Scrum.org. Dit examen is inbegrepen bij het studiemateriaal.
De verwachte duur van de cursus is 1 dag
€1.050
Klassikaal
max 12
1 dag
Professional Scrum Product Owner™ - AI Essentials Training (PSPO-AI) - Virtual Classroom
De ééndaagse Professional Scrum Product Owner - AI Essentials (PSPO-AI Essentials) van Prowareness is een hands-on training met een focus op product owners en productmanagers om ze te helpen AI eff...
Deze training is geschikt voor: Product owners, productmanagers of businessanalisten die werken in of met een scrum teamProfessionals met minimaal een half jaar ervaring als product owner of productmanagerProduct owners die AI willen integreren in hun dagelijkse werkzaamhedenProfessionals die zich goed willen voorbereiden op het PSPO-AI Essentials-examen
Effectief gebruik van AI-tools en prompttechnieken voor relevante en betrouwbare outputAI-gedreven markt- en data-analyse ter ondersteuning van besluitvormingOntwikkelen van user persona’s met behulp van AI voor verdiept klant- en stakeholderinzichtOnderbouwen van productvisie en strategische keuzes met AI-inzichtenVersnellen van prototyping, experimenten en validatie met AI-toolsAutomatiseren en delegeren van routinetaken aan AI voor meer strategische focusVerbeteren van communicatie en samenwerking met interne en externe stakeholders met AI-ondersteuningEthisch, transparant en verantwoord gebruik van AI binnen productontwikkeling en besluitvorming
Na afloop van deze training ontvang je het deelnamecertificaat ‘Professional Scrum Product Owner™ - AI Essentials Training (PSPO-AI)’ van Computrain. Daarnaast kun je je inschrijven voor het extern digitaal examen van Scrum.org. Dit examen is inbegrepen bij het studiemateriaal.
De verwachte duur van de cursus is 1 dag
€985
E-Learning
max 12
1 dag
Software Quality Assurance in the age of open source, outsourcing & AI (English) (Virtual)
Virtueel
do 7 jan. 2027
en 5 andere data
Lesmethode :
Virtueel
Algemeen :
In this course, you will learn how to assess software quality and security, including code written by external suppliers or generated by AI. You will examine the checks required during development, at delivery and throughout maintenance. This will help you identify security risks and maintainability issues earlier.
You will examine the entire software lifecycle through four different lenses: functionality, security, architecture, and governance. We cover how to map risks using threat modeling and explore the role that tools such as SAST, DAST, and SBOM play in providing evidence of quality. Additionally, you'll learn how to counter architectural erosion and identify where human judgment remains essential alongside automated quality gates.
Using a continuous case study, you will analyze software resulting from a mix of internal development, external vendors, and AI agents. You will practice identifying assurance gaps and determining which measures are proportional to mitigate risks. This approach will help you ask targeted questions about software quality in your own work and make informed, defensible decisions about whether to accept or reject code.
Doel :
After this course, you will be able to systematically gather evidence regarding the quality and security of software, regardless of whether it was written internally, by partners, or by AI.
Doelgroep :
Software professionals who want to controle the quality of a growing code base, like software developers, architects, QA-engineers and Dev(Sec)Ops experts.
Voorkennis :
The following prior knowledge is required:
- Experiencewith software development or quality assurance
- Basic understanding of the software development lifecycle (SDLC)
Onderwerpen :
- Introduction
+nbsp;+nbsp;+nbsp;- Growth in code volume, maintenance burden, and verification debt
+nbsp;+nbsp;+nbsp;- Code provenance: in-house, outsourcing, open source, and GenAI
+nbsp;+nbsp;+nbsp;- Software assurance as a system of evidence and feedback
- Plan
+nbsp;+nbsp;+nbsp;- Risk classification, ownership, and accountability
+nbsp;+nbsp;+nbsp;- Quality objectives, definition of done, and GenAI policy
+nbsp;+nbsp;+nbsp;- Supplier governance, maintenance, and phase-out
- Specify
+nbsp;+nbsp;+nbsp;- Testable functional and non-functional requirements
+nbsp;+nbsp;+nbsp;- Security, privacy, performance, misuse cases, and abuse cases
+nbsp;+nbsp;+nbsp;- Acceptance criteria and traceability for humans, suppliers, and agents
- Design
+nbsp;+nbsp;+nbsp;- Modularity, coupling, cohesion, and architectural decisions
+nbsp;+nbsp;+nbsp;- Trust boundaries, data flows, and threat modelling
+nbsp;+nbsp;+nbsp;- Secure by design, reference architectures, and early debt prevention
- Develop
+nbsp;+nbsp;+nbsp;- Coding standards, peer review, and manageable changes
+nbsp;+nbsp;+nbsp;- SAST, linting, secret detection, and dependency selection
+nbsp;+nbsp;+nbsp;- Unit tests and repository instructions such as AGENTS.md and RULES.md
+nbsp;+nbsp;+nbsp;- Generated and outsourced code treated as untrusted contributions
- Verify
+nbsp;+nbsp;+nbsp;- Test portfolio: unit, integration, contract, system, and end-to-end testing
+nbsp;+nbsp;+nbsp;- Positive, negative, exploratory, and security testing
+nbsp;+nbsp;+nbsp;- Coverage, mutation testing, DAST, and fuzzing
+nbsp;+nbsp;+nbsp;- False positives and negatives, false confidence, and agentic QA
- Release & Deploy
+nbsp;+nbsp;+nbsp;- CI, quality gates, SCA, and CVE prioritisation
+nbsp;+nbsp;+nbsp;- SBOM, build provenance, artifact integrity, and configuration validation
+nbsp;+nbsp;+nbsp;- Release evidence, risk acceptance, rollback, and supplier acceptance
- Operate & Maintain
+nbsp;+nbsp;+nbsp;- Observability, incident response, patch management, and vulnerability management
+nbsp;+nbsp;+nbsp;- Dependency updates, regression testing, and architectural erosion
+nbsp;+nbsp;+nbsp;- Technical debt, knowledge loss, ownership, and use of the SBOM
+nbsp;+nbsp;+nbsp;- Feedback from operations into planning, requirements, and design
€1.535
Klassikaal
max 12
Implement data engineering solutions using Azure Databricks: DP-750 (Virtueel)
Virtueel
ma 22 mrt. 2027
Lesmethode :
Virtueel
Algemeen :
In deze cursus leer je hoe je met Azure Databricks moderne data engineering-oplossingen ontwikkelt binnen Microsoft Azure. Je werkt met schaalbare data workloads en ontdekt hoe je gegevens efficiënt verwerkt, opslaat en beheert. Daarmee leg je een stevige basis voor het bouwen van data platformen die organisaties helpen om beter onderbouwde beslissingen te nemen.
De cursus behandelt de belangrijkste mogelijkheden van Azure Databricks voor data engineering. Je leert werken met Databricks-workspaces, notebooks en Apache Spark voor grootschalige dataverwerking. Ook komen Delta Lake, data-ingestie, data transformaties en het bouwen van betrouwbare data pipelines aan bod. Daarnaast besteed je aandacht aan het beheren van data, het optimaliseren van prestaties, het toepassen van beveiligingsmaatregelen en het verwerken van zowel batch- als streamingdata. Zo krijg je inzicht in de complete levenscyclus van moderne data-oplossingen binnen Azure.
Tijdens praktische labs werk je met realistische scenario's waarin je data verwerkt, pipelines ontwikkelt en datasets beschikbaar maakt voor verdere analyse. Je past de geleerde technieken direct toe in Azure Databricks en doet ervaring op met oplossingen die veel worden gebruikt in professionele data- en AI-projecten. Hierdoor kun je de kennis na afloop direct inzetten binnen je eigen organisatie.
Bij deze cursus ontvang je een gratis Microsoft-examenvoucher.
Doel :
Na deze cursus kun je data engineering-oplossingen ontwerpen, bouwen en beheren met Azure Databricks. Daarnaast ben je goed voorbereid op het examen DP-750: Implement data engineering solutions using Azure Databricks voor de certificering Microsoft Certified: Azure Databricks Data Engineer Associate.
Doelgroep :
Data engineers, analytics engineers, BI-specialisten, data architects en IT-professionals die werken met data-oplossingen op Microsoft Azure.
Voorkennis :
Basiskennis van Azure, SQL, relationele databases en data engineering-concepten is gewenst. Ervaring met data-analyse of cloudtechnologie is een pré.
Onderwerpen :
- Azure Databricks
- Data Engineering
- ApacheSpark
- DeltaLake
- Data Pipelines
- Streaming Data
- Microsoft Azure
€2.585
Klassikaal
max 12
Implement data engineering solutions using Azure Databricks: DP-750
Nieuwegein
ma 22 mrt. 2027
Lesmethode :
Klassikaal
Algemeen :
In deze cursus leer je hoe je met Azure Databricks moderne data engineering-oplossingen ontwikkelt binnen Microsoft Azure. Je werkt met schaalbare data workloads en ontdekt hoe je gegevens efficiënt verwerkt, opslaat en beheert. Daarmee leg je een stevige basis voor het bouwen van data platformen die organisaties helpen om beter onderbouwde beslissingen te nemen.
De cursus behandelt de belangrijkste mogelijkheden van Azure Databricks voor data engineering. Je leert werken met Databricks-workspaces, notebooks en Apache Spark voor grootschalige dataverwerking. Ook komen Delta Lake, data-ingestie, data transformaties en het bouwen van betrouwbare data pipelines aan bod. Daarnaast besteed je aandacht aan het beheren van data, het optimaliseren van prestaties, het toepassen van beveiligingsmaatregelen en het verwerken van zowel batch- als streamingdata. Zo krijg je inzicht in de complete levenscyclus van moderne data-oplossingen binnen Azure.
Tijdens praktische labs werk je met realistische scenario's waarin je data verwerkt, pipelines ontwikkelt en datasets beschikbaar maakt voor verdere analyse. Je past de geleerde technieken direct toe in Azure Databricks en doet ervaring op met oplossingen die veel worden gebruikt in professionele data- en AI-projecten. Hierdoor kun je de kennis na afloop direct inzetten binnen je eigen organisatie.
Bij deze cursus ontvang je een gratis Microsoft-examenvoucher.
Doel :
Na deze cursus kun je data engineering-oplossingen ontwerpen, bouwen en beheren met Azure Databricks. Daarnaast ben je goed voorbereid op het examen DP-750: Implement data engineering solutions using Azure Databricks voor de certificering Microsoft Certified: Azure Databricks Data Engineer Associate.
Doelgroep :
Data engineers, analytics engineers, BI-specialisten, data architects en IT-professionals die werken met data-oplossingen op Microsoft Azure.
Voorkennis :
Basiskennis van Azure, SQL, relationele databases en data engineering-concepten is gewenst. Ervaring met data-analyse of cloudtechnologie is een pré.
Onderwerpen :
- Azure Databricks
- Data Engineering
- ApacheSpark
- DeltaLake
- Data Pipelines
- Streaming Data
- Microsoft Azure
€2.585
Klassikaal
max 12
Software Quality Assurance in the age of open source, outsourcing & AI (English)
Nieuwegein
do 7 jan. 2027
en 5 andere data
Lesmethode :
Klassikaal
Algemeen :
In this course, you will learn how to assess software quality and security, including code written by external suppliers or generated by AI. You will examine the checks required during development, at delivery and throughout maintenance. This will help you identify security risks and maintainability issues earlier.
You will examine the entire software lifecycle through four different lenses: functionality, security, architecture, and governance. We cover how to map risks using threat modeling and explore the role that tools such as SAST, DAST, and SBOM play in providing evidence of quality. Additionally, you'll learn how to counter architectural erosion and identify where human judgment remains essential alongside automated quality gates.
Using a continuous case study, you will analyze software resulting from a mix of internal development, external vendors, and AI agents. You will practice identifying assurance gaps and determining which measures are proportional to mitigate risks. This approach will help you ask targeted questions about software quality in your own work and make informed, defensible decisions about whether to accept or reject code.
Doel :
After this course, you will be able to systematically gather evidence regarding the quality and security of software, regardless of whether it was written internally, by partners, or by AI.
Doelgroep :
Software professionals who want to controle the quality of a growing code base, like software developers, architects, QA-engineers and Dev(Sec)Ops experts.
Voorkennis :
The following prior knowledge is required:
- Experiencewith software development or quality assurance
- Basic understanding of the software development lifecycle (SDLC)
Onderwerpen :
- Introduction
+nbsp;+nbsp;+nbsp;- Growth in code volume, maintenance burden, and verification debt
+nbsp;+nbsp;+nbsp;- Code provenance: in-house, outsourcing, open source, and GenAI
+nbsp;+nbsp;+nbsp;- Software assurance as a system of evidence and feedback
- Plan
+nbsp;+nbsp;+nbsp;- Risk classification, ownership, and accountability
+nbsp;+nbsp;+nbsp;- Quality objectives, definition of done, and GenAI policy
+nbsp;+nbsp;+nbsp;- Supplier governance, maintenance, and phase-out
- Specify
+nbsp;+nbsp;+nbsp;- Testable functional and non-functional requirements
+nbsp;+nbsp;+nbsp;- Security, privacy, performance, misuse cases, and abuse cases
+nbsp;+nbsp;+nbsp;- Acceptance criteria and traceability for humans, suppliers, and agents
- Design
+nbsp;+nbsp;+nbsp;- Modularity, coupling, cohesion, and architectural decisions
+nbsp;+nbsp;+nbsp;- Trust boundaries, data flows, and threat modelling
+nbsp;+nbsp;+nbsp;- Secure by design, reference architectures, and early debt prevention
- Develop
+nbsp;+nbsp;+nbsp;- Coding standards, peer review, and manageable changes
+nbsp;+nbsp;+nbsp;- SAST, linting, secret detection, and dependency selection
+nbsp;+nbsp;+nbsp;- Unit tests and repository instructions such as AGENTS.md and RULES.md
+nbsp;+nbsp;+nbsp;- Generated and outsourced code treated as untrusted contributions
- Verify
+nbsp;+nbsp;+nbsp;- Test portfolio: unit, integration, contract, system, and end-to-end testing
+nbsp;+nbsp;+nbsp;- Positive, negative, exploratory, and security testing
+nbsp;+nbsp;+nbsp;- Coverage, mutation testing, DAST, and fuzzing
+nbsp;+nbsp;+nbsp;- False positives and negatives, false confidence, and agentic QA
- Release & Deploy
+nbsp;+nbsp;+nbsp;- CI, quality gates, SCA, and CVE prioritisation
+nbsp;+nbsp;+nbsp;- SBOM, build provenance, artifact integrity, and configuration validation
+nbsp;+nbsp;+nbsp;- Release evidence, risk acceptance, rollback, and supplier acceptance
- Operate & Maintain
+nbsp;+nbsp;+nbsp;- Observability, incident response, patch management, and vulnerability management
+nbsp;+nbsp;+nbsp;- Dependency updates, regression testing, and architectural erosion
+nbsp;+nbsp;+nbsp;- Technical debt, knowledge loss, ownership, and use of the SBOM
+nbsp;+nbsp;+nbsp;- Feedback from operations into planning, requirements, and design
€1.535
Klassikaal
max 12
Softwarekwaliteit in het tijdperk van open source, outsourcing en AI
Nieuwegein
do 11 feb. 2027
en 2 andere data
Lesmethode :
Klassikaal
Algemeen :
Tijdens deze cursus leer je de kwaliteit en veiligheid van software beoordelen, ook wanneer de code door leveranciers of AI is geschreven. Je bekijkt welke controles nodig zijn tijdens de ontwikkeling, bij oplevering en tijdens het onderhoud. Daarmee herken je eerder beveiligingsrisico's en problemen die de software moeilijker te onderhouden maken.
Je kijkt naar de volledige levenscyclus van software door vier verschillende lenzen: functionaliteit, security, architectuur en governance. We behandelen hoe je risico's in kaart brengt via threat modelling en welke rol tools als SAST, DAST en SBOM spelen bij het bewijzen van kwaliteit. Je bespreekt hoe wijzigingen de samenhang tussen softwareonderdelen kunnen verstoren en hoe je dat voorkomt. Daarbij is er aandacht voor wat je automatisch kunt controleren en wanneer menselijke beoordeling nodig blijft.
Aan de hand van een doorlopende casus analyseer je software die is ontstaan uit een mix van intern werk, externe leveranciers en AI-agents. Je oefent met het herkennen van assurance-gates en bepaalt welke maatregelen proportioneel zijn om risico's te beperken. Deze werkwijze helpt je om in je eigen werk gerichte vragen te stellen over softwarekwaliteit en te onderbouwen waarom je code wel of niet accepteert.
Doel :
Na deze cursus kun je systematisch bewijs verzamelen over de kwaliteit en veiligheid van software, ongeacht of deze intern, via partners of door AI is geschreven.
Doelgroep :
Softwareprofessionals die de kwaliteit van groeiende codebases willen bewaken, zoals softwareontwikkelaars, architecten, QA-engineers en Dev(Sec)Ops-experts.
Voorkennis :
De volgende voorkennis is vereist:
- Ervaring met softwareontwikkeling of kwaliteitsbewaking
- Basisbegrip van de software development lifecycle (SDLC)
- Het cursusmateriaal is in het Engels, een goede beheersing van de Engelse taal is vereist.
Onderwerpen :
- Introduction
+nbsp;+nbsp;+nbsp;- Growth in code volume, maintenance burden, and verification debt
+nbsp;+nbsp;+nbsp;- Code provenance: in-house, outsourcing, open source, and GenAI
+nbsp;+nbsp;+nbsp;- Software assurance as a system of evidence and feedback
- Plan
+nbsp;+nbsp;+nbsp;- Risk classification, ownership, and accountability
+nbsp;+nbsp;+nbsp;- Quality objectives, definition of done, and GenAI policy
+nbsp;+nbsp;+nbsp;- Supplier governance, maintenance, and phase-out
- Specify
+nbsp;+nbsp;+nbsp;- Testable functional and non-functional requirements
+nbsp;+nbsp;+nbsp;- Security, privacy, performance, misuse cases, and abuse cases
+nbsp;+nbsp;+nbsp;- Acceptance criteria and traceability for humans, suppliers, and agents
- Design
+nbsp;+nbsp;+nbsp;- Modularity, coupling, cohesion, and architectural decisions
+nbsp;+nbsp;+nbsp;- Trust boundaries, data flows, and threat modelling
+nbsp;+nbsp;+nbsp;- Secure by design, reference architectures, and early debt prevention
- Develop
+nbsp;+nbsp;+nbsp;- Coding standards, peer review, and manageable changes
+nbsp;+nbsp;+nbsp;- SAST, linting, secret detection, and dependency selection
+nbsp;+nbsp;+nbsp;- Unit tests and repository instructions such as AGENTS.md and RULES.md
+nbsp;+nbsp;+nbsp;- Generated and outsourced code treated as untrusted contributions
- Verify
+nbsp;+nbsp;+nbsp;- Test portfolio: unit, integration, contract, system, and end-to-end testing
+nbsp;+nbsp;+nbsp;- Positive, negative, exploratory, and security testing
+nbsp;+nbsp;+nbsp;- Coverage, mutation testing, DAST, and fuzzing
+nbsp;+nbsp;+nbsp;- False positives and negatives, false confidence, and agentic QA
- Release & Deploy
+nbsp;+nbsp;+nbsp;- CI, quality gates, SCA, and CVE prioritisation
+nbsp;+nbsp;+nbsp;- SBOM, build provenance, artifact integrity, and configuration validation
+nbsp;+nbsp;+nbsp;- Release evidence, risk acceptance, rollback, and supplier acceptance
- Operate & Maintain
+nbsp;+nbsp;+nbsp;- Observability, incident response, patch management, and vulnerability management
+nbsp;+nbsp;+nbsp;- Dependency updates, regression testing, and architectural erosion
+nbsp;+nbsp;+nbsp;- Technical debt, knowledge loss, ownership, and use of the SBOM
+nbsp;+nbsp;+nbsp;- Feedback from operations into planning, requirements, and design
€1.535
Klassikaal
max 12