Opleidingen
68.293
resultaten
AI+ Ethical Hacker™ eLearning
Digitale omgevingen beschermen: maak gebruik van AI-ondersteunde technologieën
De AI+ Ethical Hacker™-certificering verdiept zich in het raakvlak tussen cyberbeveiliging en kunstmatige intelligentie, een cruciaal kruispunt in dit tijdperk van snelle technologische vooruitgang. Deze certificering is speciaal ontwikkeld voor beginnende ethische hackers en cyberbeveiligingsexperts en biedt uitgebreide inzichten in de transformatieve invloed van AI op digitale aanvals- en verdedigingsstrategieën. In tegenstelling tot conventionele cursussen ethisch hacken, maakt dit programma gebruik van de kracht van AI om cyberbeveiligingsbenaderingen te verbeteren. Het is bedoeld voor tech-enthousiastelingen die de fusie van geavanceerde AI-methoden met ethische hackpraktijken willen beheersen in het snel evoluerende digitale landschap. Het curriculum omvat vier belangrijke gebieden, van cursusdoelstellingen en vereisten tot verwachte functies en de nieuwste AI-technologieën in ethisch hacken.
Overzicht van certificeringen
* Voorbeeld van de cursusintroductie Module 1: Grondbeginselen van ethisch hacken met behulp van kunstmatige intelligentie (AI)
* 1.1 Inleiding tot ethisch hacken
* 1.2 Methodologie van ethisch hacken
* 1.3 Wettelijk en regelgevend kader
* 1.4 Soorten hackers en hun drijfveren
* 1.5 Technieken voor het verzamelen van informatie
* 1.6 Footprinting en verkenning
* 1.7 Netwerken scannen
* 1.8 Enumeratietechnieken Module 2: Inleiding tot AI bij ethisch hacken
* 2.1 AI bij ethisch hacken
* 2.2 Grondbeginselen van AI
* 2.3 Overzicht van AI-technologieën
* 2.4 Machine learning in cyberbeveiliging
* 2.5 Natuurlijke taalverwerking (NLP) voor cyberbeveiliging
* 2.6 Deep learning voor dreigingsdetectie
* 2.7 Adversariaal machine learning in cyberbeveiliging
* 2.8 AI-gestuurde platforms voor dreigingsinformatie
* 2.9 Automatisering van cyberbeveiliging met AI Module 3: AI-tools en -technologieën bij ethisch hacken
* 3.1 AI-gebaseerde tools voor dreigingsdetectie
* 3.2 Machine learning-frameworks voor ethisch hacken
* 3.3 AI-ondersteunde penetratietesttools
* 3.4 Tools voor gedragsanalyse voor het opsporen van afwijkingen
* 3.5 AI-gestuurde oplossingen voor netwerkbeveiliging
* 3.6 Geautomatiseerde kwetsbaarheidsscanners
* 3.7 AI in webapplicaties
* 3.8 AI voor het opsporen en analyseren van malware
* 3.9 Cognitieve beveiligingstools Module 4: AI-gestuurde verkenningtechnieken
* 4.1 Inleiding tot verkenning bij ethisch hacken
* 4.2 Traditionele versus AI-gestuurde verkenning
* 4.3 Geautomatiseerde OS-fingerprinting met AI
* 4.4 AI-verbeterde poortscantechnieken
* 4.5 Machine learning voor netwerkmapping
* 4.6 AI-gestuurde social engineering-verkenning
* 4.7 Machine learning in OSINT
* 4.8 AI-verbeterde DNS-enumeratie en AI-gestuurde doelprofileringstechnieken Module 5: AI bij kwetsbaarheidsbeoordeling en penetratietesten
* 5.1 Geautomatiseerde kwetsbaarheidsscans met AI
* 5.2 AI-verbeterde penetratietesttools
* 5.3 Machine learning voor exploitatie-technieken
* 5.4 Dynamische applicatiebeveiligingstests (DAST) met AI
* 5.5 AI-gestuurde fuzz-tests
* 5.6 Adversariaal machine learning bij penetratietesten
* 5.7 Geautomatiseerde rapportgeneratie met behulp van AI
* 5.8 AI-gebaseerde dreigingsmodellering
* 5.9 Uitdagingen en ethische overwegingen bij AI-gestuurde penetratietests Module 6: Machine learning voor dreigingsanalyse
* 6.1 Begeleid leren voor dreigingsdetectie
* 6.2 Onbegeleid leren voor detectie van afwijkingen
* 6.3 Versterkend leren voor adaptieve beveiligingsmaatregelen
* 6.4 Natuurlijke taalverwerking (NLP) voor dreigingsinformatie
* 6.5 Gedragsanalyse met behulp van machine learning
* 6.6 Ensemble-leren voor verbeterde dreigingsvoorspelling
* 6.7 Feature engineering bij dreigingsanalyse
* 6.8 Machine learning in endpointbeveiliging
* 6.9 Uitlegbare AI in dreigingsanalyse Module 7: Gedragsanalyse en detectie van afwijkingen bij systeemhacking
* 7.1 Gedragsbiometrie voor gebruikersauthenticatie
* 7.2 Machine learning-modellen voor analyse van gebruikersgedrag
* 7.3 Gedragsanalyse van netwerkverkeer
* 7.4 Gedragsmonitoring van eindpunten
* 7.5 Tijdreeksanalyse voor afwijkingsdetectie
* 7.6 Heuristische benaderingen voor het opsporen van afwijkingen
* 7.7 AI-gestuurde dreigingsopsporing
* 7.8 Gedragsanalyse van gebruikers en entiteiten (UEBA)
* 7.9 Uitdagingen en overwegingen bij gedragsanalyse Module 8: AI-gestuurde systemen voor incidentrespons
* 8.1 Geautomatiseerde dreigingstriage met behulp van AI
* 8.2 Machine learning voor dreigingsclassificatie
* 8.3 Integratie van realtime dreigingsinformatie
* 8.4 Voorspellende analyses bij incidentrespons
* 8.5 AI-gestuurde forensische analyse van incidenten
* 8.6 Geautomatiseerde inperkings- en uitroeiingsstrategieën
* 8.7 Gedragsanalyse bij incidentrespons
* 8.8 Continue verbetering door middel van feedback van machine learning
* 8.9 Samenwerking tussen mens en AI bij incidentafhandeling Module 9: AI voor identiteits- en toegangsbeheer (IAM)
* 9.1 AI-gestuurde technieken voor gebruikersauthenticatie
* 9.2 Gedragsbiometrie voor toegangscontrole
* 9.3 AI-gebaseerde detectie van afwijkingen in IAM
* 9.4 Dynamisch toegangsbeleid met machine learning
* 9.5 AI-verbeterd beheer van geprivilegieerde toegang (PAM)
* 9.6 Continue authenticatie met behulp van machine learning
* 9.7 Geautomatiseerde toewijzing en intrekking van gebruikersrechten
* 9.8 Risicogebaseerde authenticatie met AI
* 9.9 AI in identiteitsbeheer en -administratie (IGA) Module 10: Beveiliging van AI-systemen
* 10.1 Vijandige aanvallen op AI-modellen
* 10.2 Veilige praktijken voor het trainen van modellen
* 10.3 Gegevensprivacy in AI-systemen
* 10.4 Veilige implementatie van AI-toepassingen
* 10.5 Uitlegbaarheid en interpreteerbaarheid van AI-modellen
* 10.6 Robuustheid en veerkracht in AI
* 10.7 Veilige overdracht en uitwisseling van AI-modellen
* 10.8 Continue monitoring en detectie van bedreigingen voor AI Module 11: Ethiek in AI en cyberbeveiliging
* 11.1 Ethische besluitvorming in cyberbeveiliging
* 11.2 Vooringenomenheid en eerlijkheid in AI-algoritmen
* 11.3 Transparantie en verklaarbaarheid in AI-systemen
* 11.4 Privacykwesties in AI-gestuurde cyberbeveiliging
* 11.5 Verantwoordelijkheid en aansprakelijkheid in AI-beveiliging
* 11.6 Ethische aspecten van het delen van dreigingsinformatie
* 11.7 Mensenrechten en AI in cyberbeveiliging
* 11.8 Naleving van regelgeving en ethische normen
* 11.9 Ethisch hacken en verantwoordelijke openbaarmaking Module 12: Afstudeerproject
* 12.1 Casestudy 1: AI-ondersteunde detectie van en reactie op bedreigingen
* 12.2 Casestudy 2: Ethisch hacken met AI-integratie
* 12.3 Casestudy 3: AI in identiteits- en toegangsbeheer (IAM)
* 12.4 Casestudy 4: Veilige implementatie van AI-systemen Optionele module: AI-agenten voor ethisch hacken
* 1. Inzicht in AI-agenten
* 2. Casestudy's
* 3. Praktische oefeningen met AI-agenten Tools die je gaat verkennen
* Acunetix
* Wazuh
* Shodan
* OWASP ZAP
Inclusief online examen onder toezicht, met één gratis herkansing.
Examenopzet: 50 vragen, 70% vereist om te slagen, 90 minuten, online examen onder toezicht
Toegang tot alle materialen en examens wordt gedurende 365 dagen na levering verleend.
Cursus onder begeleiding van een docent OF cursus in eigen tempo + officieel examen + digitale badge
€510
E-Learning
max 999
5 dagen
AI+ Security Compliance™
Nieuwegein
ma 26 okt. 2026
Naleving bevorderen met behulp van AI
De cursus AI+ Security Compliance™ is een geavanceerde cursus waarin de basisprincipes van cyberbeveiligingscompliance worden gecombineerd met de transformatieve kracht van kunstmatige intelligentie (AI). Voortbouwend op het CISSP-raamwerk richt deze cursus zich op hoe AI complianceprocessen kan versterken, risicobeheer kan verbeteren en robuuste beveiligingsmaatregelen kan waarborgen in overeenstemming met regelgevende normen. Deze cursus laat u kennismaken met de kernprincipes van cyberbeveiligingscompliance, terwijl het potentieel van AI wordt verkend om uw beveiligingspositie te versterken. De opzet van deze cursus integreert uitgebreide principes van cyberbeveiligingscompliance met geavanceerde AI-toepassingen, waardoor cursisten de nodige vaardigheden verwerven om compliance te waarborgen en de beveiliging
te versterken door middel van AI-technologieën.
Module 1: Inleiding tot naleving van cyberbeveiligingsvoorschriften en AI
* 1.1 Overzicht van naleving van cyberbeveiliging
* 1.2 Internationale nalevingsnormen
* 1.3 Complianceprogramma's ontwikkelen
* 1.4 Implementatie van nalevingsprogramma's
* 1.5 AI in naleving van cyberbeveiliging
* 1.6 Casestudy's en toepassingen Module 2: Beveiliging en risicobeheer met AI
* 2.1 Risicobeheerkaders
* 2.2 Risicobeoordelingen uitvoeren
* 2.3 AI bij risicobeoordeling
* 2.4 Naleving en AI
* 2.5 Incidentrespons en AI Module 3: Beveiliging van bedrijfsmiddelen en AI voor naleving
* 3.1 Gegevensclassificatie en -bescherming
* 3.2 AI in privacybescherming
* 3.3 Beheer van bedrijfsmiddelen met AI
* 3.4 Casestudy's en best practices Module 4: Beveiligingsarchitectuur en -engineering met AI
* 4.1 Principes van veilig ontwerp
* 4.2 AI in cryptografie
* 4.3 AI bij kwetsbaarheidsbeoordeling
* 4.4 Beveiligingsmodellen en AI Module 5: Communicatie- en netwerkbeveiliging met AI
* 5.1 Basisprincipes van netwerkbeveiliging
* 5.2 AI in netwerkmonitoring
* 5.3 AI-gestuurde netwerkbeveiliging
* 5.4 Compliance in netwerkbeveiliging Module 6: Identiteits- en toegangsbeheer (IAM) met AI
* 6.1 Basisprincipes van IAM
* 6.2 AI bij identiteitsverificatie
* 6.3 Toegangscontrole en AI
* 6.4 Bedreigingen voor IAM- en AI-oplossingen Module 7: Beveiligingsbeoordeling en incidentrespons met AI
* 7.1 Technieken voor beveiligingstesten
* 7.2 AI bij beveiligingstesten
* 7.3 Continue monitoring en AI
* 7.4 Planning van incidentrespons
* 7.5 Beheer van cyberbeveiligingsincidenten
* 7.6 Juridische en regelgevende overwegingen Module 8: Beveiligingsactiviteiten met AI
* 8.1 Security Operations Center (SOC)
* 8.2 Gegevensclassificatie en -bescherming
* 8.3 Naleving van privacywetgeving
* 8.4 Disaster Recovery en AI
* 8.5 AI in beveiligingscoördinatie Module 9: Beveiliging en audit van softwareontwikkeling met AI
* 9.1 Veilige softwareontwikkelingscyclus (SDLC)
* 9.2 AI bij het testen van applicatiebeveiliging
* 9.3 AI in veilige DevOps
* 9.4 Bedreigingsmodellering en AI
* 9.5 Interne en externe audits
* 9.6 Continue monitoring Module 10: Toekomstige trends in AI en naleving van cyberbeveiliging
* 10.1 Opkomende AI-technologieën
* 10.2 AI in cyberdreigingsinformatie
* 10.3 Kwantumcomputers en AI
* 10.4 Ethische overwegingen en AI-governance
* 10.5 Praktische toepassingen Optionele module: AI-agenten voor naleving van beveiligingsvoorschriften
* 1. Wat zijn AI-agenten
* 2. Belangrijkste mogelijkheden van AI-agenten bij cyberbeveiligingscompliance
* 3. Toepassingen en trends voor AI-agenten bij naleving van beveiligingsvoorschriften
* 4. Hoe werkt een AI-agent
* 5. Kernkenmerken van AI-agenten
* 6. Soorten AI-agenten Tools die u gaat verkennen
* Secureframe
* LeewayHertz
* Securiti
* Scytale
Inclusief online examen onder toezicht, met één gratis herkansing.
Examenopzet: 50 vragen, 70% vereist om te slagen, 90 minuten, online examen onder toezicht
Toegang tot alle materialen en examens wordt gedurende 365 dagen na levering verleend.
Cursus onder begeleiding van een docent OF cursus in eigen tempo + officieel examen + digitale badge
€3.450
Klassikaal
max 12
5 dagen
AI+ Security Compliance™ eLearning
Naleving bevorderen met behulp van AI
De cursus AI+ Security Compliance™ is een geavanceerde cursus waarin de basisprincipes van cyberbeveiligingscompliance worden gecombineerd met de transformatieve kracht van kunstmatige intelligentie (AI). Voortbouwend op het CISSP-raamwerk richt deze cursus zich op hoe AI complianceprocessen kan versterken, risicobeheer kan verbeteren en robuuste beveiligingsmaatregelen kan waarborgen in overeenstemming met regelgevende normen. Deze cursus laat u kennismaken met de kernprincipes van cyberbeveiligingscompliance, terwijl het potentieel van AI wordt verkend om uw beveiligingspositie te versterken. De opzet van deze cursus integreert uitgebreide principes van cyberbeveiligingscompliance met geavanceerde AI-toepassingen, waardoor cursisten de nodige vaardigheden verwerven om compliance te waarborgen en de beveiliging
te versterken door middel van AI-technologieën.
Module 1: Inleiding tot naleving van cyberbeveiligingsvoorschriften en AI
* 1.1 Overzicht van naleving van cyberbeveiliging
* 1.2 Internationale nalevingsnormen
* 1.3 Complianceprogramma's ontwikkelen
* 1.4 Implementatie van nalevingsprogramma's
* 1.5 AI in naleving van cyberbeveiliging
* 1.6 Casestudy's en toepassingen Module 2: Beveiliging en risicobeheer met AI
* 2.1 Risicobeheerkaders
* 2.2 Risicobeoordelingen uitvoeren
* 2.3 AI bij risicobeoordeling
* 2.4 Naleving en AI
* 2.5 Incidentrespons en AI Module 3: Beveiliging van bedrijfsmiddelen en AI voor naleving
* 3.1 Gegevensclassificatie en -bescherming
* 3.2 AI in privacybescherming
* 3.3 Beheer van bedrijfsmiddelen met AI
* 3.4 Casestudy's en best practices Module 4: Beveiligingsarchitectuur en -engineering met AI
* 4.1 Principes van veilig ontwerp
* 4.2 AI in cryptografie
* 4.3 AI bij kwetsbaarheidsbeoordeling
* 4.4 Beveiligingsmodellen en AI Module 5: Communicatie- en netwerkbeveiliging met AI
* 5.1 Basisprincipes van netwerkbeveiliging
* 5.2 AI in netwerkmonitoring
* 5.3 AI-gestuurde netwerkbeveiliging
* 5.4 Compliance in netwerkbeveiliging Module 6: Identiteits- en toegangsbeheer (IAM) met AI
* 6.1 Basisprincipes van IAM
* 6.2 AI bij identiteitsverificatie
* 6.3 Toegangscontrole en AI
* 6.4 Bedreigingen voor IAM- en AI-oplossingen Module 7: Beveiligingsbeoordeling en incidentrespons met AI
* 7.1 Technieken voor beveiligingstesten
* 7.2 AI bij beveiligingstesten
* 7.3 Continue monitoring en AI
* 7.4 Planning van incidentrespons
* 7.5 Beheer van cyberbeveiligingsincidenten
* 7.6 Juridische en regelgevende overwegingen Module 8: Beveiligingsactiviteiten met AI
* 8.1 Security Operations Center (SOC)
* 8.2 Gegevensclassificatie en -bescherming
* 8.3 Naleving van privacywetgeving
* 8.4 Disaster Recovery en AI
* 8.5 AI in beveiligingscoördinatie Module 9: Beveiliging en audit van softwareontwikkeling met AI
* 9.1 Veilige softwareontwikkelingscyclus (SDLC)
* 9.2 AI bij het testen van applicatiebeveiliging
* 9.3 AI in veilige DevOps
* 9.4 Bedreigingsmodellering en AI
* 9.5 Interne en externe audits
* 9.6 Continue monitoring Module 10: Toekomstige trends in AI en naleving van cyberbeveiliging
* 10.1 Opkomende AI-technologieën
* 10.2 AI in cyberdreigingsinformatie
* 10.3 Kwantumcomputers en AI
* 10.4 Ethische overwegingen en AI-governance
* 10.5 Praktische toepassingen Optionele module: AI-agenten voor naleving van beveiligingsvoorschriften
* 1. Wat zijn AI-agenten
* 2. Belangrijkste mogelijkheden van AI-agenten bij cyberbeveiligingscompliance
* 3. Toepassingen en trends voor AI-agenten bij naleving van beveiligingsvoorschriften
* 4. Hoe werkt een AI-agent
* 5. Kernkenmerken van AI-agenten
* 6. Soorten AI-agenten Tools die u gaat verkennen
* Secureframe
* LeewayHertz
* Securiti
* Scytale
Inclusief online examen onder toezicht, met één gratis herkansing.
Examenopzet: 50 vragen, 70% vereist om te slagen, 90 minuten, online examen onder toezicht
Toegang tot alle materialen en examens wordt gedurende 365 dagen na levering verleend.
Cursus onder begeleiding van een docent OF cursus in eigen tempo + officieel examen + digitale badge
€510
E-Learning
max 999
5 dagen
AI+ Telecommunications™
AI in Telecommunications: Redefining the Future of Seamless Connectivity
* Foundational Insights: Explore AI technologies enhancing telecom networks, from predictive maintenance to network optimization and customer service automation.
* Advanced Applications: Master AI in 5G deployment, anomaly detection, and real-time resource management for improved network performance.
* Specialized Expertise: Learn AI solutions for cybersecurity, fraud detection, and efficient IoT integration to ensure network reliability.
* Capstone Project: Develop AI-driven solutions for real-world telecom challenges like network optimization and intelligent service delivery.
Module 1: Introduction to AI in Telecommunications
* 1.1 AI Fundamentals in Telecommunications
* 1.2 AI Technologies for Telecom
* 1.3 Emerging Trends in AI for Telecommunications
* 1.4 Case Study
* 1.5 Hands-on Module 2: Data Engineering for Telecom AI
* 2.1 Foundation of Telecom Data Engineering
* 2.2 Designing and Managing the Telecom Data Pipeline
* 2.3 Data Engineering tools and Technology
* 2.4 Case Study: SK Telecom’s Big Data Analytics with Metatron Discovery
* 2.5 Hands on Exercise Module 3: AI for 5G Networks
* 3.1 Introduction to 5G
* 3.2 AI Applications in 5G
* 3.3 Enhancing Network Management with AI
* 3.4 Case Study
* 3.5 Hands-on Module 4: AI in Network Optimization
* 4.1 Predictive Network Management
* 4.2 Performance Enhancement Techniques
* 4.3 Traffic Management Strategies
* 4.4 Case Study
* 4.5 Hands-on Module 5: AI in Network Security
* 5.1 Security Threats in Telecom
* 5.2 AI Security Solutions
* 5.3 Advanced Security Frameworks
* 5.4 Case Study
* 5.5 Hands-on Module 6: Enhancing Customer Experience with AI
* 6.1 Personalized Customer Service
* 6.2 Service Quality Improvement
* 6.3 Enhancing Customer Engagement
* 6.4 Case Study
* 6.5 Hands-on Module 7: IoT Integration with Telecommunications
* 7.1 IoT Fundamentals
* 7.2 Managing IoT Security Challenges
* 7.3 Enhancing Operational Efficiency with IoT
* 7.4 Case Study
* 7.5 Hands-on Module 8: AI-Integrated Network Operations Centers (NOC)
* 8.1 Transitioning to AI-driven NOCs
* 8.2 Automating escalations and root cause analyses
* 8.3 Closed-loop automation with AI and SDN integration
* 8.4 Designing AI-ready network architectures
* 8.5 Change management strategies for AI rollouts in operations
* 8.6 Case Study: Implementation of AI assistants in NOCs Module 9: Ethical Considerations in Artificial Intelligence
* 9.1 Ethical Implications of Using Artificial Intelligence
* 9.2 Responsible Deployment Practices
* 9.3 Emerging Trends and Challenges
* 9.4 Case Study
* 9.5 Hands-on Module 10: Capstone Project
Tools you will explore
* TensorFlow
* Keras
* Matplotlib
Online proctored exam included, with one free retake.
Exam format: 50 questions, 70% passing, 90 minutes, online proctored exam
Access to all materials and exams is provided for 365 days after delivery.
Instructor-led OR Self-paced course + Official exam + Digital badge
€3.450
Klassikaal
max 12
5 dagen
AI+ Telecommunications™ eLearning
AI in Telecommunications: Redefining the Future of Seamless Connectivity
* Foundational Insights: Explore AI technologies enhancing telecom networks, from predictive maintenance to network optimization and customer service automation.
* Advanced Applications: Master AI in 5G deployment, anomaly detection, and real-time resource management for improved network performance.
* Specialized Expertise: Learn AI solutions for cybersecurity, fraud detection, and efficient IoT integration to ensure network reliability.
* Capstone Project: Develop AI-driven solutions for real-world telecom challenges like network optimization and intelligent service delivery.
Module 1: Introduction to AI in Telecommunications
* 1.1 AI Fundamentals in Telecommunications
* 1.2 AI Technologies for Telecom
* 1.3 Emerging Trends in AI for Telecommunications
* 1.4 Case Study
* 1.5 Hands-on Module 2: Data Engineering for Telecom AI
* 2.1 Foundation of Telecom Data Engineering
* 2.2 Designing and Managing the Telecom Data Pipeline
* 2.3 Data Engineering tools and Technology
* 2.4 Case Study: SK Telecom’s Big Data Analytics with Metatron Discovery
* 2.5 Hands on Exercise Module 3: AI for 5G Networks
* 3.1 Introduction to 5G
* 3.2 AI Applications in 5G
* 3.3 Enhancing Network Management with AI
* 3.4 Case Study
* 3.5 Hands-on Module 4: AI in Network Optimization
* 4.1 Predictive Network Management
* 4.2 Performance Enhancement Techniques
* 4.3 Traffic Management Strategies
* 4.4 Case Study
* 4.5 Hands-on Module 5: AI in Network Security
* 5.1 Security Threats in Telecom
* 5.2 AI Security Solutions
* 5.3 Advanced Security Frameworks
* 5.4 Case Study
* 5.5 Hands-on Module 6: Enhancing Customer Experience with AI
* 6.1 Personalized Customer Service
* 6.2 Service Quality Improvement
* 6.3 Enhancing Customer Engagement
* 6.4 Case Study
* 6.5 Hands-on Module 7: IoT Integration with Telecommunications
* 7.1 IoT Fundamentals
* 7.2 Managing IoT Security Challenges
* 7.3 Enhancing Operational Efficiency with IoT
* 7.4 Case Study
* 7.5 Hands-on Module 8: AI-Integrated Network Operations Centers (NOC)
* 8.1 Transitioning to AI-driven NOCs
* 8.2 Automating escalations and root cause analyses
* 8.3 Closed-loop automation with AI and SDN integration
* 8.4 Designing AI-ready network architectures
* 8.5 Change management strategies for AI rollouts in operations
* 8.6 Case Study: Implementation of AI assistants in NOCs Module 9: Ethical Considerations in Artificial Intelligence
* 9.1 Ethical Implications of Using Artificial Intelligence
* 9.2 Responsible Deployment Practices
* 9.3 Emerging Trends and Challenges
* 9.4 Case Study
* 9.5 Hands-on Module 10: Capstone Project
Tools you will explore
* TensorFlow
* Keras
* Matplotlib
Online proctored exam included, with one free retake.
Exam format: 50 questions, 70% passing, 90 minutes, online proctored exam
Access to all materials and exams is provided for 365 days after delivery.
Instructor-led OR Self-paced course + Official exam + Digital badge
€510
E-Learning
max 999
5 dagen
AI+ Developer™
Get hands-on with the tools and technologies that power the AI ecosystem.
* Core AI Foundations: Covers Python, deep learning, data processing, and algorithm design
* Hands-on Projects: Focus on NLP, computer vision, and reinforcement learning
* Advanced Modules: Includes time series, model explainability, and cloud deployment
* Industry-Ready Skills: Prepares learners to design and deploy complex AI systems
Course Overview
* Course IntroductionPreview Module 1: Foundations of Artificial Intelligence
* 1.1 Introduction to AI Preview
* 1.2 Types of Artificial Intelligence Preview
* 1.3 Branches of Artificial Intelligence
* 1.4 Applications and Business Use Cases Module 2: Mathematical Concepts for AI
* 2.1 Linear Algebra Preview
* 2.2 Calculus Preview
* 2.3 Probability and Statistics Preview
* 2.4 Discrete Mathematics Module 3: Python for Developer
* 3.1 Python Fundamentals Preview
* 3.2 Python Libraries Module 4: Mastering Machine Learning
* 4.1 Introduction to Machine Learning
* 4.2 Supervised Machine Learning Algorithms
* 4.3 Unsupervised Machine Learning Algorithms
* 4.4 Model Evaluation and Selection Module 5: Deep Learning
* 5.1 Neural Networks
* 5.2 Improving Model Performance
* 5.3 Hands-on: Evaluating and Optimizing AI Models Module 6: Computer Vision
* 6.1 Image Processing Basics
* 6.2 Object Detection
* 6.3 Image Segmentation
* 6.4 Generative Adversarial Networks (GANs) Module 7: Natural Language Processing
* 7.1 Text Preprocessing and Representation
* 7.2 Text Classification
* 7.3 Named Entity Recognition (NER)
* 7.4 Question Answering (QA) Module 8: Reinforcement Learning
* 8.1 Introduction to Reinforcement Learning
* 8.2 Q-Learning and Deep Q-Networks (DQNs)
* 8.3 Policy Gradient Methods Module 9: Cloud Computing in AI Development
* 9.1 Cloud Computing for AI
* 9.2 Cloud-Based Machine Learning Services Module 10: Large Language Models
* 10.1 Understanding LLMs
* 10.2 Text Generation and Translation
* 10.3 Question Answering and Knowledge Extraction Module 11: Cutting-Edge AI Research
* 11.1 Neuro-Symbolic AI
* 11.2 Explainable AI (XAI)
* 11.3 Federated Learning
* 11.4 Meta-Learning and Few-Shot Learning Module 12: AI Communication and Documentation
* 12.1 Communicating AI Projects
* 12.2 Documenting AI Systems
* 12.3 Ethical Considerations Optional Module: AI Agents for Developers
* 1. Understanding AI Agents
* 2. Case Studies
* 3. Hands-On Practice with AI Agents Tools you will explore
* GitHub Copilot
* Lobe
* H2O.ai
* Snorkel
Online proctored exam included, with one free retake.
Exam format: 50 questions, 70% passing, 90 minutes, online proctored exam
Access to all materials and exams is provided for 365 days after delivery.
Instructor-led OR Self-paced course + Official exam + Digital badge
€3.450
Klassikaal
max 12
5 dagen
AI+ Developer™ eLearning
Get hands-on with the tools and technologies that power the AI ecosystem.
* Core AI Foundations: Covers Python, deep learning, data processing, and algorithm design
* Hands-on Projects: Focus on NLP, computer vision, and reinforcement learning
* Advanced Modules: Includes time series, model explainability, and cloud deployment
* Industry-Ready Skills: Prepares learners to design and deploy complex AI systems
Course Overview
* Course IntroductionPreview Module 1: Foundations of Artificial Intelligence
* 1.1 Introduction to AI Preview
* 1.2 Types of Artificial Intelligence Preview
* 1.3 Branches of Artificial Intelligence
* 1.4 Applications and Business Use Cases Module 2: Mathematical Concepts for AI
* 2.1 Linear Algebra Preview
* 2.2 Calculus Preview
* 2.3 Probability and Statistics Preview
* 2.4 Discrete Mathematics Module 3: Python for Developer
* 3.1 Python Fundamentals Preview
* 3.2 Python Libraries Module 4: Mastering Machine Learning
* 4.1 Introduction to Machine Learning
* 4.2 Supervised Machine Learning Algorithms
* 4.3 Unsupervised Machine Learning Algorithms
* 4.4 Model Evaluation and Selection Module 5: Deep Learning
* 5.1 Neural Networks
* 5.2 Improving Model Performance
* 5.3 Hands-on: Evaluating and Optimizing AI Models Module 6: Computer Vision
* 6.1 Image Processing Basics
* 6.2 Object Detection
* 6.3 Image Segmentation
* 6.4 Generative Adversarial Networks (GANs) Module 7: Natural Language Processing
* 7.1 Text Preprocessing and Representation
* 7.2 Text Classification
* 7.3 Named Entity Recognition (NER)
* 7.4 Question Answering (QA) Module 8: Reinforcement Learning
* 8.1 Introduction to Reinforcement Learning
* 8.2 Q-Learning and Deep Q-Networks (DQNs)
* 8.3 Policy Gradient Methods Module 9: Cloud Computing in AI Development
* 9.1 Cloud Computing for AI
* 9.2 Cloud-Based Machine Learning Services Module 10: Large Language Models
* 10.1 Understanding LLMs
* 10.2 Text Generation and Translation
* 10.3 Question Answering and Knowledge Extraction Module 11: Cutting-Edge AI Research
* 11.1 Neuro-Symbolic AI
* 11.2 Explainable AI (XAI)
* 11.3 Federated Learning
* 11.4 Meta-Learning and Few-Shot Learning Module 12: AI Communication and Documentation
* 12.1 Communicating AI Projects
* 12.2 Documenting AI Systems
* 12.3 Ethical Considerations Optional Module: AI Agents for Developers
* 1. Understanding AI Agents
* 2. Case Studies
* 3. Hands-On Practice with AI Agents Tools you will explore
* GitHub Copilot
* Lobe
* H2O.ai
* Snorkel
Online proctored exam included, with one free retake.
Exam format: 50 questions, 70% passing, 90 minutes, online proctored exam
Access to all materials and exams is provided for 365 days after delivery.
Instructor-led OR Self-paced course + Official exam + Digital badge
€510
E-Learning
max 999
5 dagen
AI+ Architect™
Visualize Tomorrow: Neural Networks in Vision
* Deep AI Expertise: Covers neural networks, NLP, and computer vision frameworks
* Enterprise AI: Learn to design scalable AI systems for real-world impact
* Capstone Integration: Build, test, and deploy advanced AI architectures
* Industry Preparedness: Equips you for roles in high-demand AI design domains
Certification Overview
* Course Introduction Preview Module 1: Fundamentals of Neural Networks
* 1.1 Introduction to Neural Networks
* 1.2 Neural Network Architecture
* 1.3 Hands-on: Implement a Basic Neural Network Module 2: Neural Network Optimization
* 2.1 Hyperparameter Tuning
* 2.2 Optimization Algorithms
* 2.3 Regularization Techniques
* 2.4 Hands-on: Hyperparameter Tuning and Optimization Module 3: Neural Network Architectures for NLP
* 3.1 Key NLP Concepts
* 3.2 NLP-Specific Architectures
* 3.3 Hands-on: Implementing an NLP Model Module 4: Neural Network Architectures for Computer Vision
* 4.1 Key Computer Vision Concepts
* 4.2 Computer Vision-Specific Architectures
* 4.3 Hands-on: Building a Computer Vision Model Module 5: Model Evaluation and Performance Metrics
* 5.1 Model Evaluation Techniques
* 5.2 Improving Model Performance
* 5.3 Hands-on: Evaluating and Optimizing AI Models Module 6: AI Infrastructure and Deployment
* 6.1 Infrastructure for AI Development
* 6.2 Deployment Strategies
* 6.3 Hands-on: Deploying an AI Model Module 7: AI Ethics and Responsible AI Design
* 7.1 Ethical Considerations in AI
* 7.2 Best Practices for Responsible AI Design
* 7.3 Hands-on: Analyzing Ethical Considerations in AI Module 8: Generative AI Models
* 8.1 Overview of Generative AI Models
* 8.2 Generative AI Applications in Various Domains
* 8.3 Hands-on: Exploring Generative AI Models Module 9: Research-Based AI Design
* 9.1 AI Research Techniques
* 9.2 Cutting-Edge AI Design
* 9.3 Hands-on: Analyzing AI Research Papers Module 10: Capstone Project and Course Review
* 10.1 Capstone Project Presentation
* 10.2 Course Review and Future Directions
* 10.3 Hands-on: Capstone Project Development Optional Module: AI Agents for Architect
* 1. Understanding AI Agents
* 2. Case Studies
* 3. Hands-On Practice with AI Agents Tools you will explore
* AutoGluon
* ChatGPT
* SonarCube
* Vertex AI
Online proctored exam included, with one free retake.
Exam format: 50 questions, 70% passing, 90 minutes, online proctored exam
Access to all materials and exams is provided for 365 days after delivery.
Instructor-led OR Self-paced course + Official exam + Digital badge
€3.450
Klassikaal
max 12
5 dagen
AI+ Architect™ eLearning
Visualize Tomorrow: Neural Networks in Vision
* Deep AI Expertise: Covers neural networks, NLP, and computer vision frameworks
* Enterprise AI: Learn to design scalable AI systems for real-world impact
* Capstone Integration: Build, test, and deploy advanced AI architectures
* Industry Preparedness: Equips you for roles in high-demand AI design domains
Certification Overview
* Course Introduction Preview Module 1: Fundamentals of Neural Networks
* 1.1 Introduction to Neural Networks
* 1.2 Neural Network Architecture
* 1.3 Hands-on: Implement a Basic Neural Network Module 2: Neural Network Optimization
* 2.1 Hyperparameter Tuning
* 2.2 Optimization Algorithms
* 2.3 Regularization Techniques
* 2.4 Hands-on: Hyperparameter Tuning and Optimization Module 3: Neural Network Architectures for NLP
* 3.1 Key NLP Concepts
* 3.2 NLP-Specific Architectures
* 3.3 Hands-on: Implementing an NLP Model Module 4: Neural Network Architectures for Computer Vision
* 4.1 Key Computer Vision Concepts
* 4.2 Computer Vision-Specific Architectures
* 4.3 Hands-on: Building a Computer Vision Model Module 5: Model Evaluation and Performance Metrics
* 5.1 Model Evaluation Techniques
* 5.2 Improving Model Performance
* 5.3 Hands-on: Evaluating and Optimizing AI Models Module 6: AI Infrastructure and Deployment
* 6.1 Infrastructure for AI Development
* 6.2 Deployment Strategies
* 6.3 Hands-on: Deploying an AI Model Module 7: AI Ethics and Responsible AI Design
* 7.1 Ethical Considerations in AI
* 7.2 Best Practices for Responsible AI Design
* 7.3 Hands-on: Analyzing Ethical Considerations in AI Module 8: Generative AI Models
* 8.1 Overview of Generative AI Models
* 8.2 Generative AI Applications in Various Domains
* 8.3 Hands-on: Exploring Generative AI Models Module 9: Research-Based AI Design
* 9.1 AI Research Techniques
* 9.2 Cutting-Edge AI Design
* 9.3 Hands-on: Analyzing AI Research Papers Module 10: Capstone Project and Course Review
* 10.1 Capstone Project Presentation
* 10.2 Course Review and Future Directions
* 10.3 Hands-on: Capstone Project Development Optional Module: AI Agents for Architect
* 1. Understanding AI Agents
* 2. Case Studies
* 3. Hands-On Practice with AI Agents Tools you will explore
* AutoGluon
* ChatGPT
* SonarCube
* Vertex AI
Online proctored exam included, with one free retake.
Exam format: 50 questions, 70% passing, 90 minutes, online proctored exam
Access to all materials and exams is provided for 365 days after delivery.
Instructor-led OR Self-paced course + Official exam + Digital badge
€510
E-Learning
max 999
5 dagen
AI+ Engineer™
Innovate Engineering: Leverage AI-Driven Smart Solutions
* Full AI Stack: Learn AI architecture, LLMs, NLP, and neural networks
* Tool Proficiency: Includes Transfer Learning with Hugging Face and GUI design
* Deployment Focus: Build real AI systems and manage communication pipelines
* Practical Mastery: Gain the skills to engineer scalable AI solutions for innovation
Course Overview
* Course Introduction Preview Module 1: Foundations of Artificial Intelligence
* 1.1 Introduction to AI Preview
* 1.2 Core Concepts and Techniques in AI Preview
* 1.3 Ethical Considerations Module 2: Introduction to AI Architecture
* 2.1 Overview of AI and its Various ApplicationsPreview
* 2.2 Introduction to AI Architecture Preview
* 2.3 Understanding the AI Development Lifecycle Preview
* 2.4 Hands-on: Setting up a Basic AI Environment Module 3: Fundamentals of Neural Networks
* 3.1 Basics of Neural Networks Preview
* 3.2 Activation Functions and Their Role Preview
* 3.3 Backpropagation and Optimization Algorithms
* 3.4 Hands-on: Building a Simple Neural Network Using a Deep Learning Framework Module 4: Applications of Neural Networks
* 4.1 Introduction to Neural Networks in Image Processing
* 4.2 Neural Networks for Sequential Data
* 4.3 Practical Implementation of Neural Networks Module 5: Significance of Large Language Models (LLM)
* 5.1 Exploring Large Language Models
* 5.2 Popular Large Language Models
* 5.3 Practical Finetuning of Language Models
* 5.4 Hands-on: Practical Finetuning for Text Classification Module 6: Application of Generative AI
* 6.1 Introduction to Generative Adversarial Networks (GANs)
* 6.2 Applications of Variational Autoencoders (VAEs)
* 6.3 Generating Realistic Data Using Generative Models
* 6.4 Hands-on: Implementing Generative Models for Image Synthesis Module 7: Natural Language Processing
* 7.1 NLP in Real-world Scenarios
* 7.2 Attention Mechanisms and Practical Use of Transformers
* 7.3 In-depth Understanding of BERT for Practical NLP Tasks
* 7.4 Hands-on: Building Practical NLP Pipelines with Pretrained Models Module 8: Transfer Learning with Hugging Face
* 8.1 Overview of Transfer Learning in AI
* 8.2 Transfer Learning Strategies and Techniques
* 8.3 Hands-on: Implementing Transfer Learning with Hugging Face Models for Various Tasks Module 9: Crafting Sophisticated GUIs for AI Solutions
* 9.1 Overview of GUI-based AI Applications
* 9.2 Web-based Framework
* 9.3 Desktop Application Framework Module 10: AI Communication and Deployment Pipeline
* 10.1 Communicating AI Results Effectively to Non-Technical Stakeholders
* 10.2 Building a Deployment Pipeline for AI Models
* 10.3 Developing Prototypes Based on Client Requirements
* 10.4 Hands-on: Deployment Optional Module: AI Agents for Engineering
* 1. Understanding AI Agents
* 2. Case Studies
* 3. Hands-On Practice with AI Agents Tools you will explore
* TensorFlow
* Hugging Face Transformers
* Jenkins
* TensorFlow Hub
Online proctored exam included, with one free retake.
Exam format: 50 questions, 70% passing, 90 minutes, online proctored exam
Access to all materials and exams is provided for 365 days after delivery.
Instructor-led OR Self-paced course + Official exam + Digital badge
€3.450
Klassikaal
max 12
5 dagen