AI-geletterdheid voor de echte wereld
De fundamenten achter intelligente systemen
Bouw met de huidige AI-mogelijkheden
Ontwikkel betrouwbare GenAI-systemen
Verstuur AI-producten op verantwoorde wijze
Technische basis voor AI-bouwers
Patronen voor het oplossen van moeilijkere problemen
Ontwerp systemen die AI schalen
Communiceer en geef leiding in het AI-tijdperk
Het sluitstuk van uw productie-AI
Navigeer door de AI-engineering-banenmarkt
Vertel het verhaal over hoe jij impact creëert
Oplossen, ontwerpen en communiceren onder druk
Bereid je voor op moderne ML- en GenAI-interviews
Maak een zelfverzekerde, geïnformeerde volgende stap
AI-onderwijs toegankelijk maken voor iedereen, overal
Veelgestelde vragen beantwoord
Zorgvuldig gekozen tools die we gebruiken en aanraden
Neem contact met ons op
Openbaar gebouwd op GitHub
Elke les bouwt voort op de vorige. Geen haast, geen aannames.
Ontdek wat data werkelijk is, hoe AI het gebruikt om te leren, waarom datakwaliteit belangrijk is, en verken echte datasets.
Leer wat algoritmen zijn door alledaagse analogieën, en verken beslisbomen, K-nearest neighbors en lineaire regressie.
Verken hoe kunstmatige neurale netwerken werken - van biologische neuronen tot lagen, activatiefuncties, forward propagation en backpropagation.
Begrijp de trainingslus, verliesfuncties, overfitting en hoe je weet wanneer je AI-model klaar is.
Ontdek hoe bias AI-systemen binnendringt, welke ethische uitdagingen AI met zich meebrengt, en hoe we eerlijkere technologie kunnen bouwen.
Begrijp hoe neurale netwerken leren door fouten terug te propageren door de lagen, met behulp van de kettingregel om elk gewicht bij te werken.
Ontdek hoe verliesfuncties de fouten van een model meten en hoe optimalisatoren gradiënten gebruiken om deze systematisch te verminderen.
Leer hoe taalmodellen tekst opdelen in tokens met BPE en andere algoritmen, en waarom tokenisatie alles beïnvloedt, van kosten tot mogelijkheden.
Ontdek hoe AI woorden en zinnen representeert als vectoren in een hoogdimensionale ruimte, waardoor semantisch zoeken, aanbevelingen en RAG mogelijk worden.
Leer waarom nauwkeurigheid alleen misleidend is, en beheers de metrieken - precisie, recall, F1, ROC-AUC, BLEU en perplexiteit - die AI-prestaties écht meten.
Hoe GPT, Claude en andere LLM's onder de motorkap werken
Begrijp de twee meest voorkomende faalmodi van machine learning – overfitting en underfitting – met duidelijke voorbeelden en hoe u deze kunt oplossen.
Ontdek hoe feature-engineering ruwe data omzet in krachtige machine learning-inputs: de vaardigheid die goede modellen van geweldige modellen onderscheidt.
Een duidelijke vergelijking van machinaal leren onder toezicht en zonder toezicht – wanneer elke aanpak moet worden gebruikt, met praktijkvoorbeelden en algoritmen.
Ontdek hoe beslissingsbomen werken, waarom ze een van de meest intuïtieve ML-algoritmen zijn en wanneer u ze kunt gebruiken.
Begrijp clustering – een belangrijke leertechniek zonder toezicht – via K-Means, hiërarchische clustering en toepassingen uit de echte wereld.