De Microsoft-stack van begin tot einde: Foundry opzetten, permission-aware gronden met Foundry IQ en Azure AI Search, ontwerpen met de patronen, en dan evalueren, secure MCP-tools ontsluiten en een production-ready agentfrontend opleveren.
De Claude-stack van begin tot einde: kies je runtime, van Messages API en Agent SDK tot Managed Agents, grond hem met pgvector en hybride zoeken, ontwerp met de patronen, en lever dan evaluaties, secure MCP-tools en een production-ready agentfrontend op.
Agents low-code bouwen op Microsoft 365: van eerste agent over kennis, acties, MCP en flows tot LLM-beoordeelde evaluatie, analytics, ALM en governance.
Begin bij de user interface, stel Claude Code af tot instrument, zet reviews op elke diff, en eindig met een spec-driven harness met validatie- en feedback gates, zoals we zelf bouwen.
Begin bij de user interface, stel Copilot af tot instrument over IDE, CLI en de app, delegeer issues aan agents vanuit mission control, zet reviews op elke pull request, en eindig met een spec-driven harness op Spec Kit, Actions en Agentic Workflows.
Kiezen, beheersen, herontwerpen: waar AI waarde creëert, onder welke voorwaarden ze mag handelen, en hoe werk, rollen en verantwoordelijkheid veranderen. Je brengt één eigen proces mee; het reist door alle drie de dagen.
Een lichte maar werkbare governancefunctie: maak AI-gebruik zichtbaar, beheersbaar en verantwoord schaalbaar via register en triage, controls en agent-bevoegdheden, vendors en datastromen, en operating model en geletterdheid, zonder papieren tijger.
Microsoft Copilot effectief, kritisch en veilig gebruiken, en daarna afgebakend werk delegeren aan Copilot Cowork zonder de controle over data, acties en kwaliteit te verliezen. Twee gespreide dagen; tussenin verzamel je één terugkerende taak uit je eigen functie.
Claude effectief, kritisch en veilig gebruiken voor kenniswerk, en daarna afgebakend werk delegeren aan Claude Cowork met duidelijke grenzen rond bestanden, connectors, acties en kwaliteit. Twee gespreide dagen; tussenin verzamel je één terugkerende taak uit je eigen functie.
Vertaal een bedrijfsprobleem naar een verdedigbare end-to-end AI-architectuur: beheers eerst de bouwblokken, van regels en optimalisatie tot RAG en agents, en beslis, combineer en ontwerp daarna tot in productie. Eén doorlopende case verdedigd voor een reviewboard, vendorneutraal.
Ontwerp, bouw en beheer productiedataproducten in Microsoft Fabric: OneLake, Lakehouse, Warehouse, Data Factory, Delta Lake en Real-Time Intelligence, van architectuur en ingestie tot gecontroleerde productie. Eén bron in bronze laden is een vroege oefening, niet het eindresultaat.
Ontwerp, bouw en beheer governed lakehousedataproducten met Databricks, Delta Lake, Unity Catalog en het Lakeflow-platform: managed ingestion, CDC, batch- en streamingpipelines, orchestratie, governance en kostmonitoring. Aangeleerd met de huidige productnamen en patronen, niet het curriculum van enkele jaren geleden.
Ontwikkel betrouwbare predictieve en forecastingmodellen, van ruwe data tot gevalideerde, verklaarbare en beheerde model-assets. Baselines eerst, leakage-discipline overal, en actuele tools zonder de competentie aan één library te binden.
Kies, deploy, beveilig en beheer een praktisch AI-platform: één managed provider en één privaat model achter één beheerde gateway, met keys, budgetten, fallbacks, observability en een runbook. Private hosting is een optie, niet het standaardantwoord.
De wiskundige taal van moderne AI in vier cursussen: lineaire algebra, calculus en automatic differentiation, probability en statistics, en information theory, telkens onderwezen via de modellen die ze verklaren, van attention en backpropagation tot sampling en loss design.
Neurale netwerken gebouwd, getraind en gediagnosticeerd vanaf de eerste principes: backpropagation met de hand voor de frameworks het overnemen, optimization en training dynamics als één samenhangend systeem, en architecturen vergeleken op de structuur die ze modelleren. Eén experimentdiscipline loopt door de track: baseline, gecontroleerde wijziging, meting, ablation, conclusie.
Language models van tokenization en het transformerblock tot frontier scale: efficient attention en state-space memory, sparse Mixture-of-Experts, pretrainingdata en optimization, post-training en reasoning, afgesloten met een research lab dat een actuele frontier-architectuur reconstrueert en deels reproduceert. De huidige capstone-editie is The Road to K3.
Zet Microsoft Foundry correct op en deploy een begrensde agent: modellen, Agent Service, toolboxes, identity, tracing en evaluations, in de portal of vanuit de SDK.
Gegronde agents op de Microsoft-stack, twee keer gebouwd: een directe Azure AI Search index tool tegenover Foundry IQ knowledge bases: permission-aware, met citations, en gemeten.
De Claude-stack is niet één agentbuilder: Messages API met je eigen loop, de Agent SDK, of Managed Agents. Bouw een begrensde agent en maak de runtimekeuze bewust.
Permission-aware RAG op de open stack: Postgres full-text plus pgvector, samengevoegd met RRF en een reranker, Row Level Security van begin tot einde, en het oordeel om te weten wanneer RAG het verkeerde gereedschap is.
Bouw, test en publiceer je eerste Copilot Studio-agent op één dag: een Agent Brief, instructies, topics, kennis. Live in Teams en Microsoft 365 Copilot voor je vertrekt.
Waar Copilot Studio-agents hun geld verdienen: permission-aware kennis, acties via connectors en MCP, deterministische agent flows, en event triggers veilig in draft-and-approve.
Van demo naar beheerde productie: LLM-beoordeelde testsets met Agent Evaluation, de Copilot Agent Kit, transcripts en Application Insights, solutions en ALM, DLP, en een releasebeslissing die je kunt verdedigen.
Elke betrouwbare agent is gebouwd uit dezelfde eenentwintig patronen. Deze cursus volgt Antonio Gulli's Agentic Design Patterns van begin tot einde en past ze toe op een workflow van jezelf.
De vlaggenschipcursus over systemen, CI en online evals: instrumenteer met tracing, stel datasets samen, scoor met gekalibreerde judges, zet een eval-poort in CI op, en monitor live verkeer. Cursuslokale eval elders blijft beperkt van scope; deze cursus neemt de productielus voor haar rekening.
Bouw en deploy een secure stateless remote MCP-server op de 2026-spec, zodat elke AI-client je tools kan aanroepen: gehard, least-privilege, en opgeleverd als Cloudflare Worker.
Bouw een productieklare agent experience op AG-UI met CopilotKit: streaming, generative UI, gedeelde state, en human-in-the-loop bij acties met grote impact.
Begin bij de user interface: ontwerp de flow in Claude Design, maak elke state expliciet in een handovercontract, en sync het native naar Claude Code voor gecontroleerde implementatie.
Claude Code als afgesteld instrument in plaats van een chatvenster: CLAUDE.md en rules, skills en plugins, hooks, subagents, MCP, permissions en sandboxing, worktrees, /goal en /loop, headless en routines. Elk object, aan het werk gezet.
Reviews die meeschalen met de code die je nu produceert: /code-review op elke diff, managed review op elke pull request, /security-review op afroep, standaarden die afgedwongen worden, en een scherpe lijn rond wat menselijk blijft.
De capstone: een spec-driven harness waarin een feature van contract en plan naar implementatie, onafhankelijke validatie en menselijke feedback gates beweegt, zoals we zelf software bouwen.
Begin bij de user interface: ontwerp de flow in Claude Design, leg hem vast in een versioneerbaar handovercontract in de repository, en laat GitHub Copilot hem implementeren: gecontroleerd, verifieerbaar, reviewbaar.
GitHub Copilot als afgesteld instrument over IDE, CLI, GitHub.com en de app: instructions, AGENTS.md, prompt files, skills, custom agents, hooks, MCP, Spaces en Memory. Elk object, aan het werk gezet.
Stop met meetypen, begin met delegeren: parallelle agentsessies gestart vanuit issues, prompts of de CLI, aangestuurd vanuit de Agents-pagina en de Copilot-app, met automations en governance van prompt tot pull request.
Reviews die meeschalen met de code die je nu produceert: Copilot op elke pull request, standaarden in instructions die gelezen worden, Fix with Copilot op bevindingen, en de deterministische poorten die een merge echt blokkeren: CodeQL, Code Quality, rulesets.
De capstone: een spec-driven delivery harness op GitHub, met Spec Kit van constitution tot tasks, coding agents die implementeren, deterministische Actions en Agentic Workflows correct gescheiden, rulesets en menselijke feedback gates op weg naar de merge.
De meeste AI-initiatieven halen nooit meetbare waarde. Kies degene die dat wél doen: de juiste vorm van AI per probleem, een gerangschikt opportunityportfolio, en een Pilot Charter met stop-of-schaalcriteria die vooraf vastliggen.
De AI Act is maar een deel van het risicobeeld. Bouw governance als bedrijfsproces: weet welke AI je draait, wat je rol is als provider of deployer, en welke controles, eigenaars en bewijsstukken je aanpak verdedigbaar maken.
Niet hoeveel werk agents kunnen overnemen, maar wat menselijk moet blijven, en wat onder welke voorwaarden gedelegeerd kan worden. Author, Editor, Director en Orchestrator als diagnose, toegepast op één eigen proces.
Geen rondleiding door de knoppen: kies per taak de juiste Copilot-werkvorm, maak van prompts echte werkopdrachten, werk binnen bestaande toegangsrechten, en controleer wat terugkomt, kritisch en veilig.
Chat voor een antwoord, Cowork voor werk: weet wanneer je delegeert, brief met milestones en een finale menselijke review, automatiseer laagrisico-taken draft-and-approve, en controleer wat er in jouw naam draait.
Kies per taak de juiste Claude-werkvorm: Chat, research, Projects, Artifacts, connectors, Cowork. Brief goed, bouw context die blijft, en controleer output kritisch voor ze je handen verlaat.
Weet wanneer je delegeert aan Cowork, brief met grenzen rond bestanden, connectors en acties, plan terugkerend werk veilig, en zet resultaten om in werkproducten met duidelijke deelregels.
Vind alle AI in je organisatie, formeel en informeel, en laat iedere toepassing door één flow bewegen: discover, register, triage, assess, decide, deploy, monitor, change, respond, retire.
Mag deze AI-dienst voor deze data gebruikt worden? Teken de volledige datastroom, beoordeel providers en deploymentmodellen, en beslis met voorwaarden in plaats van een vlakke ja of nee.
Governance als service: een operating model met rollen en beslisrechten, rolgerichte geletterdheid, en adoptie die gemeten wordt, want alleen blokkeren kweekt shadow AI.
Geen catalogus van buzzwords: per technologie leer je de input en output, de data die ze nodig heeft, hoe kwaliteit gemeten wordt, haar typische fouten, en wanneer iets eenvoudigers beter is.
RAG is geen knop: van ingestie en chunking tot reranking, contextassemblage en citations. Bouw een minimale vendorneutrale pipeline, meet ze, en verdedig of RAG überhaupt nodig is.
Niet elk probleem is een LLM-probleem. Ontleed het bedrijfsprobleem, vergelijk oplossingscategorieën op hun merites, en leg de beslissingen vast als ADR's, voordat een productkeuze de probleemdefinitie dicteert.
Breng alle keuzes samen in een production-ready architectuur: security, betrouwbaarheid, observability, schaal, kost, governance. Verdedig ze voor een reviewboard.
De meeste kleine teams hebben geen GPU-cluster nodig, wel één gecontroleerde toegangslaag. Zet een managed provider en een privaat model achter één gateway, met keys, budgetten, fallbacks en een runbook.
Eén platform betekent niet nul architectuur. Kies tussen Lakehouse, Warehouse en Eventhouse, structureer OneLake en je workspaces, en engineer Delta-tabellen die overeind blijven bij echte verandering.
Eén file in bronze krijgen is een demo. Deze cursus bouwt het ingestieframework errond: het juiste movement-patroon per bron, incrementele loads en CDC, en pipelines die reruns, backfills en foute records overleven.
Silver is niet gewoon opgekuiste bronze. Bouw incrementele, geteste transformaties met merge, SCD Type 2 en materialized lake views, en publiceer gold-dataproducten waarop consumers echt kunnen rekenen.
Een dataproduct dat enkel op het happy path draait is een risico. Lever het op via Git en deployment pipelines, zet de toegang op slot, richt monitoring in, voeg een real-time flow toe, breek het dan bewust en herstel.
Het Databricks dat je enkele jaren geleden leerde, is niet het platform dat je vandaag beheert. Bouw de fundering op actuele patronen: Unity Catalog voor governance, Delta met liquid clustering en predictive optimisation, en een bewuste positie tegenover Iceberg.
Ingestion is waar lakehouseprojecten stilletjes stranden: schema drift, duplicaten, late events en halfgeladen tabellen. Bouw het op de huidige services: Lakeflow Connect voor managed bronnen, Auto Loader voor cloudbestanden, en AUTO CDC in plaats van legacy APPLY CHANGES.
Delta Live Tables is niet langer de naam, en APPLY CHANGES niet langer de API. Bouw declaratieve batch- en streamingdataproducten met Lakeflow pipelines: streaming tables, materialized views en expectations, met orchestratie die het platform voor je regelt.
Een pipeline die in een notebook draait, is nog geen productieservice. Lever ze uit via Declarative Automation Bundles, orchestreer ze met Lakeflow Jobs, volg kost en gezondheid in system tables, en bewijs dat je kunt herstellen wanneer het breekt.
Data science is geen opeenvolging van calls naar fit() en predict(). Voor er ook maar één model komt, heb je een scherpe vraag, eerlijke splits en een baseline die het waard is om te verslaan: die discipline start hier.
Lineaire en logistische regressie zijn geen opwarmertjes: ze zijn de transparante benchmark die elk ensemble moet verslaan. Leer wat deze modellen optimaliseren en wat cross-entropy echt betekent.
Op tabulaire data zijn boosted trees nog altijd de modellen om te kloppen. Train forests, XGBoost en LightGBM grondig, en beoordeel ze op calibratie, latency en complexiteit, niet op één score.
Eén accuracyscore is hoe optimistische modellen productie halen. Leer welke split wanneer geldig is, welke metriek welke vraag beantwoordt, en hoe calibratie en thresholds van kansen beslissingen maken.
Ongelabelde resultaten zijn het makkelijkst te overschatten. Bouw features met leakage-discipline, cluster en reduceer dimensies met terughoudendheid, en detecteer anomalieën zonder elk zeldzaam geval fout te noemen.
Een forecast gevalideerd met een geschudde split is fictie. Modelleer trend, seizoenspatronen en stationariteit, backtest met rolling origins, en laat foundation models hun plaats verdienen tegen een seasonal naive baseline.
Een model dat niemand kan uitleggen, traceren of monitoren is niet af. Maak van een gevalideerd model een beheerd asset: SHAP-verklaringen, subgroepanalyse, een geregistreerde pipeline en een verdedigbare go of no-go.
Attention is een matrixoperatie, embeddings zijn geometrie en low-rank adaptation is een uitspraak over rank. Deze cursus bouwt de lineaire algebra waarmee je die concepten kunt afleiden en controleren in plaats van ze als recept te volgen.
Backpropagation is geen frameworkfunctie, het is de chain rule georganiseerd over een graaf. Bouw je eigen autodiff-engine en je leest loss.backward() nooit meer op dezelfde manier.
Een benchmarkverschil betekent niets zolang je de variantie over seeds niet kent. Deze cursus bouwt de probabilistische en statistische machinerie om resultaten correct te formuleren, te schatten en te betwijfelen.
Cross-entropy is geen willekeurige loss en perplexity is geen magisch getal: beide volgen uit een handvol informatietheoretische definities. Deze cursus leidt ze af en toont waar de intuïtie breekt.
PyTorch traint met plezier een netwerk dat je niet begrijpt. Bouw de perceptron, het multilayer network en backpropagation zelf, verifieer elke gradient, en laat autograd pas daarna het werk overnemen.
Een optimizerkeuze is een claim, geen voorkeur. Vergelijk SGD, momentum, AdamW en Muon onder fair baselines, breek en herstel gradient flow, en rapporteer resultaten over meerdere seeds.
Elke architectuur is een inductive bias in concrete vorm. Bouw CNN's, residual blocks, recurrente netwerken en autoencoders, onderzoek wat ze leren, en zie precies waarom recurrence plaatsmaakte voor attention.
Elk frontier model draait nog altijd op de operaties uit één paper van 2017. Bouw een transformer vanaf de eerste principes: leid attention af, houd iedere tensorvorm expliciet, train een klein language model en meet precies wat het kost.
Een transformer traint alleen in de diepte omdat zijn residual- en normalizationontwerp dat toelaat. Volg informatie en gradients door diepe netwerken en onderwerp standard residuals, Pre-LN, Post-LN en Attention Residuals aan een gecontroleerde test.
Full attention betaalt een kwadratische prijs voor exacte recall, en lange context maakt die rekening zichtbaar. Vergelijk linear attention, state-space models, MLA en de KDA-hybride, en meet welke efficiencyclaims je eigen benchmarks overleven.
Een model met biljoenen parameters dat per token maar een fractie van zichzelf activeert is evenzeer een routingprobleem als een modelleerprobleem. Bouw een sparse Mixture-of-Experts, breek de load balancing met opzet, en volg het sparse-scalingpad van Switch Transformers naar DeepSeek en Kimi K3.
Een base model wordt beslist vóór de eerste gradientstap: tokenizer, data mixture, computebudget en optimizer bepalen het plafond. Ontwerp de volledige pretrainingketen en train een compact base model dat je token voor token en FLOP voor FLOP kunt verantwoorden.
Een base model voorspelt tokens; instructies volgen, redeneren, zien en tools gebruiken ontstaan in post-training. Volg het pad van SFT via preference learning naar reinforcement learning, met de Kimi K-serie als doorlopende researchcase.
Frontier reports doen claims; onderzoeksmethode bepaalt welke standhouden. Reconstrueer de paper dependency graph achter Kimi K3, reproduceer één component op kleinere schaal en verdedig je conclusie voor een research review panel.