CONTACT ONS

Cursusaanbod

Inleiding en diagnostische basisprincipes

  • Overzicht van foutscenario’s in LLM-systemen en veelvoorkomende problemen specifiek voor Ollama
  • Het creëren van reproduceerbare experimenten en gecontroleerde omgevingen
  • Debugging-tools: lokale logs, vastlegging van verzoeken en antwoorden, en het gebruik van sandbox-omgevingen

Fouten reproduceren en isoleren

  • Technieken voor het ontwikkelen van minimale foutvoorbeelden en testgegevens
  • Vergelijking tussen stateless- en stateful-interacties: hoe contextgerelateerde bugs te isoleren
  • Determinisme, willekeurigheid en het beheersen van niet-deterministisch gedrag

Gedragsbeoordeling en meetmethoden

  • Kwantitatieve metingen: nauwkeurigheid, ROUGE/BLEU-varianten, kalibratie en indicatoren voor onzekerheid
  • Kwalitatieve beoordeling: evaluatie door mensen aan de hand van gestandaardiseerde criteria
  • Taakgerichte betrouwbaarheidscontroles en acceptatiecriteria

Automatisering van tests en regressietesting

  • Eenheidstests voor prompts en componenten, evenals scenario- en end-to-end-tests
  • Het opzetten van regressiesuites en het gebruik van standaardvoorbeelden als referentiepunt
  • Integratie met CI/CD-pijplijnen om model-updates te valideren en automatische controles uit te voeren

Observability en monitoring

  • Gestructureerde logging, gedistribueerde tracing en correlatie-ID’s voor het traceren van dataverwerking
  • Belangrijke operationele meetwaarden: latentie, gebruik van tokens, foutpercentages en kwaliteitsindicatoren
  • Alert-systemen, dashboards en SLI/SLO’s ter bewaking van diensten gebaseerd op modellen

Geavanceerde oorzaakanalyse

  • Tracing door complexe promptstructuren, toolcalls en meerdere conversatiecycli heen
  • Vergelijkende A/B-diagnoses en onderzoek naar oorzaakgevolg-verbanden
  • Onderzoek naar dataherkomst, debugging van datasets en het verbeteren van hun kwaliteit

Veiligheid, robuustheid en herstellingsstrategieën

  • Oplossingen: filteren, contextuele verankering, gebruik van externe informatiebronnen en het structureel opbouwen van prompts
  • Werkwijzen voor rollbacks, canary-releases en gefaseerde implementaties van modelupdates
  • Naspeuring naar fouten, geleerde lessen en methodieken voor continue verbetering

Samenvatting en vervolgstappen

Vereisten

  • Gedegen ervaring in het bouwen en implementeren van toepassingen gebaseerd op LLM’s
  • Kennis van Ollama-werkstromen en modelhosting
  • Vaardigheid met Python, Docker en basale observability-tools

Doelgroep

  • AI-engineers
  • ML Ops-professionals
  • QA-teams verantwoordelijk voor LLM-systemen in productie
 35 Uren

Aangepaste bedrijfsopleiding

Opleidingsoplossingen ontworpen exclusief voor bedrijven.

  • Aangepaste inhoud: We passen de syllabus en praktijkopdrachten aan naar de echte doelen en behoeften van uw project.
  • Voor flexibel schema: Datums en tijden aangepast aan het rooster van uw team.
  • Formaat: Online (live), In-company (bij uw kantoren) of Hybride.
Investering

Prijs per privégroep, online live training, startend vanaf 8000 € + BTW*

Neem contact met ons op voor een exacte offerte en om onze laatste promoties te horen

Voorlopige Aankomende Cursussen

Gerelateerde categorieën