Introductie tot Data Science en AI met Python Training Cursus

LangGraph is een framework voor het bouwen van toestandsbewuste, multi-actor LLM-toepassingen als samenstellbare grafieken met een duurzame toestand en controle over de uitvoering.

Deze door een docent geleide live training (online of ter plekke) is gericht op geavanceerde AI-platformingenieurs, DevOps voor AI en ML-architecten die hun productieklassen LangGraph-systeem willen optimaliseren, debuggen, monitoren en beheren.

Na deze training kunnen de deelnemers:

• Complexe LangGraph-topologieën ontwerpen en optimaliseren voor snelheid, kosten en schaalbaarheid.
• Betrouwbaarheid ontwerpen met herhalingen, time-outs, idempotentie en herstel op basis van controlepunten.
• De uitvoering van grafieken tracen, de toestand inspecteren en productieproblemen systematisch reproduceren.
• Grafieken instrumenteren met logboeken, metrieken en traces, implementeren in productie en de SLAs en kosten monitoren.

Opzet van de cursus

• Interactieve lezingen en discussies.
• Veel oefeningen en praktijkopdrachten.
• Handmatige implementatie in een live-labomgeving.

Opties voor cursusaanpassing

• Neem contact met ons op om een aangepaste training voor deze cursus aan te vragen.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor datawetenschappers die het Anaconda-ecosysteem willen gebruiken om pakketten en workflows voor gegevensanalyse vast te leggen, te beheren en te implementeren in één enkel platform.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer en configureer Anaconda componenten en bibliotheken.
• Begrijp de kernconcepten, kenmerken en voordelen van Anaconda.
• Beheer pakketten, omgevingen en kanalen met behulp van Anaconda Navigator.
• Gebruik Conda-, R- en Python-pakketten voor datawetenschap en machine learning.
• Maak kennis met enkele praktische use cases en technieken voor het beheren van meerdere data-omgevingen.

Deze door een instructeur geleide, live training in Nederland (online of ter plaatse) is gericht op data wetenschappers en software ingenieurs die Dask met de Python-ecosysteem willen gebruiken om grote datasets te bouwen, schalen en analyseren.

Na afloop van deze training zullen de deelnemers in staat zijn:

• Het omgeving opzetten om big data verwerking met Dask en Python te starten.
• De functionaliteiten, bibliotheken, tools en API's die beschikbaar zijn in Dask verkennen.
• Inzicht krijgen hoe Dask parallellerekeningen in Python versnelt.
• Leren hoe je de Python-ecosysteem (Numpy, SciPy en Pandas) met Dask schaalt.
• De Dask-omgeving optimaliseren om een hoge prestatie te behouden bij het verwerken van grote datasets.

Deze door een instructeur geleide live training in Nederland (online of op locatie) is gericht op ontwikkelaars en data-analisten op intermediair niveau die hun vaardigheden in data-analyse en manipulatie met behulp van Pandas en NumPy willen verbeteren.

Na afloop van deze training kunnen de deelnemers:

• Een ontwikkelomgeving instellen die Python, Pandas en NumPy omvat.
• Een data-analyseapplicatie maken met behulp van Pandas en NumPy.
• Geavanceerde data-wrangling-, sorterings- en filteroperaties uitvoeren.
• Aggregaatoperaties uitvoeren en tijdreeksdata analyseren.
• Data visualiseren met Matplotlib en andere visualisatiebibliotheken.
• Hun data-analysecode debuggen en optimaliseren.

Deze instructeurgeleide, live-training (online of op locatie) is gericht op ontwikkelaars die de FARM (FastAPI, React en MongoDB)-stack willen gebruiken om dynamische, hoge-prestatie en schaalbare webtoepassingen te bouwen.

Na afloop van deze training kunnen de deelnemers:

• Het noodzakelijke ontwikkelomgeving inrichten dat FastAPI, React en MongoDB integreert.
• De belangrijkste concepten, functies en voordelen van de FARM-stack begrijpen.
• Leren hoe je REST APIs kunt bouwen met FastAPI.
• Leren hoe je interactieve toepassingen kunt ontwerpen met React.
• Toepassingen (front-end en back-end) ontwikkelen, testen en implementeren met de FARM-stack.

Dit door de instructeur geleide live-training in Nederland (online of on-site) is gericht op ontwikkelaars die FastAPI willen gebruiken met Python om RESTful API's sneller en gemakkelijker te bouwen, testen en implementeren.

Na het volgen van deze training zullen de deelnemers in staat zijn:

• Het benodigde ontwikkelomgeving op te zetten om API's met Python en FastAPI te ontwikkelen.
• API's sneller en gemakkelijker te creëren met behulp van de FastAPI-bibliotheek.
• Te leren hoe je data-modellen en schema's kunt maken op basis van Pydantic en OpenAPI.
• API's aan een database te koppelen met SQLAlchemy.
• Veiligheid en authenticatie in API's te implementeren met de FastAPI-hulpmiddelen.
• Container-afbeeldingen te bouwen en web-API's naar een cloud-server te implementeren.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor datawetenschappers en -ontwikkelaars die willen leren en hun carrière willen opbouwen in Data Science met behulp van Kaggle.

Aan het einde van deze training zijn de deelnemers in staat om:

• Meer informatie over datawetenschap en machine learning.
• Verken data-analyse.
• Lees meer over Kaggle en hoe het werkt.

LangGraph is een framework voor het bouwen van toestandhoudende, multi-actor LLM-applicaties als samenstelbare grafieken met een persistente toestand en controle over de uitvoering.

Deze door instructeurs geleide live-training (online of ter plaatse) is gericht op professionals op intermediair tot geavanceerd niveau die LangGraph-gebaseerde financiële oplossingen willen ontwerpen, implementeren en beheersen met de juiste governance, observeerbaarheid en naleving.

Na afloop van deze training kunnen de deelnemers:

• Financieel specifieke LangGraph-workflows ontwerpen die voldoen aan de voorschriften en audit-eisen.
• Financiële datastandaarden en ontologieën integreren in de grafiektoestand en tooling.
• Betrouwbaarheid, veiligheid en mens-in-de-lus-controles implementeren voor kritieke processen.
• LangGraph-systemen implementeren, bewaken en optimaliseren voor prestaties, kosten en SLAs.

Formaat van de cursus

• Interactieve lezingen en discussies.
• Veel oefeningen en praktijk.
• Handmatige implementatie in een live-labomgeving.

Cursus aanpassingsopties

• Voor een aangepaste training voor deze cursus, neem contact met ons op om te regelen.

LangGraph is een framework voor het bouwen van grafische LLM-applicaties die planning, vertakking, toolgebruik, geheugen en controleerbare uitvoering ondersteunen.

Deze door een instructeur geleide, live-training (online of op locatie) is bedoeld voor beginnende ontwikkelaars, prompt engineers en data-practitioners die betrouwbare, meerslagige LLM-workflows willen ontwerpen en bouwen met behulp van LangGraph.

Aan het einde van deze training kunnen de deelnemers:

• De kernconcepten van LangGraph (knopen, randen, staat) uitleggen en weten wanneer ze moeten worden gebruikt.
• Promptketens bouwen die vertakken, tools aanroepen en geheugen behouden.
• Retrieval en externe APIs integreren in grafische workflows.
• LangGraph-apps testen, debuggen en evalueren op betrouwbaarheid en veiligheid.

Formaat van de cursus

• Interactieve colleges en begeleide discussies.
• Begeleide labs en code-walkthroughs in een sandboxomgeving.
• Scenario-gebaseerde oefeningen over ontwerp, testen en evaluatie.

Opties voor cursusaanpassing

• Voor een aangepaste training voor deze cursus, neem contact met ons op om dit te regelen.

LangGraph maakt stateful, multi-actor workflows mogelijk die door LLMs worden aangedreven, met precieze controle over uitvoeringspaden en toestandspersistentie. In de gezondheidszorg zijn deze mogelijkheden cruciaal voor naleving, interoperabiliteit en het bouwen van beslissingsondersteunende systemen die aansluiten bij medische workflows.

Deze door een instructeur geleide, live training (online of op locatie) is bedoeld voor professionals met een tussen- tot geavanceerd niveau die LangGraph-gebaseerde gezondheidsoplossingen willen ontwerpen, implementeren en beheren, terwijl zij zich bezighouden met regulerende, ethische en operationele uitdagingen.

Aan het einde van deze training kunnen de deelnemers:

• LangGraph-workflows specifiek voor de gezondheidszorg ontwerpen met inachtneming van naleving en auditabiliteit.
• LangGraph-applicaties integreren met medische ontologieën en standaarden (FHIR, SNOMED CT, ICD).
• Bewaarde praktijken toepassen voor betrouwbaarheid, traceerbaarheid en uitlegbaarheid in gevoelige omgevingen.
• LangGraph-applicaties in productiesettings in de gezondheidszorg implementeren, bewaken en valideren.

Opzet van de cursus

• Interactieve lezing en discussie.
• Handson-oefeningen met echte casestudies.
• Implementatiepraktijk in een live-labomgeving.

Opties voor cursusaanpassing

• Om een aangepaste training voor deze cursus aan te vragen, neem dan contact met ons op om dit te regelen.

LangGraph is een framework voor het samenstellen van grafgestructureerde LLM-workflows die vertakking, toolgebruik, geheugen en controleerbare uitvoering ondersteunen.

Deze door een instructeur geleide, live training (online of ter plekke) is bedoeld voor ingenieurs en productteams op intermiddelair niveau die LangGraph's grafische logica willen combineren met LLM-agent-lussen om dynamische, contextbewuste toepassingen te bouwen zoals klantensupportagenten, beslissingsbomen en informatie-opvraagssystemen.

Na voltooiing van deze training zullen de deelnemers in staat zijn om:

• Grafgebaseerde workflows te ontwerpen die LLM-agenten, tools en geheugen coördineren.
• Voorwaardelijke routing, herhalingen en terugvalopties te implementeren voor robuuste uitvoering.
• Ophalen, APIs en gestructureerde uitvoer te integreren in agent-lussen.
• Agentgedrag te evalueren, te monitoren en te versterken voor betrouwbaarheid en veiligheid.

Formaat van de cursus

• Interactieve lezing en begeleide discussie.
• Begeleide laboratoria en codewalkthroughs in een sandboxomgeving.
• Scenario-gebaseerde ontwerpoefeningen en peer reviews.

Opties voor cursusaanpassing

• Neem contact met ons op om een aangepaste training voor deze cursus aan te vragen.

LangGraph is een graf gebaseerde orkestratieframework dat conditionele, meervoudige stappen van LLM's en hulpmiddelen Workflows mogelijk maakt, ideaal voor het automatiseren en personaliseren van contentpipelines.

Deze instructeur-led live training (online of on-site) is gericht op middelgevorderde marketers, contentstrategisten en automation developers die dynamische, takkenvormige e-mailcampagnes en contentgeneratiepipelines willen implementeren met LangGraph.

Na afloop van deze training zullen de deelnemers in staat zijn om:

• Graf-gestructureerde content en e-mailworkflows te ontwerpen met conditionele logica.
• LLM's, API's en gegevensbronnen te integreren voor geautomatiseerde personalisering.
• De staat, het geheugen en de context over meervoudige campagnestappen te beheren.
• Workflow-prestaties en leveringsresultaten te evalueren, te monitoren en te optimaliseren.

Cursusformat

• Interactieve lezingen en groepsdiscussies.
• Praktijklessen voor het implementeren van e-mailworkflows en contentpipelines.
• Scenario-gebaseerde oefeningen over personalisering, segmentatie en takkenlogica.

Cursus Aanpassingsmogelijkheden

• Voor een aangepaste training voor deze cursus kunt u ons contacteren om de details te regelen.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor datawetenschappers en -ontwikkelaars die Modin willen gebruiken om parallelle berekeningen te bouwen en te implementeren met Pandas voor snellere data-analyse.

Aan het einde van deze training zijn de deelnemers in staat om:

• Zet de benodigde omgeving op om te beginnen met het ontwikkelen van Pandas workflows op schaal met Modin.
• Begrijp de functies, architectuur en voordelen van Modin.
• Ken de verschillen tussen Modin, Dask en Ray.
• Voer Pandas bewerkingen sneller uit met Modin.
• Implementeer de volledige Pandas API en functies.

Deze door een instructeur geleide, live training (online of ter plaatse) is bedoeld voor datawetenschappers en ontwikkelaars die RAPIDS willen gebruiken om GPU-geaccelereerde datapijplijnen, workflows en visualisaties te bouwen en machine learning algoritmen zoals XGBoost, cuML, enz. toe te passen.

Aan het einde van deze training kunnen de deelnemers:

• De noodzakelijke ontwikkelomgeving inrichten om datamodellen te bouwen met NVIDIA RAPIDS.
• De functies, componenten en voordelen van RAPIDS begrijpen.
• GPUs benutten om end-to-end data- en analytische pijplijnen te versnellen.
• GPU-geaccelereerde datapreparatie en ETL implementeren met cuDF en Apache Arrow.
• Leren hoe machine learning taken uit te voeren met XGBoost en cuML algoritmen.
• Datavisualisaties bouwen en grafische analyse uitvoeren met cuXfilter en cuGraph.