Cursusaanbod
Dag 1: Leg de Basis – Invoeren, Zoeken, Opvragen
Module 1: Het Landschap van de Juridisch Ingenieur
- Leerdoelen – begrijp de rol, waar AI past binnen juridische taken, en de twee risico's die alles doorkruisen.
- Onderwerpen
-
- De rol van de juridisch ingenieur en waarom deze nu zo sterk gevraagd is.
- Haar past AI: eDiscovery, review, contracten, onderzoek, onderzoeken; het EDRM-model in begrijpelijke termen.
- Bouwen versus kopen.
- De twee risico's die alles doorkruisen: vertrouwelijkheid/privilege en verdedigbaarheid.
Module 2: Juridische Data is Rommelig – Invoeren en Extraheren
- Leerdoelen – omgaan met de realiteit van juridische data op schaal.
- Onderwerpen
- Meer dan 1.400 bestandstypes, e-mails en PST-bestanden, gescand papier, load files (.dat/.opt); ingebedde metadata die relevant is.
- Tekstextractie (Tika), OCR en deduplicatie als keuzevraagstuk.
- Lab: FreeEed Invoeren – bouw een invoerpipeline over een bewust rommelige documentenset (e-mail/PST, scans, load files).
Module 3: Zoeken en Opvragen – de Basis
- Leerdoelen – bouw het kernprimitief van eDiscovery: vind alles in alles.
- Onderwerpen – full-text zoeken en indexeren (Solr/Lucene); relevantie, metadata- en datumfiltering; zoeken binnen OCR-geëxtraheerde inhoud.
- Lab: eDiscovery Zoeken – indexeer een corpus en voer echte eDiscovery-zoekopdrachten uit, inclusief binnen gescande OCR-inhoud.
Module 4: RAG voor Juridische Documenten – met Bronvermeldingen
- Leerdoelen – bouw RAG bovenop juridische documenten die zijn bronnen citeert.
- Onderwerpen
- Waarom retrieval, geen fine-tuning, voor gevoelig materiaal – het model 'slurpt' de documenten nooit op.
- Chunking, embeddings en bovenal citations / provenance.
- Samenvatting van meerdere documenten en threads.
- Lab: Juridische RAG met Bronvermeldingen – bouw een RAG V&A over een documentenset die antwoordt met bronvermeldingen.
Dag 2: Maak het Privé, Verdedigbaar en Klaar voor Implementatie
Module 5: Privacy, Privilege en Lokale Uitvoering – de Privilege-val
- Leerdoelen – juridische data lokaal houden en dit kunnen certificeren.
- Onderwerpen
- Waar de data daadwerkelijk naartoe gaat bij gebruik van cloud-AI.
- Verlies van privilege, zorgplicht en het "privé"-spectrum (contractueel versus fysiek).
- Morgan v. V2X en waarom lokaal rechtvaardig is in de rechtszaal.
- Het uitvoeren van lokale modellen (Ollama / vLLM) en het monitoren van uitgaand verkeer.
- Lab: Lokaal Model + Egress-Bewijs – voer een lokaal model end-to-end uit en bewijs via monitoring dat er geen data het systeem heeft verlaten.
Module 6: Verdedigbare AI-Review
- Leerdoelen – meet en documenteer een AI-review zodat deze standhoudt in de rechtszaal.
- Onderwerpen
- De cijfers die standhouden in de rechtszaal: recall, elusion, precisie, grondwaarheidvalidatie; TAR / actief leren.
- Transparantie (waarom codeerde het dit document?) en reproduceerbaarheid – koppel het model, fix de instellingen, log alles.
- De "verdedigbare casesnapshot" die toelaat dat iemand een jaar later je review opnieuw uitvoert met hetzelfde resultaat.
- Lab: Verdedigbare Review – meet een AI-review tegen een blinde grondwaarheid en produceer een reproduceerbaar pakket.
Module 7: Implementeer het – Workflow, Privé-uitrol en Governance
- Leerdoelen – assembleer de stukken tot een workflow, rol deze privé uit en evalueer het systeem.
- Onderwerpen
- Een meestaps juridische workflow (invoeren → zoeken → samenvatten → review → leveren) met menselijke tussenkomst.
- Essentiële aspecten van privé/on-prem implementatie (containeriseren; de data binnen het netwerk houden).
- Korte introductie tot AI-governance voor juridische toepassingen, en het scoren van het systeem met SAIS-100 (de Elephant Scale Secure AI Score).
- Lab: Scoren en Pakken – koppel een meestaps workflow, evalueer deze met SAIS-100 en pak in voor privé-implementatie.
Afstudeerproject (geïntegreerd over Dag 2)
- Bouw een privé, verdedigbare juridische AI-toepassing end-to-end – voer een rommelig corpus in, zoek erin, stel vragen met bronvermeldingen via een lokaal model, meet een verdedigbare review en pak in voor privé-implementatie.
- Deelnemers vertrekken met een portfolio-project dat de kern vormt van de juridisch ingenieur-functie.
Optionele Dag 3 / Geavanceerde Modules (leverbaar als 3e dag of modulaire reeks)
- Onderzoeken: Entiteiten, Relaties en Timelines – extraheren van personen/organisaties/data, reconstrueren van e-mailthreads, opbouwen van chronologieën, in kaart brengen van bijna-duplicaten en documentherkomst. Lab: bouw een timeline en entiteit/relatie-weergave.
- Agentic en Meestaps Juridische Workflows (diepgaand) – uitgebreide orkestratie, contractanalyse, synthesen van meerdere documenten, tool-use en guardrails als ontwerpprincipe. Lab: bouw een meestaps workflow met een menselijk controlepunt.
- Schaalbare Implementatie – on-prem- en appliance-implementatie, gedistribueerde verwerking voor grote volumes, gereguleerde omgevingen (CJIS, overheid, hoger onderwijs), hardware-sizing. Lab: containeriseren en schalen van een verwerkingsjob over meerdere workers.
- Governance en Compliance Diepgaand – het AI-reguleringslandschap (100+ Amerikaanse staatswetten, EU AI Act), auditvereisten en een volledige SAIS-100 governance-audit. Lab: auditeer een juridische AI-systeem tegen een governance/verdedigbaarheidschecklist.
Vereisten
- Vermogen om comfortabel met Python en basis-API's te werken.
- Nuttig: basiskennis van LLMs (geen ML-achtergrond vereist – we bouwen het conceptuele model).
- Geen juridische achtergrond vereist – de benodigde juridische concepten worden in context aangeleerd.
Doelgroep
- Software- of AI-ingenieurs die zich willen specialiseren in legal tech.
- Technici bij legale-tech bedrijven die diepgaande juridische domeinkennis nodig hebben.
- Technisch onderlegde juridische, eDiscovery- of informatie-beheerprofessionals die willen bouwen in plaats van alleen kopen.
- Iedereen die zich oriënteert op de rol van "juridisch ingenieur" of "AI-juridisch ingenieur".
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.
Prijs per privégroep, online live training, startend vanaf 3200 € + BTW*
Neem contact met ons op voor een exacte offerte en om onze laatste promoties te horen
Reviews (1)
Ik heb kennis gemaakt met de Streamlit-bibliotheek voor Python en ik zal zeker proberen deze te gebruiken om de toepassingen van mijn team, die zijn gemaakt met R Shiny, te verbeteren.
Michal Maj - XL Catlin Services SE (AXA XL)
Cursus - GitHub Copilot for Developers
Automatisch vertaald