Jouw resultaat

Na afloop van deze training kun jij:

• De beperkingen van LLM’s herkennen en begrijpen waarom agentgebaseerde systemen nodig zijn
• Gestructureerde outputs ontwerpen voor function calls en API-integraties
• Retrievalmechanismes en knowledge graphs toepassen voor domeinkennis
• Multi-agentsystemen opzetten en orkestreren met tools als LangGraph
• Resilient en schaalbare agentsystemen ontwerpen die klaar zijn voor productie

Voor wie

Deze training is bedoeld voor: 

• AI-developers die agentachtige intelligentie willen integreren in software
• Machine Learning Engineers die geavanceerde AI-workflows willen ontwikkelen
• Software-engineers die agents willen bouwen die API's, databases en andere systemen intelligent aansturen
• Architects die schaalbare, multi-agentsystemen willen ontwerpen voor enterprise-omgevingen
• Product owners die geavanceerde AI-oplossingen binnen hun producten willen implementeren

Aanpak

Deze training volgt een hands-on benadering waarbij theorie direct gekoppeld wordt aan praktijkoefeningen. Je bouwt stapsgewijs agenten die:

• Structuur aan outputs geven
• Externe systemen kunnen aanroepen
• Samenspel tussen meerdere agents mogelijk maken
• Zelfstandig informatie ophalen, verwerken en acties uitvoeren
• Klaar zijn voor gebruik in echte, dynamische omgevingen

Je werkt met frameworks zoals LangGraph, NVIDIA NIM en ondersteunende tooling voor monitoring en schaalbaarheid.

Voorkennis

• Basiskennis van Large Language Models (LLM's) en AI-toepassingen
• Ervaring met API’s en datastructuren is aanbevolen
• Enige ervaring met softwareontwikkeling of system integration is een voordeel

Studiemateriaal

• Digitale leeromgeving met toegang tot interactieve labs
• Praktijkopdrachten voor ontwerp, bouw en optimalisatie van agents
• Documentatie en referentiemateriaal over LangGraph, NVIDIA NIM en orchestratiepraktijken
• Assessment om je kennis en vaardigheden te toetsen

Certificaat

Na afloop van deze training ontvang je het deelnamecertificaat ‘Building Agentic AI Applications with LLMs’ van Computrain. 

Inhoud

• Fundamentals van agent abstraction en LLMs
• Introductie in LLM-capabilities en pitfalls, minimal agent building
• Structured output & fulfillment mechanisms
• JSON outputs, domeinafstemming, stabiele schema's
• Retrieval mechanisms & environmental tooling
• Externe systeeminterfaces bouwen, semantic retrieval over documentsets
• Knowledge graphs & document graphs
• Documentontwikkeling naar canonical vormen, event loops, state management
• Multi-agent systems & frameworks
• Taakverdeling over meerdere agents, communicatie en orkestratie
• Data flywheels & system hardening
• Gebruik van logs en feedbackloops om agents continu te verbeteren
• Scaling & productionalization
• Resourcebeheer, multitenancy, schaalbare serverarchitecturen
• Final assessment
• Deployment van een multi-tenant agent endpoint en testen via gedistribueerde interacties
• [Optioneel] Real-time agents & responsible agents
• Multimodale agenten, ethische valkuilen en standaarden voor verantwoorde AI-systemen