Postgraduaat Applied AI in business

Stap in de boeiende wereld van artificiële intelligentie en ontdek hoe AI een katalysator kan zijn voor innovatie en groei in jouw organisatie. In dit onderdeel leer je:

• De kracht en mogelijkheden van AI begrijpen en hoe deze strategisch kunnen worden ingezet in diverse bedrijfsdomeinen zoals HR, marketing, klantenservice, verkoop, productie en finance.
• Bedrijfsdoelstellingen vertalen naar concrete AI-use cases en deze evalueren met behulp van het AI Canvas.
• De readiness van jouw organisatie voor AI inschatten en strategieën ontwikkelen om mogelijke kloofgebieden te overbruggen.
• Jouw rol als AI facilitator definiëren en de vaardigheden ontwikkelen die nodig zijn om AI binnen een organisatie succesvol te introduceren.

Artificiële intelligentie heeft al een enorme impact op ons dagelijks leven, van gepersonaliseerde reclame tot slimme verkeerslichten. Maar hoe zit het met AI in de bedrijfswereld? Wat is de echte waarde van AI, en waar liggen de grenzen?
Mieke De Ketelaere, gerenommeerd AI-expert en ambassadeur van deze opleiding, introduceert je in de fascinerende wereld van AI. Tijdens deze sessie krijg je praktische informatie over de opleiding en maak je kennis met je medestudenten. Dit inspirerende startpunt biedt een solide basis voor de reis die voor je ligt.

Je ontvangt tijdens deze sessie haar boek Mens versus machine – Artificiële intelligentie ontrafeld” om direct in de sfeer te komen.

Je ontdekt hoe AI en Generatieve AI vandaag het verschil maken in organisaties, niet alleen binnen klassieke bedrijfsafdelingen, maar ook via slimme maatwerkoplossingen en nichetoepassingen die vaak net de grootste impact hebben.

De docent is een ervaren AI‑expert die al tal van AI‑cases succesvol realiseerde. Aan de hand van concrete praktijkvoorbeelden toont hij hoe verschillende AI‑technieken worden toegepast, zodat je meteen ziet wat mogelijk is en gerichte inspiratie opdoet om je eigen AI‑use case uit te werken. Mogelijke cases om te verkennen zijn:

• Marketing: klantsegmentatie, gepersonaliseerde campagnes en AI-gegenereerde content
• Klantenservice: chatbots en virtuele assistenten voor 24/7 interactie
• Verkoop: datagedreven verkoopvoorspellingen en versterkt klantrelatiebeheer (CRM).
• Productie: voorspellend onderhoud, kwaliteitscontrole, supply chain-optimalisatie en nieuwe semantische zoektoepassingen met LLM’s.
• Finance: geautomatiseerde analyses, risicobeheer en efficiëntere boekhoudprocessen
• enz.

Waarom AI? En wat betekent het concreet voor jouw organisatie?

Artificial Intelligence biedt enorme kansen, maar echte impact ontstaat pas wanneer je technologie vertaalt naar concrete businesswaarde. In deze sessies ontdek je hoe je een businessbehoefte scherp analyseert, omzet naar relevante AI‑use cases en onderbouwt met een overtuigende businesscase.

Je vertrekt niet vanuit technologie, maar vanuit strategie, processen en waardecreatie. Je leert onder meer hoe je:

• bedrijfsdoelstellingen vertaalt naar relevante en realistische AI‑oplossingen
• waardevolle AI‑use cases identificeert en prioriteert op basis van businesswaarde en haalbaarheid
• de impact van AI evalueert over de volledige waardeketen van je organisatie
• een sterke value case (waardevoorstel) uitwerkt voor een concrete use case, met aandacht voor strategische én financiële onderbouwing

Zo bouwen we stap voor stap aan een duidelijk verhaal dat strategie, voordelen, financiële en operationele haalbaarheid samenbrengt en leer je een stevige basis leggen voor duurzame en haalbare AI‑initiatieven.

Veel AI‑initiatieven stranden omdat ze vertrekken vanuit technologie in plaats van vanuit een échte businessnood. Het AI Canvas is een krachtig en praktisch instrument dat business en technologie samenbrengt en het risico op falende AI‑projecten sterk verkleint.

Stap voor stap leer je een AI‑use case analyseert, onderbouwt en kritisch beoordeelt aan de hand van de bouwstenen van het AI Canvas. Je werkt met een gestructureerde aanpak die helpt om focus, haalbaarheid en businesswaarde scherp te krijgen. Je leert hoe je:

• het businessprobleem en de context helder definieert
• beoogde business outcomes en risico’s scherp formuleert
• mogelijke AI‑oplossing en alternatieven in kaart brengt
• de juiste stakeholders en rollen betrekt (business, data en IT)
• de rol van data inschat (beschikbaarheid, kwaliteit, types en privacy)
• een onderbouwde afweging maakt rond haalbaarheid, value‑potentieel en kosten/baten

Daarnaast krijg je inzicht in verschillende niveaus van AI‑innovatie: van snelle productiviteitswinst tot onderscheidende en zelfs transformerende initiatieven. Je leert AI‑use cases prioriteren op basis van businesswaarde, complexiteit, risico en time‑to‑value.

Sterke AI-use cases alleen volstaan niet. Succesvolle AI-implementaties vragen ook draagvlak, betrokkenheid en voldoende maturiteit bij zowel de organisatie als haar mensen. De mate waarin teams, processen en leiders klaar zijn voor verandering bepaalt mee de impact en duurzame adoptie van AI. In deze sessie leer je hoe AI-initiatieven verandering teweegbrengen in mensen, processen en werkwijzen, en hoe je hier als AI facilitator strategisch op inspeelt.

Daarnaast versterk je je facilitationvaardigheden zodat je groepsprocessen professioneel begeleidt en teams tot gedragen keuzes en concrete acties brengt. Je leert:

• facilitatietechnieken en praktische frameworks inzetten om relevante AI-use cases te ontdekken
• de maturiteit en veranderbereidheid van organisaties en teams inschatten en hierop inspelen
• AI-brainstorms en workshops structureren, prioriteiten bepalen en draagvlak creëren bij diverse stakeholders

Inzicht in de werking van AI-systemen is essentieel voor het herkennen van mogelijkheden en risico's. In dit opleidingsonderdeel leg je een stevige basis in AI, specifiek afgestemd op professionals die AI strategisch willen begrijpen, beoordelen en implementeren binnen hun organisatie.

Je hoeft geen technische expert te worden. Je ontwikkelt wel voldoende inzicht in de werking, mogelijkheden en beperkingen van AI om doordachte beslissingen te nemen en efficiënt samen te werken met AI-, data- en IT‑specialisten. Na het volgen van dit onderdeel kan je:

• de belangrijkste AI-concepten en -technieken correct begrijpen en situeren
• realistisch inschatten wat AI wel en niet kan in een businesscontext
• het onderscheid maken tussen verschillende types AI-oplossingen (klassieke AI, machine learning, generatieve AI, AI agents, …) en begrijpen hoe AI-modellen tot output komen
• de randvoorwaarden voor succesvolle AI-implementatie herkennen (data, governance, organisatie)
• kritisch en onderbouwd deelnemen aan gesprekken over AI-projecten, zonder technische verdieping

Dit opleidingsonderdeel vormt zo een essentiële brug tussen strategische businessvragen en de concrete toepassing van AI in de verdere modules van het postgraduaat.

Artificiële intelligentie, machine learning en deep learning vormen de ruggengraat van de meeste AI‑toepassingen vandaag. In deze sessies bouw je een conceptueel en praktisch begrip op van hoe AI‑systemen werken en hoe ze ingezet worden om reële businessproblemen op te lossen.

Je leert niet alleen wat deze technologieën zijn, maar vooral wanneer en waarom ze waardevol zijn en wanneer niet. Je leert onder meer:

• Introductie tot AI
  Je leert over de ontstaansgeschiedenis en evolutie van AI, het verschil tussen klassieke rule‑based AI en lerende systemen, en waarom AI een gamechanger is voor digitale transformatie in uiteenlopende sectoren.
• Machine learning & deep learning
  Je verkent de principes van supervised, unsupervised en reinforcement learning. Je krijgt inzicht in hoe modellen leren uit data en waarom datakwaliteit cruciaal is. Je leert het verschil tussen traditionele ML‑modellen en neurale netwerken en deep learning en wanneer complexere modellen wél of net niet aangewezen zijn.
• Van model naar businessimpact
  Je leert hoe AI‑modellen tot output komen (predicties, classificaties, aanbevelingen …), hoe je modelresultaten interpreteert in een businesscontext en wat het verschil is tussen modelperformance en echte businesswaarde.
• Hands‑on en verkennende oefeningen
  Experimenteer conceptueel met ML‑methoden zoals regressie, decision trees en classificatie. Je krijgt inzicht in het trainen, evalueren en vergelijken van modellen en maakt kennis met educatieve AI‑platformen (zonder technische vereisten).
• Data als fundament van AI
  Je ontdekt waarom data-digitalisatie, beschikbaarheid en integriteit cruciaal zijn voor succesvolle AI-implementaties. Je leert hoe AI-modellen afhankelijk zijn van schone, goed beheerde data en waarom datakwaliteit essentieel is voor het trainen van betrouwbare modellen.

Generatieve AI heeft AI toegankelijker en zichtbaarder gemaakt dan ooit tevoren. In deze sessie krijg je een strategisch en kritisch inzicht in wat generatieve AI is, hoe ze verschilt van klassieke AI‑toepassingen, en wat dit betekent voor organisaties. Je leert onder meer:

• wat generatieve AI is en hoe large language models (LLM’s) werken
• hoe generatieve modellen tot output komen (tekst, code, beelden, samenvattingen …) en welke beperkingen daarbij horen
• het onderscheid tussen generatieve AI‑tools, maatwerktoepassingen en ingebedde AI‑functionaliteiten
• hoe generatieve AI ingezet wordt in businesscontexten zoals kenniswerk, marketing, HR, customer support en analyse

Daarnaast krijg je een introductie tot:

• AI‑agents en (semi‑)autonome systemen
• het concept van agentic AI en wat dit betekent voor processen en besluitvorming

Kwalitatieve data vormt de solide basis waarop AI zijn kracht en effectiviteit bouwt. Zonder hoogwaardige en goed beheerde data is het onmogelijk om waardevolle AI-oplossingen te ontwikkelen. Deze module biedt een diepgaande verkenning van data. Je ontdekt hoe je data effectief beheert, analyseert en omzet in waardevolle zakelijke inzichten. We nemen je mee door de meest relevante tools, methoden en strategieën om data maximaal te benutten voor AI:

• Begrijp de fundamenten van databeheer en -analyse: van relationele databases tot complexe gegevensmodellen.
• Ontwikkel vaardigheden in statistiek, hypothesetesten en machine learning om data te vertalen naar waardevolle inzichten.
• Krijg praktische inzichten in het ontwerp en de implementatie van datagedreven oplossingen.

Na deze module ben je niet alleen voorbereid om in een data-gedreven organisatie te werken, maar beschik je ook over de kennis en tools om data om te zetten in strategische bedrijfsvoordelen.

De fundamenten van databeheer: bouw een solide basis voor je data-infrastructuur.
Data-engineering is de ruggengraat van elke datagedreven organisatie. In dit onderdeel leer je hoe je een robuuste data-architectuur opzet die aansluit bij de informatiebehoeften van je organisatie en die kan omgaan met de steeds grotere hoeveelheden en complexiteit van data.

• Databasebeheer: ontdek de verschillende soorten databases – relationele, niet-relationele en vector databases. Vector databases zijn ideaal voor complexe gegevensstructuren, bijvoorbeeld voor AI-toepassingen en real-time analytics.
• Relationale concepten: begrijp hoe tabellen, relaties, keys en constraints werken, en leer waarom normalisatie essentieel is voor gegevensintegriteit.
• Datamodellering en ontwerp: Ontwikkel efficiënte relationele ontwerpen die afhankelijkheden en integriteit waarborgen.
• Van operationele systemen tot datalakes: leer de verschillen tussen operationele systemen, datawarehouses en datalakes, en hoe deze moderne data-infrastructuren omgaan met ongestructureerde en real-time data.

Dit onderdeel biedt praktische tools en technieken om data-infrastructuur te verbeteren en klaar te maken voor de uitdagingen van AI en machine learning.

Van data naar inzichten
In dit onderdeel leer je hoe je data effectief analyseert en vertaalt naar waardevolle inzichten die strategische beslissingen aandrijven. Je ontwikkelt de analytische vaardigheden die nodig zijn om data te gebruiken voor het beantwoorden van zakelijke vraagstukken.

• Beschrijvende statistieken: Analyseer data om trends, patronen en afwijkingen te ontdekken, met behulp van moderne statistische technieken.
• Hypothesetesten: valideer je inzichten met statistische methoden om datagestuurde beslissingen te nemen.
• Datamodellering: structureer en organiseer data voor diepgaande analyses.
• Data Science, artificial intelligence en andere hedendaagse topics.

Dit onderdeel biedt praktijkgerichte voorbeelden, tools en technieken waarmee je data-analyses kunt uitvoeren die echte waarde leveren in de bedrijfscontext. Je wordt voorbereid om AI en data science toe te passen in de bedrijfswereld van morgen.

In dit opleidingsonderdeel krijg je als AI-gedreven business professional een praktische en doelgerichte kijk op Enterprise Architecture, specifiek in functie van AI-implementaties binnen organisaties.

Je leert niet hoe je uitgebreide architectuurmodellen bouwt zoals een business analist, maar wel hoe je architectuur inzet als beslissings- en denkraam om AI-oplossingen haalbaar, schaalbaar en strategisch verantwoord te maken.

Na dit onderdeel kan je:

• AI-initiatieven situeren binnen de bredere bedrijfs- en IT-architectuur van een organisatie
• De impact van AI-oplossingen inschatten op processen, applicaties en technologie
• Onderbouwde make-or-buybeslissingen nemen voor AI-oplossingen (build, buy, configure)
• Gericht in gesprek gaan met IT-, data- en AI-specialisten over architecturale keuzes
• AI-use cases vertalen naar een realistisch en coherent high-level architectuurbeeld dat werkbaar is voor je organisatie

In dit opleidingsonderdeel leer je Enterprise Architecture gebruiken als praktisch denkkader om AI-initiatieven binnen je organisatie te structureren en onderbouwen. De focus ligt niet op technische modellering, maar op inzicht krijgen in samenhang en impact: hoe AI-oplossingen aansluiten bij bedrijfsdoelstellingen, processen en het bestaande IT-landschap. Je gebruikt architectuur als hulp bij besluitvorming rond AI, niet als doel op zich.

Vertrekkend vanuit concrete AI-use cases ontdek je hoe strategische ambities vertaald worden naar capabilities, processen en ondersteunende technologie. Je leert hoe architecturaal denken helpt om AI-experimenten te stroomlijnen en om te zetten in schaalbare, coherente oplossingen. Daarbij werk je met herkenbare voorbeelden zoals generatieve AI, automatisering en decision support, steeds met focus op businesswaarde en organisatorische haalbaarheid.

Vervolgens ga je dieper in op ontwerp- en keuzemomenten bij AI-oplossingen. Je leert hoe je een AI-use case vertaalt naar een begrijpelijk high-level architectuuroverzicht, en hoe AI impact heeft op applicaties, data en technologie zonder technisch te verdiepen. Er is aandacht voor cloud- en platformkeuzes vanuit een businessperspectief en voor het onderbouwen van make-or-buybeslissingen voor AI. Je leert kritisch kijken naar architecturale keuzes en typische valkuilen bij AI-projecten herkennen.

Tot slot pas je het geleerde concreet toe op een AI-case uit je eigen context. Je schetst een helder overzicht van processen, betrokken systemen en afhankelijkheden, en leert hoe je realistische input aanlevert voor IT-, data- of AI-specialisten. De nadruk ligt op bruikbare output die je meteen kan inzetten om je AI-use case te verfijnen, af te stemmen of te verdedigen binnen je organisatie.

Na dit onderdeel beschik je over een toepasbaar architecturaal referentiekader om AI-initiatieven beter te positioneren en de brug te slaan tussen business, IT en AI.

Goede data governance is essentieel om kwaliteit, veiligheid en compliance van data te waarborgen. In dit opleidingsonderdeel leer je hoe je een transparant en doeltreffend beslissingskader rond data en IT opzet, waarbij je alle relevante stakeholders gestructureerd betrekt. Je krijgt inzicht in de fundamenten van data governance en leert deze vertalen naar concrete keuzes binnen je organisatie. Je leert onder meer:

• hoe het DAMA‑wiel houvast biedt bij datakwaliteit, data‑integriteit, opslag, beveiliging en data‑architectuur
• welke impact data privacy en regelgeving (zoals GDPR en de EU AI Act) hebben op je data‑aanpak
• hoe je verantwoordelijkheden en beslissingsrechten helder vastlegt en databesluitvorming stroomlijnt
• hoe data governance in de praktijk wordt toegepast via o.a. datamodellering, business intelligence, metadata en data lineage

Na dit onderdeel ben je in staat een solide data governance‑strategie op te zetten die je organisatie helpt data veilig te beheren en consistent om te zetten in betrouwbare, waardevolle inzichten.

AI biedt enorme kansen, maar vraagt een doordacht kader om risico’s, bias en onbetrouwbare beslissingen te vermijden. In dit onderdeel leer je hoe je AI governance opzet als strategisch instrument om AI veilig, verantwoord en schaalbaar te implementeren.

De focus ligt op vooruitdenken: welke risico’s kunnen ontstaan, hoe evalueer je die en hoe neem je als organisatie onderbouwde beslissingen over AI‑gebruik? Je leert onder meer:

• hoe je omgaat met bias, discriminatie en datakwaliteit in AI‑systemen
• hoe privacy by design wordt toegepast bij AI‑toepassingen
• hoe je AI‑modellen organiseert, test en evalueert op accuratesse, fairness en robuustheid
• hoe je risico’s zoals hallucinaties en onbetrouwbare output herkent en beperkt
• hoe explainability bijdraagt aan vertrouwen en verantwoorde besluitvorming
• welke kaders en mitigatiestrategieën organisaties helpen om AI‑risico’s systematisch te beheren

AI succesvol inzetten stopt niet bij het bouwen van een model. In dit onderdeel leer je welke infrastructuurkeuzes nodig zijn om AI‑oplossingen betrouwbaar, veilig en schaalbaar te implementeren in een organisatie.

Je krijgt inzicht in wat nodig is om AI‑modellen te ontwikkelen én in productie te brengen, met aandacht voor strategische afwegingen rond kost, governance, performantie en schaalbaarheid. Je leert onder meer:

• welke infrastructuur nodig is om AI‑modellen te bouwen, testen en evalueren
• wat er komt kijken bij het operationeel maken van modellen (uitrol, monitoring en onderhoud)
• het verschil tussen lokale, cloud‑ en hybride AI‑oplossingen
• hoe platformkeuzes (bv. Azure, AWS, on‑premise) impact hebben op kosten, security en compliance

Creatieve AI‑ideeën ontstaan vandaag in een razendsnel tempo, en organisaties verkennen volop de mogelijkheden van machine learning en AI. Maar zodra AI beslissingen begint te automatiseren, rijzen cruciale vragen: hoe behoud je controle, hoe voorkom je ongewenst gedrag en hoe zorg je dat AI blijvend doet wat de business verwacht?

In dit onderdeel leer je waarom AI‑initiatieven vaak falen na deployment en hoe je die valkuilen vermijdt door AI juist te operationaliseren. De focus ligt op het omzetten van AI‑modellen naar betrouwbare, gebruikte en waardevolle toepassingen in de organisatie. Je leert onder meer:

• wat AI‑operationalisatie echt betekent: meer dan deployment, maar het structureel integreren van AI in processen en beslissingen
• hoe MLOps en LLMOps (Machine Learning & Large Language Model Operations) AI‑toepassingen ondersteunen, en waarom modelkeuze, kosten‑batenafweging en governance hierbij doorslaggevend zijn
• typische AI‑valkuilen herkennen, zoals slechte data, onbetrouwbare modellen, gebrek aan eigenaarschap of falende performancemonitoring
• hoe je AI‑systemen beheert via continue monitoring, bijsturing en verbetering, zodat ze ook op lange termijn waarde blijven leveren

Dit onderdeel geeft je de inzichten en handvatten om AI doelgericht, duurzaam en verantwoord te integreren in je organisatie, met oog voor waardecreatie, risicobeheersing en controle over geautomatiseerde beslissingen.

Je leert AI breed te integreren, met oog voor mens, maatschappij en wetgeving.

In dit onderdeel krijg je inzicht in de juridische, sociologische en ethische aspecten van AI. Je leert hoe regelgeving zoals GDPR en IP-wetgeving AI-projecten beïnvloedt en hoe je AI verantwoord implementeert binnen een organisatie. Daarnaast ontdek je hoe mens en innovatie elkaar beïnvloeden, waarom transparantie en vertrouwen cruciaal zijn en hoe je een ethics roadmap opstelt. Tot slot krijg je tools en strategieën aangereikt om AI duurzaam en maatschappelijk verantwoord te integreren.

In dit deel krijg je inzicht in de juridische spelregels die bepalend zijn voor AI‑projecten, met bijzondere aandacht voor privacy, data‑bescherming en risicobeheersing. Je leert regelgeving niet als beperking zien, maar als kader om AI duurzaam en toekomstbestendig te implementeren.
Je leert:

• hoe GDPR en de EU AI Act AI‑toepassingen beïnvloeden, van ontwerp tot gebruik
• welke verplichtingen gelden rond datagebruik, transparantie, veiligheid en aansprakelijkheid
• hoe organisaties AI‑risico’s correct inschatten en mitigeren binnen een risk‑based benadering
• hoe juridische compliance bijdraagt aan vertrouwen, schaalbaarheid en blijvende waardecreatie

Duurzame AI wordt begrepen als AI die juridisch robuust, ethisch onderbouwd en operationeel houdbaar is op lange termijn. Wetgeving alleen volstaat dus niet. In dit deel zoom je in op de menselijke, sociale en ethische dimensie van AI. Je onderzoekt hoe AI het gedrag van mensen beïnvloedt en omgekeerd, en waarom verantwoord beslissen zo complex maar cruciaal is.
Je leert:

• waarom het onmogelijk is om AI‑gebruik volledig te voorspellen en hoe je hiermee omgaat
• hoe vertrouwen in AI contextafhankelijk en relationeel is
• hoe je rekening houdt met verschillende stakeholders, van early adopters tot kritische gebruikers
• hoe je een ethics roadmap opstelt die gedeelde waarden binnen de organisatie vertaalt naar concrete richtlijnen en keuzes
• hoe je ethiek inzet als praktisch beslissingskader, niet als theoretisch randverhaal

De focus ligt op verantwoord ondernemen met AI, waarbij werknemers, klanten en maatschappij tijdig worden betrokken en AI‑beslissingen uitlegbaar, werkbaar en gedragen zijn.

In dit opleidingsonderdeel krijg je de kans om AI in de praktijk te verkennen en zelf aan de slag te gaan met de nieuwste technologieën. Je leert hoe je AI-oplossingen kunt ontwikkelen, implementeren en optimaliseren door middel van hands-on workshops. Deze workshops stellen je in staat om praktische ervaring op te doen met verschillende AI-technieken, van machine learning tot computer vision, en je eigen AI-projecten te realiseren.

De workshops worden strategisch ingepland in het lesrooster binnen de verschillende opleidingsonderdelen, zodat je op het juiste moment beschikt over de nodige praktische kennis om jouw AI use case succesvol uit te werken.

Ontdek hoe je generatieve AI strategisch inzet om processen te versnellen en concrete meerwaarde te creëren. Je leert werken met toonaangevende LLM’s (zowel commercieel als open source) om taken te automatiseren en bedrijfsprocessen te optimaliseren.

Je ontwikkelt sterke vaardigheden in prompt- en context engineering. Je vertrekt vanuit een duidelijke structuur (context, rol, doel, output) en leert hoe je deze bouwblokken combineert tot krachtige en herbruikbare prompts. Daarbij werk je ook met prompt libraries om efficiënt te schalen binnen je organisatie.

Daarnaast verdiep je je in technieken zoals system prompts, prompt patterns en prompt flows, en ontdek je hoe prompting evolueert naar het definiëren van AI skills voor (semi-)autonome agents.

Je leert je prompts iteratief optimaliseren, met ondersteuning van tools zoals DSPy, zodat je steeds betere en betrouwbaardere output genereert.

Deze praktijkgerichte workshop geeft je concrete voorbeelden én direct toepasbare handvaten om je eigen AI use case uit te werken.

In deze praktische workshop duiken we in de wereld van Machine Learning, waarbij we zowel low-code als code-gebaseerde tools gebruiken om modellen te bouwen, trainen en optimaliseren.  

We starten met een vergelijking tussen open-source en closed-source machine learning-oplossingen, gevolgd door een hands-on sessie met KNIME (low-code ML) en Google Colab en PyCaret (code-gebaseerde ML). Je leert hoe je data voorbereidt, modellen traint en hun prestaties evalueert en optimaliseert.  

Na deze workshop ben je in staat om zelfstandig machine learning-modellen te ontwikkelen en te verfijnen voor jouw eigen toepassingen.

In deze hands-on workshop leer je hoe je een lokale AI-chatbot bouwt die vragen kan beantwoorden op basis van documenten en eigen kennisbronnen. We maken gebruik van Ollama om een Local Large Language Model (LLM) uit te voeren en Flowise, een no-code platform, om de chatbot visueel samen te stellen.

Je ontdekt hoe je Retrieval-Augmented Generation (RAG) toepast om externe kennisbronnen te integreren zonder het model opnieuw te trainen. We behandelen ook fine-tuning, waarmee je het model beter afstemt op specifieke domeinen.

Na deze workshop heb je een werkende chatbot en kun je Local LLM’s inzetten voor bedrijfsspecifieke toepassingen.

In deze praktische workshop leer je hoe je Computer Vision toepast voor classificatie, objectdetectie, segmentatie, pose-estimatie en tracking. 

We vergelijken open-source en closed-source oplossingen en werken hands-on met Google Colab en YOLO (You Only Look Once), een krachtige AI-techniek voor beeldherkenning.  Je ontdekt hoe je een eigen computervisiemodel traint, van data-annotatie en augmentatie tot modelvalidatie en export. 

Na deze workshop heb je een stevig begrip van Computer Vision-workflows en kun je zelf modellen bouwen en inzetten.

Je ontdekt hoe je AI-toepassingen kunt ontwikkelen met behulp van de krachtige cloudinfrastructuur van Amazon Web Services (AWS).

De cloud maakt het eenvoudig voor iedereen om de steeds groter wordende hoeveelheid data bij te houden. Maar de echte waarde van de cloud ligt in de uitgebreide set aan bouwstenen die het ter beschikking stelt voor jouw applicatie.

Je leert over managed AI-services en hoe je deze kunt gebruiken om schaalbare, veilige en efficiënte AI-oplossingen te bouwen zonder diepgaande technische kennis van cloudinfrastructuur. Je krijgt zo inzicht in hoe AWS een belangrijke bijdrage kan leveren in business en wat de voordelen ervan zijn.

Tijdens de sessie ga je hands-on aan de slag met AI tools die AWS ter beschikking stelt om snel modellen te trainen. Je leert verder ook hoe je generatieve AI modellen kan gebruiken, zonder de infrastructuur zelf op te zetten of te beheren. Je zal ook leren hoe je zelf agents bouwt en draait op AWS en waarom agentic systemen zo vernieuwend zijn.

In deze workshop krijg je een helder en actueel overzicht van de nieuwste ontwikkelingen in Agentic AI: AI‑systemen die niet enkel reageren op prompts, maar zelfstandig plannen, beslissingen nemen en acties uitvoeren. Je ontdekt hoe de evolutie van klassieke chatbots naar autonome AI‑agenten organisaties fundamenteel verandert.

Aan de hand van concrete voorbeelden maak je kennis met moderne agent‑architecturen, waarin AI werkt met duidelijke rollen zoals denken, uitvoeren, geheugen en vaardigheden. Je ziet hoe agenten samenwerken, taken opsplitsen in subagenten en veilig opereren binnen vooraf gedefinieerde rechten en contexten.

Daarnaast verken je hoe Agentic AI vandaag al wordt ingezet voor onder meer geautomatiseerde workflows, compliance‑toepassingen (zoals GDPR‑analyses), onderzoek, contentcreatie en software‑ontwikkeling. Daarbij is er expliciete aandacht voor veiligheid, controle, privacy en governance—cruciale randvoorwaarden bij autonome systemen.

Deze workshop geeft je geen futuristische beloftes, maar een realistisch, strategisch én toepasbaar beeld van wat Agentic AI vandaag mogelijk maakt en hoe je dit verantwoord kan inzetten binnen professionele omgevingen.

Je werkt een relevante AI use case uit voor je bedrijf waarin je alle opgedane kennis van het postgraduaat toepast.

Tijdens de opleiding werk je zelfstandig een concreet AI-projectvoorstel uit, bij voorkeur rond een uitdaging of opportuniteit binnen je eigen organisatie. Daarbij laat je je inspireren door de succesverhalen én de minder geslaagde cases uit de voorgaande modules.

Je vertaalt de inzichten uit het programma naar de praktijk en ontwikkelt een onderbouwde AI use case die verschillende aspecten van het postgraduaat Applied AI in Business samenbrengt. De focus ligt op het uitwerken van een sterk projectvoorstel, niet op de effectieve implementatie.

Gedurende het traject krijg je begeleiding van een externe coach of AI-professional, die op regelmatige momenten feedback geeft op de voortgang van je dossier. Via enkele gerichte deelopdrachten bouw je stap voor stap aan je finale case.

Aan het einde van de opleiding presenteer en verdedig je je AI use case voor een jury. Zo toon je hoe je AI op een doordachte, haalbare en ethisch verantwoorde manier kan inzetten binnen een organisatie.