Voor wie is deze cursus AI-engineering bedoeld, en voor wie niet?
Dit is bedoeld voor analisten, technische productmanagers, consultants, datamedewerkers en junior ontwikkelaars die eenvoudige Python-code kunnen schrijven en AI-functies aan interne tools willen toevoegen: een hulpmiddel dat vragen over documenten beantwoordt, een systeem dat supportmails indeelt of een samenvatter die gegevens oplevert die een spreadsheet kan verwerken.
Dit is geen voltijdse bootcamp, geen opleiding in machine learning die tot een diploma leidt en geen baangarantie. U traint of verfijnt geen modellen en bestudeert de wiskunde achter neurale netwerken niet. De focus ligt op de technische inrichting rondom een model: invoer, uitvoer, kosten, kwaliteit, veiligheid en privacy.
Wat leer ik als ik in deze cursus AI-apps bouw?
Zes modules, die elk een werkend onderdeel van een grotere app opleveren. Beschrijvingen van de functies van aanbieders volgen hun eigen documentatie voor ontwikkelaars. De functies verschillen per aanbieder.
1. Hoe AI-API's werken
Een verzoek naar een model-API sturen vanuit Python, het antwoord lezen en de API-sleutel opslaan in een omgevingsvariabele, niet in uw code.
2. Een model kiezen en kosten beheersen
Modellen vergelijken op kwaliteit, snelheid en prijs voor één taak, met de prijspagina van elke aanbieder als bron, en inschatten wat een functie per gebruik kost.
3. Gestructureerde uitvoer
Betrouwbare JSON krijgen. OpenAI beschrijft Structured Outputs als een manier om antwoorden te laten voldoen aan een JSON Schema dat u aanlevert; u valideert nog steeds elk antwoord in code.
4. Vectorrepresentaties en generatie op basis van opgehaalde informatie
Embeddings meten hoe sterk stukken tekst met elkaar samenhangen. U gebruikt ze om relevante passages te vinden en bouwt vervolgens een RAG-toepassing: antwoorden op basis van uw eigen documenten, met bronverwijzingen.
5. Evaluatie
Specifieke, meetbare succescriteria en een testset opstellen die echte taken weerspiegelt, inclusief uitzonderingsgevallen, en vervolgens de uitvoer waar mogelijk automatisch beoordelen.
6. Veiligheid, privacy en monitoring
Beschermen tegen promptinjectie, gebruikersgegevens uit logbestanden houden, invoercontroles en gebruikslimieten toevoegen, en na de uitrol fouten, kosten en kwaliteit bijhouden.
Heb ik ervaring nodig voor deze LLM-cursus?
Ja. Als voorkennis is de Python-cursus van Tosheo.ai of een gelijkwaardig niveau vereist: u moet functies kunnen schrijven, lijsten en woordenboeken kunnen gebruiken, bestanden kunnen lezen en schrijven, een pakket in een virtuele omgeving kunnen installeren en een web-API kunnen aanroepen. Als de instaptoets hiaten laat zien, worden de ontbrekende Python-lessen aan het begin van uw leertraject toegevoegd, zodat u niet vastloopt. U hebt geen voorkennis van machinaal leren nodig.
Hoe past het persoonlijke leertraject zich aan mij aan?
De instaptoets vraagt u een kort script te lezen dat een model-API aanroept en aan te geven wat er misgaat als het antwoord geen geldige JSON is. Ook wordt gevraagd wat u wilt bouwen. Wie documenten wil doorzoeken, besteedt meer tijd aan embeddings en RAG; wie een classificatiemodel bouwt, gaat dieper in op gestructureerde uitvoer en evaluatie.
Als u al API-aanroepen kunt doen, wordt de eerste module beperkt tot een korte toets en begint u bij kosten en modelkeuze.
Wat oefen ik?
Elke taak bestaat uit code die u met fictieve gegevens uitvoert via de API van een echt model. Een voorbeeld uit module vier: Kestrel Lettings, een fictief vastgoedbeheerbedrijf, heeft vijftien verzonnen beleidsdocumenten voor verhuurders. U bouwt een kleine RAG-assistent die vragen beantwoordt, bijvoorbeeld hoe lang van tevoren een inspectie moet worden aangekondigd, en daarbij de gebruikte passage citeert.
De beoordelingscriteria zijn zichtbaar voordat u begint. Er wordt gecontroleerd of elk antwoord verwijst naar een passage die het antwoord daadwerkelijk bevat, of de assistent aangeeft het niet te weten als de documenten geen antwoord geven, of u minstens tien vragen hebt getest, waaronder drie waarop de documenten geen antwoord geven, en of u de kosten van de testrun hebt vastgelegd.
Hoelang duurt de cursus AI-engineering?
De lessen duren elk 10 tot 15 minuten. De code blijft kort genoeg om in één keer af te ronden. Het aantal lessen in uw leertraject hangt af van uw instaptoets, vooral van uw kennis van Python, en van uw tempo. Daarom geven we geen aantal uren op.
Wat krijg ik aan het eind?
De afsluitende praktijktoets bestaat uit een kleine AI-functionaliteit die u bouwt, evalueert en documenteert. Als u slaagt, ontvangt u een erkend certificaat. Het is geen geaccrediteerde kwalificatie en wordt niet uitgegeven of onderschreven door een modelaanbieder.
Hoeveel kost de cursus AI-engineering?
Het individuele abonnement van Tosheo.ai, waarin deze cursus is inbegrepen, kost USD 79 per maand of USD 790 per jaar. Het teamabonnement kost USD 189 per maand of USD 1,890 per jaar voor maximaal 3 leden; extra leden kosten USD 49 per maand of USD 490 per jaar. Teams van 25 of meer krijgen volumetarieven. Modelaanbieders brengen het API-gebruik afzonderlijk in rekening. De cursus laat u zien hoe u testruns beperkt houdt. Probeer het eerst met een gratis proefperiode van 7 dagen; een creditcard is niet nodig.
Bronnen en reikwijdte
OpenAI API-documentatie, Gestructureerde uitvoer, gecontroleerd op 19 October 2026 ↗
OpenAI API-documentatie, Inbeddingen, gecontroleerd op 19 October 2026 ↗
OpenAI API-documentatie, Gegevensbeheer op het OpenAI-platform, gecontroleerd op 19 October 2026 ↗
Claude-documentatie, hallucinaties verminderen, gecontroleerd op 19 oktober 2026 ↗
OWASP Top 10 voor LLM-toepassingen 2025, LLM01 Promptinjectie, gecontroleerd op 19 October 2026 ↗