Basiscursus No-Code AI

Les 1 • Wat AI eigenlijk is

Ontraadsel AI door het te contrasteren met regelgebaseerd programmeren en menselijke cognitie. Legt de conceptuele basis waar de hele cursus op voortbouwt.

Les 2 • De AI-ontwikkelingslevenscyclus

Breng de reis in kaart van probleemdefinitie tot geïmplementeerd model. Geeft niet-technische professionals een procesframework voor samenwerking met AI-teams.

Les 3 • Belangrijke AI-categorieën en -benaderingen

Overzie machine learning, deep learning en generatieve AI als afzonderlijke paradigma's. Biedt de taxonomie die nodig is om tools te classificeren die in de cursus aan bod komen.

Les 4 • Hoe AI-systemen leren van data

Leg gesuperviseerd, ongesuperviseerd en reinforcement learning uit met alledaagse analogieën. Verbindt leertypes met echte bedrijfsresultaten die cursisten later zullen verkennen.

Les 1 • De no-code AI-beweging

Leg uit waarom no-code AI is ontstaan en welke problemen het oplost voor niet-ontwikkelaars. Kadert het platformlandschap als een democratisering van voorheen afgeschermde mogelijkheden.

Les 2 • Platformcategorieën en gebruikstoepassingen

Classificeer platforms per functie: automatisering, visie, taal, voorspelling en generatie. Helpt cursisten toolcategorieën te koppelen aan de bedrijfsproblemen die in latere hoofdstukken aan bod komen.

Les 3 • AI-tools verbinden met bestaande workflows

Laat zien hoe no-code-platforms integreren met gangbare bedrijfssoftware via API's en connectors. Bereidt cursisten voor om end-to-end-oplossingen te ontwerpen zonder code te schrijven.

Les 1 • Datageletterdheid voor AI-beoefenaars

Introduceer gestructureerde versus ongestructureerde data, datatypes en kwaliteitsdimensies. Grondt cursisten in de dataconcepten die elk volgend hoofdstuk veronderstelt.

Les 2 • Data opschonen en voorbereiden

Pas no-code-technieken toe om ontbrekende waarden, duplicaten en inconsistente formaten te verwerken. Stelt cursisten direct in staat om trainingsklare datasets te produceren voor platformgebruik.

Les 3 • Data sourcen en verzamelen

Identificeer interne, externe en synthetische databronnen die geschikt zijn voor no-code AI-projecten. Verbindt sourcingbeslissingen met modelnauwkeurigheid en projecthaalbaarheid.

Les 4 • Data-uitvoer en statistieken interpreteren

Lees nauwkeurigheid, precisie, recall en betrouwbaarheidsscores die door no-code-platforms worden geproduceerd. Rust cursisten uit om te beoordelen of een model klaar is voor zakelijk gebruik.

Les 1 • Sentimentanalyse en tekstclassificatie

Configureer no-code-tools om tekst te classificeren op sentiment, onderwerp of intentie. Direct toepasbaar op gebruikstoepassingen voor klantfeedback, ondersteuningstickets en contentmoderatie.

Les 2 • Hoe machines taal begrijpen

Leg tokenisatie, embeddings en taalmodellen uit in toegankelijke termen. Biedt de conceptuele basis om NLP-tools effectief te gebruiken zonder te coderen.

Les 3 • No-code chatbots bouwen

Ontwerp conversatiestromen, intenties en entiteiten met visuele chatbotbouwers. Verbindt dialoogontwerpprincipes met praktische klantgerichte implementatiescenario's.

Les 4 • Taal-AI implementeren in bedrijfsworkflows

Integreer NLP-uitvoer in e-mail, CRM en documentworkflows met no-code-connectors. Overbrugt taal-AI-mogelijkheden naar meetbare operationele verbeteringen.

Les 1 • Visuele inspectie en kwaliteitscontrole

Pas visie-AI toe voor defectdetectie, nalevingscontroles en voorraadverificatie. Verbindt technische mogelijkheden met hoogwaardige operationele gebruikstoepassingen in productie en detailhandel.

Les 2 • Beeldclassificatiemodellen bouwen

Gebruik no-code-platforms om afbeeldingen te labelen, classificatiemodellen te trainen en resultaten te beoordelen. Produceert direct een implementeerbaar model dat cursisten kunnen toepassen op hun eigen datasets.

Les 3 • Objectdetectie en lokalisatie

Configureer bounding-box-annotatie en detectiemodellen met no-code-interfaces. Breidt classificatievaardigheden uit naar ruimtelijke herkenningstaken in operaties en kwaliteitscontrole.

Les 4 • Ethische en privacyoverwegingen bij visie-AI

Adresseer bias in trainingsdata, risico's van gezichtsherkenning en toestemmingsvereisten voor visuele data. Bereidt cursisten voor om visie-AI verantwoord te implementeren binnen organisatorisch beleid.

Les 1 • Voorspellende modellen bouwen zonder code

Configureer regressie- en classificatiemodellen met no-code AutoML-platforms. Produceert getrainde modellen die cursisten direct kunnen toepassen op gestructureerde bedrijfsdatasets.

Les 2 • Verantwoorde geautomatiseerde besluitvorming

Beoordeel vereisten voor eerlijkheid, uitlegbaarheid en menselijk toezicht voor geautomatiseerde beslissingen. Zorgt ervoor dat cursisten voorspellende AI implementeren binnen ethische en organisatorische governancestandaarden.

Les 3 • Tijdreeksdata voorspellen

Pas no-code-forecastingtools toe op verkoop-, vraag- en operationele tijdreeksdata. Verbindt temporele voorspelling met planning- en voorraadbeheerworkflows.

Les 4 • Voorspellende AI-concepten en bedrijfswaarde

Definieer voorspelling, forecasting en aanbeveling als afzonderlijke AI-taken met verschillende databehoeften. Kadert voorspellende AI als een beslissingsondersteunende tool in plaats van een vervanging voor oordeelsvermogen.

Les 1 • Automatiseringsgrondbeginselen en triggers

Definieer triggers, acties en condities als de bouwstenen van geautomatiseerde workflows. Legt het logicaframework vast dat wordt toegepast in alle automatiseringsontwerpoefeningen.

Les 2 • Workflows testen, monitoren en onderhouden

Pas gestructureerd testen, loggen en prestatiemonitoring toe op geïmplementeerde AI-workflows. Zorgt ervoor dat cursisten betrouwbare automatisering kunnen onderhouden na de initiële implementatie.

Les 3 • AI integreren met bedrijfstoepassingen

Verbind AI-workflows met CRM, ERP, e-mail en samenwerkingstools via no-code-connectors. Stelt cursisten in staat om AI-uitvoer rechtstreeks in te bedden in de systemen die teams al gebruiken.

Les 4 • Automatiseringsprogramma's schalen en beheren

Stel governanceframeworks, versiebeheer en schaalstrategieën vast voor groeiende automatiseringsportfolio's. Bereidt cursisten voor om AI-automatisering op organisatieniveau te beheren.

Les 1 • Regelgevings- en nalevingslandschap

Navigeer door AI-relevante gegevensbescherming, algoritmische verantwoording en sectorspecifieke nalevingsvereisten. Bereidt cursisten voor om AI te implementeren binnen toepasselijke wettelijke grenzen.

Les 2 • Verandermanagement voor AI-adoptie

Pas verandermanagementframeworks toe om weerstand te overwinnen, AI-geletterdheid op te bouwen en adoptie te behouden. Adresseert de menselijke kant van AI-transformatie die technische training alleen niet kan dekken.

Les 3 • AI-ethiek en verantwoorde implementatie

Pas principes van eerlijkheid, transparantie, verantwoording en privacy toe op AI-projectbeslissingen. Rust cursisten uit om ethische risico's te voorzien voordat ze organisatorische aansprakelijkheden worden.

Les 4 • AI-impact meten en communiceren

Definieer KPI's, bouw dashboards en rapporteer AI-prestaties aan diverse belanghebbendengroepen. Sluit de lus tussen implementatie en strategische waardeaantoning.