Verdiep uw expertise op het gebied van generatie door hergebruik (RAG) door tijdens een intensieve workshop RAG-systemen te bouwen, te testen en te vergelijken in de praktijk.

Trainingsinhoud

Een toegankelijke introductie tot Large Language Models (LLM’s) en Retrieval-Augmented Generation (RAG). Leer hoe moderne RAG-systemen werken en krijg inzicht in hun kerncomponenten, beperkingen en ontwerpkeuzes.

Deze opleiding maakt deel uit van een driedaagse RAG-cursusreeks. Dag 1 focust op de conceptuele basis en kan afzonderlijk worden gevolgd, terwijl Dag 2 en 3 samen een opeenvolgende, praktijkgerichte technische module vormen. Deelnemers kunnen zich inschrijven voor enkel Dag 1, voor het technische pakket Dag 2–3, of voor het volledige driedaagse programma. Deelnemers die zich inschrijven voor het volledige 3-daagse programma ontvangen €50 korting. Om u voor het volledige programma in te schrijven, voegt u tijdens het afrekenen dag 2 en 3 toe.

Deze opleiding wordt in het Engels gegeven.

Programma

Ochtend – LLM & RAG Fundamenten

– Hoe LLM’s werken (tokens, voorspelling, hallucinaties)

– Beperkingen van het contextvenster en temperatuur

– Lokale vs API-gebaseerde modellen (kosten, privacy, prestaties)

– Fine-tuning vs RAG

– RAG-principes en architecturen

Namiddag – Kernbouwstenen van RAG

– Documentverwerking (pdf’s, tekstextractie)

– Chunking-strategieën en metadata

– Embeddings (lokaal vs API)

– Vectoropslag en -opvraging

– Dense vs sparse zoekmethoden (FAISS, BM25)

– Promptstructuur en contextbeheer

Doelgroep

– IT-diensten

– Overheidsinstellingen

– Beleids-, innovatie- en digitale teams

– Iedereen die met AI-oplossingen werkt of deze superviseert

Trainers

Alexandra SÉBASTIEN

Opgeleid in biologie en ecologie richtte Alexandra SÉBASTIEN zich aanvankelijk op sociale insecten (mieren en honingbijen), hun gedrag, bacteriën en virussen, en later hun eiwitten. Ze behaalde haar bachelor- en masterdiploma aan de Université Pierre et Marie Curie voordat ze in 2016 promoveerde aan de Victoria University of Wellington. Vervolgens voerde ze postdoctoraal onderzoek uit aan de University of British Columbia, waar ze empirisch onderzoek bleef combineren met kwantitatieve analyse.

In de loop der tijd evolueerde haar werk van veld- en laboratoriumonderzoek naar datagedreven benaderingen. Deze overgang bracht haar ertoe een aanvullende master in Big Data te volgen aan de Université Libre de Bruxelles, afgerond in 2025. Ze wordt gedreven door analytische probleemoplossing en door het interpreteren van complexe datasets. Met de snelle aanvaarding en het gebruik van artificiële intelligentie in het dagelijks leven is ze bijzonder geïnteresseerd in de maatschappelijke implicaties van deze technologieën en in het belang van een verantwoorde en constructieve inzet ervan.

Lyan ALJENDIl

Lyan Aljendi is een generative AI-ingenieur aan de ULB en richt zich momenteel op het ontwikkelen van impactvolle oplossingen in het onderwijs. Eerder werkte ze tijdens haar masterproef aan de toepassing van generatieve AI in medisch onderzoek. Ze is vooral geïnteresseerd in het inzetten van AI om positieve verandering te creëren in de publieke sector. Ze behaalde een bachelor in Software and Information Systems Engineering aan de Universiteit van Homs en voltooide in 2025 een master in Computerwetenschappen aan de ULB, waar ze de Babbage Prize voor academische excellentie ontving.