Leergebied

Je begrijpt hoe computers werken, navigeert veilig in de terminal, gebruikt Git en begrijpt Open Source.

Je programmeert in Python, begrijpt datatypes, besturingsstructuren, OOP en richt nette ontwikkelomgevingen in.

Je genereert eigen afbeeldingen met Stable Diffusion, begrijpt tekst-naar-beeld en beheerst LoRA, ControlNet en upscaling.

Je maakt system prompts, bouwt RAG-pipelines, gebruikt function calling en automatiseert workflows met n8n.

Je begrijpt algoritmen, Big-O-notatie, recursie en de belangrijkste datastructuren (lineair, hiërarchisch, sleutelgebaseerd).

Je begrijpt locatieparameters, spreiding, verdelingen, correlatie, kans en de stelling van Bayes.

Je begrijpt vectoren, matrices, tensoren, afgeleiden, partiële afgeleiden en de kettingregel als basis voor backpropagation.

Je begrijpt de wortels van AI, navigeert toestandsruimten, beheerst pathfinding en speltheorie en kent de lessen van de AI-winter.

Je begrijpt ML-paradigma's, traint supervised learning-modellen, evalueert met metrics en kent overfitting en unsupervised learning.

Je begrijpt neurale netwerken van perceptron tot backpropagation en kunt het volledige trainingsproces volgen.

Je begrijpt tokenisatie, embeddings, CNN's, RNN's, transformers, LLM's, transfer learning, sampling en diffusie.

Je onderscheidt AGI van statistiek, begrijpt trainingsbias analytisch, kent auteursrechtvragen en prompt-injectierisico's.

Je gebruikt AI als dagelijkse helper, herkent oplichterij en behoudt de controle over je gegevens.

Je gebruikt AI als leertutor, herkent deepfakes en synthetische media en beoordeelt bronnen kritisch.

Een gecureerde handvol op zichzelf staande demo's — een wandeling voor de nieuwsgierigen. Geen huiswerk, alleen verkenning.