Begin met LLM's: van nul naar je eerste toepassing
Welkom bij dit introductietraject. Hier leer je stap voor stap de theorie en praktijk achter Large Language Models (LLM's), zodat je met vertrouwen jouw eigen AI-toepassingen kunt bouwen.
Module 1: Basisbegrippen
Ontdek wat een LLM precies is en begrijp de fundamenten achter de technologie.
Leerdoelen
- Begrijpen hoe tekst wordt opgedeeld en verwerkt als tokens.
- De werking van next-token prediction in eigen woorden uitleggen.
- Het concept van een context window en de geheugenlimieten van modellen herkennen.
Oefening
Gebruik een online token-calculator (bijvoorbeeld de tokenizer van OpenAI) en voer een complexe Nederlandse zin in. Bekijk hoe de zin in stukken breekt. Schrijf op hoeveel woorden je hebt gebruikt versus het aantal gegenereerde tokens, en bedenk waarom Nederlandse woorden soms in meer tokens opbreken dan Engelse woorden.
Module 2: Prompteren
De manier waarop je een vraag stelt (de prompt) bepaalt direct de kwaliteit en relevantie van het antwoord.
Leerdoelen
- Het verschil tussen zero-shot (geen voorbeelden) en few-shot (enkele voorbeelden) prompting toepassen.
- Specifieke rollen en kaders toewijzen via een krachtige system prompt.
- Complexe taken opbreken in heldere, gestructureerde instructies.
Oefening
Schrijf een few-shot prompt waarmee je de AI traint om het sentiment (positief, neutraal of negatief) uit drie fictieve klantbeoordelingen te halen, inclusief een JSON-output structuur als voorbeeld. Test je prompt in een vrij beschikbare chat-interface.
Module 3: API-basis
Stap uit de web-interface en leer hoe je geautomatiseerd kunt communiceren met LLM's via code.
Leerdoelen
- Begrijpen wat een API-endpoint is en hoe authenticatie werkt.
- Het veilig opslaan en beheren van API-sleutels (nooit in publieke code).
- Een standaard JSON-payload (inclusief messages array) structureren voor een LLM-verzoek.
Oefening
Schrijf (of genereer met behulp van AI) een eenvoudig cURL-commando of Python-script dat een basale "Hallo wereld"-vraag stuurt naar een LLM API-endpoint (zoals Anthropic of DeepSeek) en bestudeer hoe de teruggestuurde JSON-respons is opgebouwd.
Module 4: Veiligheid & Privacy
Het verantwoord inzetten van AI is de belangrijkste stap voordat je live gaat. Voorkom datalekken en onbetrouwbare output.
Leerdoelen
- Persoonlijk Identificeerbare Informatie (PII) filteren uit gebruikersinvoer.
- De oorzaken en risico's van hallucinaties (het verzinnen van feiten) begrijpen.
- Retrieval-Augmented Generation (RAG) op hoofdlijnen begrijpen als methode om feitelijke antwoorden af te dwingen.
Oefening
Schrijf een fictieve e-mail van een klant met een klacht, inclusief naam, adres en rekeningnummer. Bedenk vervolgens een logica (of een prompt voor een pre-processing AI) om deze tekst volledig te anonimiseren voordat het naar een extern API-endpoint verzonden mag worden.