Applied Agentic AI: Systems, Design & Impact Bootcamp – Online Classroom (In samenwerking met Microsoft)

• Bootcamp-programma van 10 weken (elk weekend online lessen!)
• Vraag ons naar de details van het volgende cohort!

• Verwerf geavanceerde kennis over multi-agent systemen, RAG, MCP en aanverwante technologieën.
• Ontwerp en ontwikkel de volgende generatie agentische AI-oplossingen met behulp van toonaangevende frameworks.

Het programma Toegepaste agentische AI: systemen, ontwerp en impact is ontworpen om je wegwijs te maken in het opkomende gebied van agentische AI. Het combineert de expertise van Microsoft op het gebied van AI-technologie met trainingen onder leiding van een instructeur, live online sessies en praktische projecten.

Het programma gaat verder dan interfaceontwikkeling en richt zich ook op het ontwerpen van intelligent gedrag. Je verdiept je in agentische frameworks, planningssystemen, multi-agentcoördinatie en prompt engineering, terwijl je werkt aan praktijkgerichte projecten met tools die aan de industrienormen voldoen. Na afronding bent u in staat om multi-agent-systemen te orkestreren, AI-native productstrategieën te ontwikkelen en AI-gedreven transformatie binnen uw organisatie te leiden.

Doelgroep

De cursus is bedoeld voor ervaren professionals die geavanceerde AI-systemen willen ontwerpen, organiseren en leiden die verder gaan dan basisgeneratieve AI en zich richten op multi-agent-organisatie en -strategie.

De cursus Applied Agentic AI: Systems, Design & Impact is in de eerste plaats bedoeld voor:

• Midden- tot seniorprofessionals die AI-gestuurde producten en systemen willen leiden of beheren.
• Productmanagers en technische leiders die agentische AI willen integreren in workflows en strategie.
• AI/ML-beoefenaars en -ingenieurs die zich willen verdiepen in het ontwerp en de coördinatie van multi-agent-systemen.
• Consultants of innovators die advies geven over AI-implementatie, autonome systemen of AI-gestuurde bedrijfstransformatie.
• Professionals met een basiskennis van programmeren en interesse in agentische AI, planningssystemen en multi-agent-coördinatie.

Vereisten

• Minimaal 18 jaar oud zijn en een middelbareschooldiploma of gelijkwaardig diploma hebben
• Een basiskennis hebben van programmeerconcepten
• 4+ jaar beroepservaring hebben, bij voorkeur, maar niet verplicht

Leerresultaten

• Begrijp en pas de kernconcepten van agentische AI toe, waaronder hoe autonome agenten redeneren, plannen en handelen binnen complexe systemen.
• Ontwerp en organiseer multi-agent AI-systemen met behulp van industriestandaard frameworks en tools.
• Gebruik geavanceerde planningssystemen, RAG (retrieval-augmented generation), prompt engineering en MCP (Model Context Protocol) om efficiënte, schaalbare autonome workflows te bouwen.
• Vertaal strategische productvisies naar praktische AI-gedreven oplossingen die meerdere agents kunnen coördineren om echte zakelijke problemen op te lossen.
• Werk hands-on met een breed scala aan AI-tools (bijv. LangChain, AutoGen, CrewAI, n8n, LangSmith) om agentische oplossingen te prototypen, te testen en te verfijnen.
• Evalueer en implementeer agentische systeemcomponenten met aandacht voor UX, beveiliging, interoperabiliteit en operationele gereedheid.
• Meet prestaties, definieer belangrijke statistieken en beoordeel de ROI voor AI-agentimplementaties in productieomgevingen.
• Ontwikkel en presenteer een productiegericht capstone-project dat agentontwerp koppelt aan marktintroductiestrategie en operationele uitvoering.

Bootcamp-curriculum

1. Python-opfriscursus met AI (optioneel)
2. Grondbeginselen van AI en agentische AI
3. Generatieve AI-technologiestack en prompt engineering
4. LLM-interne systemen en planningssystemen
5. Multi-agent-ecosystemen (I)
6. Multi-agent-ecosystemen (II)
7. Modelcontext en toolingprotocol
8. Metrics, GTM en ROI
9. Agentische UX-ontwerp en transparantie
10. Dev Tools en productgereedheid
11. AI-agenten ontwikkelen op Azure (Microsoft)
12. Capstone: productstrategiesimulatie

Keuzevakken:

• Generatieve AI-apps ontwikkelen in Azure (Microsoft)
• Masterclass over agentische AI-oplossingen met Copilot Studio en AutoGen

1. Python-opfriscursus met AI (optioneel)

Deze cursus biedt een opfrissing van de Python-basisprincipes voor AI/ML en behandelt kernconstructies, het instellen van de omgeving, datastructuren, control flows, OOP, bestandsverwerking en AI-ondersteunde coderingstools zoals GitHub Copilot. Praktische oefeningen in datamanipulatie en een capstone-project waarin traditionele en AI-ondersteunde codering worden vergeleken, bereiden leerlingen voor op het effectief toepassen van Python in moderne AI-workflows.

Ontwikkelde vaardigheden:

• Python-programmeren
• Datamanipulatie
• Control flow OOP-basisprincipes
• AI-ondersteunde codering
• IDE's en ontwikkelomgevingen

Behandelde tools en frameworks:

• Jupyter
• Visual Studio Code
• Google colab
• GitHub Copilot

Eindprojecten

• Klantorders analyseren met Python
• Een tekstgebaseerd avonturenspel bouwen met GitHub Copilot

2. Grondbeginselen van AI en agentische AI

Deze cursus introduceert het Learn > Build > Deploy-framework en verkent de AI-hiërarchie (AI, ML, DL, GenAI, agentische AI), transformatorarchitecturen en autonome AI-agenten. Belangrijke onderwerpen zijn onder meer invloedrijke papers zoals “Attention is All You Need”, CoT-prompting, ReAct-frameworks en een analogie met een GenAI-stack met vier lagen. De cursus biedt essentiële kennis voor technisch productbeheer van AI-systemen, met de nadruk op zowel theoretische als praktische agentische AI-concepten.

Ontwikkelde vaardigheden:

• AI-geletterdheid
• GenAI-basisprincipes
• Inzicht in transformers
• Prompting-technieken

3. Generatieve AI-technologiestack en prompt engineering

Deze cursus presenteert het Learn > Build > Deploy-framework en verkent de AI-hiërarchie, waaronder AI, ML, DL, GenAI en Agentic AI, samen met transformatorarchitecturen en autonome AI-agenten. De cursus behandelt invloedrijke studies zoals “Attention is All You Need”, CoT-prompting, ReAct-frameworks en een 4-laags GenAI-stack-analogie, en biedt essentiële basiskennis voor technisch productbeheer met een focus op zowel theoretische als praktische agentische AI-concepten.

Ontwikkelde vaardigheden:

• GenAI Tech Stack Agent Orchestration
• Vector Databases
• AI UX Design
• Low-Code Prototyping

Behandelde tools en frameworks:

• Lovable
• Emergent
• LangChain
• LangGraph
• Crewai
• AutoGen

4. LLM Internals & Planning Systems

Deze cursus legt de nadruk op productiviteit in productmanagement met AI en behandelt prompt engineering en planningssystemen met behulp van LangChain en functie-aanroepende API's. Live sessies behandelen het bouwen van Q&A-bots met API-integratie, het ontwerpen van agentgestuurde workflows en geavanceerde promptstrategieën om interacties met taalmodellen te optimaliseren. Praktische labs richten zich op het creëren van meerstapsagenten en het integreren van contextuele tools, waardoor praktische vaardigheden in agentgebaseerde productontwikkeling worden versterkt.

Ontwikkelde vaardigheden:

• Planningssystemen Ontwerp van agent-workflows
• Ontwerp van RAG-pijplijnen
• Meerstaps redeneren
• Integratie van tools

Behandelde tools en frameworks:

• Lovable
• Emergent
• ChatGPT
• crewAI
• LangGraph
• LangChain
• A2A
• Agentic RAG-ontwerpframeworks

Begeleide oefeningen:

• Prototyping van productideeën met AI-tools
• Bouwen van een multi-agent-systeem voor het prioriteren van functies

Demo's:

• Fouten in productfunctieoverzichten opsporen
• CoT en ReAct toepassen voor het opstellen van user stories en het analyseren van problemen
• Een RAG-aangedreven FAQ-agent bouwen met aangepaste kennis
• Een financiële Q&A-agent bouwen met LangChain

Eindproject:

• Een RAG-pijplijn bouwen met PDF-opvraging

5. Multi-agent-ecosystemen (I)

Deze cursus gaat dieper in op geavanceerde retrieval-augmented generation (RAG)-systemen en multi-agentarchitecturen, met behulp van praktische oefeningen met CrewAI en LangGraph. Het behandelt samenwerkingspatronen tussen agents, op rollen gebaseerde ontwerpen met YAML, geheugenbeheer en praktische orchestration frameworks. Deelnemers ontwikkelen modulaire multi-agentteams met de nadruk op schaalbaarheid, statusafhandeling en autonome informatiesynthese, met als eindproduct presentaties waarin modulaire agentarchitecturen worden bepleit.

Ontwikkelde vaardigheden:

• Multi-agentontwerp RAG-architectuur
• Geheugenstrategieën
• Workflow-orkestratie
• Agentensamenwerking
• Analytisch redeneren

Behandelde tools en frameworks:

• Crewai
• LangGraph
• A2A
• MetaGPT
• AutoGPT
• Agentic RAG-ontwerpframes

Begeleide oefeningen:

• Productspecificaties genereren met MetaGPT
• AI-agenten orkestreren met LangGraph

Demo's:

• Inzicht in de antropische onderzoeksagent
• Een CrewAI multi-agent systeem bouwen met RAG (chatbot)
• Serieel en parallel werkstromen uitvoeren met CrewAI-agenten

Eindproject:

• Een Agentic RAG-routersysteem bouwen

6. Multi-agent ecosystemen (II)

Voortbouwend op kernconcepten van multi-agents, richt deze cursus zich op het coördineren van agents op bedrijfsniveau met behulp van Microsoft AutoGen en n8n-workflowautomatisering. Onderwerpen zijn onder meer communicatieprotocollen, database-integratie en strategieën voor productie-implementatie. Projecten omvatten het creëren van schaalbare, krachtige, veilige en conforme marketingagent-pijplijnen, terwijl visuele workflows en protocolanalyses leerlingen helpen complexe gedistribueerde agentsystemen onder de knie te krijgen.

Ontwikkelde vaardigheden:

• Agentcoördinatie
• Workflowautomatisering
• Multi-agentcommunicatie
• Compliance
• Database-integratie

Behandelde tools en frameworks:

• AutoGen
• N8n
• Docker
• Phoenix Frameworks
• LangSmith
• mongoDB
• PostgreSQL
• Pinecone
• A2A
• Agentic RAG-workflowpatronen

Begeleide oefeningen:

• Een multi-agent ondersteuningssysteem bouwen
• Human-in-the-loop publicatieworkflows ontwerpen

Demo's:

• AutoGen lokaal installeren en uitvoeren
• AutoGen gebruiken voor autonome interne document-QA en naleving van beleid
• Onderhandelen over responsformaat voor multi-agentcommunicatie
• n8n integreren voor geautomatiseerde routering van klantenservicetickets
• AutoGen-agentketen implementeren voor geautomatiseerd testen en debuggen van code

Eindproject van de cursus:

• AI-aangedreven LinkedIn-automatisering bouwen met n8n

7. Model Context & Tooling Protocol

Deze cursus behandelt het Model Context Protocol (MCP) voor het standaardiseren en integreren van AI-tools.

Belangrijke onderwerpen zijn onder meer gestructureerde contextbinding, interoperabiliteitsstandaarden, JSON-schemaontwerp, veilige toolhosting en geheugenpersistentie. Praktische labs begeleiden het maken van contextuele AI-agenten die outputs tussen tools koppelen met authenticatie en prestatie-afstemming. De focus ligt op bedrijfsklaarheid, best practices op het gebied van beveiliging en het gemakkelijk vindbaar maken van tools via gestandaardiseerde protocollen.

Ontwikkelde vaardigheden:

• Contextbinding Toolinteroperabiliteit
• Schemadefinitie
• Prestatieoptimalisatie
• Veilige toolhosting

Behandelde tools en frameworks:

• N8n
• GitHub
• Model Context Protocol
• FASTMCP

Demo's:

• Een MarketIntel MCP-server bouwen voor marktonderzoek
• Een onderzoeksagent-workflow bouwen met MCP-server in n8n
• Onderhandelen over responsformaat voor communicatie tussen meerdere agents
• n8n integreren voor geautomatiseerde routering van klantenservicetickets
• AutoGen-agentketen implementeren voor geautomatiseerd testen en debuggen van code

8. Metrics, GTM & ROI

Deze cursus biedt een compleet raamwerk voor het evalueren van de prestaties van AI-agents, met OKR's, metrics zoals succespercentage en latentie, en ROI-beoordeling. Er wordt gekeken naar observability tools zoals LangSmith en Phoenix, realtime logging en conversatieanalyse. Zakelijke onderwerpen zijn onder andere prijsstelling, go-to-market-strategieën en het inzetten van agent-MVP's met analytische dashboards. Praktische oefeningen in instrumentatie en monitoring bereiden cursisten voor op operationele uitmuntendheid.

Ontwikkelde vaardigheden:

• Analyse van agentmetrics Observability-configuratie
• A/B-testen
• GTM-strategie
• ROI-evaluatie
• Agentmonitoring

Behandelde tools en frameworks:

• LangSmith
• Miro

Demo's:

• LangSmith-tracing instellen op een eenvoudige AI-agent
• A/B-testen van AI-reacties met promptvarianten
• Een Lean Canvas maken op Miro (samenwerkingsopdracht)

9. Agentic UX-ontwerp en transparantie

Deze cursus richt zich op de gebruikerservaring in AI-producten en onderzoekt interactieontwerp voor agentic UX, inclusief flexibele en probabilistische flows, het omgaan met ambiguïteit en human-in-the-loop-controlepunten. Het behandelt ethische uitdagingen zoals hallucinaties en vooringenomenheid, het aanleren van guardrails, transparantiemethoden, betrouwbaarheidsindicatoren en verklaarbare interfaces. Deelnemers ontwikkelen volledige UX-prototypes waarbij vertrouwen, gebruikerscontrole en veerkrachtig fail-soft-ontwerp voorop staan.

Ontwikkelde vaardigheden:

• UX-prototyping
• AI-First-ontwerp
• Human-in-the-Loop-ontwerp
• UX voor interactie tussen mens en AI
• UX-ontwerp voor AI-risicobeperking

Behandelde tools:

• Figma

Begeleide oefening:

• Proactief agentgedrag ontwerpen in Figma

Demo's:

• Een prototype in chatstijl maken in Figma
• Een interface ontwerpen met door AI voorgestelde acties en knoppen voor gebruikerscontrole
• Een tooltip met redenering en een geplande actie maken in Figma
• Interfaces voor goedkeuring en feedback door mensen in de loop ontwerpen in Figma

Eindproject van de cursus:

• Een agentisch UX-vertrouwensprototype ontwerpen

10. Ontwikkeltools en productgereedheid

Deze cursus, gericht op implementatie en live operaties, onderzoekt cloud versus edge hosting, serverloze en gecontaineriseerde omgevingen en modelhostingbenaderingen. Het omvat praktische oefeningen met Firebase en n8n-automatiseringsworkflows, het integreren van feedback- en testsystemen voor gebruikersinzichten, het instellen van waarschuwingen voor monitoring en een inleiding tot infrastructure-as-code met Terraform en Pulumi. Cursisten verwerven de vaardigheden die nodig zijn om te zorgen voor schaalbare en onderhoudbare AI-productgereedheid.

Ontwikkelde vaardigheden:

• Workflowautomatisering
• Gebeurtenislogging
• Infrastructure-as-Code
• Productgereedheid
• Modelhosting

Behandelde tools:

• Hugging Face

Begeleide oefening:

• Een full-stack agent MVP bouwen in Colab

Demo's:

• Gebruikers-agent interactiegebeurtenissen loggen en visualiseren in Firestore
• Een Lovable feedbackwidget insluiten en Firebase Analytics-gebeurtenissen bijhouden
• Een zelfgehoste open-source LLM lokaal uitvoeren met Ollama

Eindproject:

• Ontwerpen van een multi-agent workflowplanner

11. AI-agents ontwikkelen op Azure (Microsoft)

In deze cursus leer je hoe je AI-agents bouwt met behulp van het cloudplatform en de tools van Microsoft Azure. De cursus behandelt Azure-frameworks, implementatieworkflows, beveiligingsintegratie en schaalbare orchestration-methoden. Deelnemers doen praktische ervaring op met het ontwikkelen en hosten van AI-agents in Azure, met de nadruk op betrouwbaarheid en compliance op bedrijfsniveau.

Ontwikkelde vaardigheden:

• Implementatie op Azure
• Cloud-orkestratie
• Beveiligingsintegratie
• Schaalbaar agentontwerp
• Compliance op bedrijfsniveau

12. Afstudeerproject: simulatie van productstrategie

Het afstudeerproject combineert het ontwerp van een multi-agent-systeem met een marktintroductiestrategie door een productieklaar marktonderzoek met 4 agents en een GTM-framework te creëren met behulp van n8n en CrewAI, geïntegreerd met MCP. Het legt de nadruk op bedrijfsstrategie, waaronder Lean Canvas, prijsstelling en acquisitieplanning, naast prestatiebewaking en de implementatie van chatbots in de praktijk. Dit praktijkgerichte project rust leerlingen toe voor praktisch leiderschap in AI-productontwikkeling.

Ontwikkelde vaardigheden:

• Ontwerp van multi-agent-systemen
• MCP-integratie
• GTM-planning
• Prijsstrategie
• Prestatieanalyse
• Implementatie in de praktijk

Keuzevakken

Keuzevak 1: Generatieve AI-apps ontwikkelen in Azure (Microsoft)

Deze cursus stelt je in staat om AI-oplossingen te ontwikkelen op Azure met behulp van Microsoft Foundry. Je leert AI-omgevingen te plannen en configureren, modellen uit de catalogus te kiezen en te implementeren, applicaties te bouwen met de Foundry SDK, promptflows te gebruiken, RAG-oplossingen te creëren met je data, modellen te verfijnen, verantwoorde AI-praktijken toe te passen en generatieve AI-prestaties te beoordelen met Azure AI Studio-tools.

Keuzevak 2: Masterclass over agentische AI-oplossingen met Copilot Studio en AutoGen

Deze masterclass biedt praktische ervaring in het ontwerpen en implementeren van agentische AI-oplossingen met behulp van moderne low-code en open-source frameworks. Tijdens live sessies met experts uit de industrie wordt gedemonstreerd hoe tools zoals Copilot Studio en AutoGen de ontwikkeling kunnen versnellen en een snelle implementatie van agentische systemen in praktische bedrijfsomgevingen mogelijk maken.

FAQ

Veelgestelde vragen

Waarom is agentische AI vandaag de dag zo belangrijk?

AI is het experimentele stadium voorbij en wordt nu op grote schaal door bedrijven ingezet om de productiviteit te verhogen en producten te transformeren. Deze verschuiving heeft geleid tot een dringende behoefte aan professionals die AI-initiatieven actief kunnen leiden in plaats van ze alleen maar te observeren.

De volgende grens is agentische AI en multi-agent systemen: AI die in staat is om te plannen, beslissingen te nemen en te handelen in complexe workflows. Organisaties investeren in hoog tempo in AI-agenten, waardoor productontwikkeling en werkprocessen fundamenteel veranderen. Deze trend biedt een belangrijke kans voor productmanagers en technologische leiders op midden- en senior niveau, aangezien functies die productexpertise combineren met agentische AI-vaardigheden zeer gewild zijn en goed worden beloond in het AI-ecosysteem.

Hoe wordt het programma aangeboden?

De cursus wordt volledig online gegeven via live virtuele lessen, met een verhouding van 80:20 tussen ervaringsgerichte training en theoretisch leren. Je neemt deel aan praktische projecten, casestudy's en interactieve sessies onder leiding van experts uit de branche.

Hoe ziet het lesrooster eruit? Zijn er opnames?

De cursus duurt doorgaans ongeveer 10 intensieve weken, met naar schatting 6-8 uur per week aan live sessies in het weekend met verschillende roosters. Tussen de cursussen door zijn er veel praktische projecten die moeten worden voltooid. Stuur ons een e-mail voor meer informatie over het rooster van het programma. Als je een les mist, kun je altijd de opname bekijken.

Wat is agentische AI en hoe verschilt deze van gewone AI?

Agentische AI verwijst naar autonome systemen die in staat zijn om te plannen, te redeneren en te handelen in meerdere taken of workflows. In tegenstelling tot traditionele AI, die reageert op input, kan agentische AI beslissingen nemen, coördineren met andere agents en zich aanpassen aan dynamische omgevingen, waardoor complexe problemen in de praktijk kunnen worden opgelost.

Hoe helpt deze cursus bij mijn carrièregroei?

Afgestudeerden verwerven vaardigheden op het gebied van AI-productstrategie, multi-agent systeemorkestratie en AI-gedreven zakelijk leiderschap, waardoor ze worden voorbereid op functies zoals:

• AI-productmanager
• AI-oplossingenarchitect
• Technisch hoofd voor AI-systemen
• AI-innovatieconsultant
• Technologiestrategiemanager

Heb ik voorafgaande ervaring met coderen of AI nodig?

Er is geen geavanceerde programmeer- of diepgaande AI-ervaring vereist. Een basiskennis van programmeerconcepten en gegevensworkflows is voldoende. De cursus richt zich op het ontwerpen, coördineren en beheren van AI-systemen in plaats van het bouwen van modellen vanaf nul.

Kan ik deze kennis toepassen in mijn huidige functie?

Absoluut. De cursus legt de nadruk op praktische toepasbaarheid, waardoor cursisten in staat zijn om agentische AI-oplossingen te ontwerpen, implementeren en optimaliseren in productontwikkeling, marketing, klantenservice en operationele automatisering.

Belangrijkste kenmerken

• Cursus en materiaal in het Engels
• Beginners- tot gevorderd niveau
• Programma van 10 weken (6-8 uur/week. Weekendlessen)
• 70+ uur live online lessen
• 200+ uur aanbevolen studietijd
• 1 jaar toegang tot het leerplatform en opnames van lessen
• 25+ tools en frameworks: LangChain, AutoGen, CrewAI, n8n, Hugging Face, LangSmith, Jupyter en meer
• 40+ demo's, 10+ begeleide oefeningen, 11 frameworks
• 7 praktische projecten aan het einde van de cursus en 1 afsluitend project
• Krijg toegang tot het Microsoft Learn-portaal en MS-certificaten.
• Certificaat voor elke cursus en mastercertificaat voor de bootcamp inbegrepen

Boeiende leerervaring

• Interactie met medestudenten: Geniet van een echte klasomgeving door via Slack in realtime contact te leggen met medestudenten en mentoren.
• Flexibel leren: Raak nooit achterop: bekijk op elk moment opgenomen sessies om bij te blijven en op één lijn te blijven met je medestudenten.
• Mentorschapsessies: Krijg deskundige ondersteuning van mentoren om twijfels weg te nemen, begeleiding bij projecten te krijgen en je leerproces te verbeteren.
• Toegewijde ondersteuning: Profiteer van een cohortmanager die je persoonlijke hulp biedt en ervoor zorgt dat je op koers blijft naar succes.