Lokale LLMs voor Coding: Ollama, llama.cpp, en RAG

Terwijl kunstmatige intelligentie softwareontwikkeling transformeert, kan het uitsluitend vertrouwen op cloudgebaseerde modellen privacyzorgen oproepen en hoge kosten met zich meebrengen. Deze cursus leert je hoe je de kracht van large language models direct naar je eigen hardware brengt. Je ontdekt hoe je lokale LLMs instelt, configureert en gebruikt om veilige, offline coding assistants te creëren en deze te integreren in je dagelijkse ontwikkelworkflows. Wat je zult leren: - Begrijp de kernconcepten achter large language models en lokale inference. - Configureer en draai lokale modellen met Ollama en llama.cpp veilig op je eigen machine. - Bouw een fundamenteel Retrieval-Augmented Generation (RAG) systeem met behulp van moderne vector database concepten. - Pas lokale LLMs toe om code te genereren, tests te schrijven en routinematige ontwikkeltaken te automatiseren. - Oefen prompt engineering technieken die zijn afgestemd op kleinere, lokaal gehoste modellen. - Integreer offline AI autocomplete mogelijkheden in je bestaande ontwikkelomgeving. De cursus begint met essentiële AI terminologie en fundamentele concepten voordat we overgaan naar praktische installatie-instructies en schriftelijke programmeeroefeningen. Je vordert stap voor stap van basis modeluitvoering naar het bouwen van een eenvoudige, veilige lokale RAG pipeline. Ontworpen voor developers, backend engineers en tech-enthousiastelingen op beginnersniveau, vereist deze tekstgebaseerde cursus geen eerdere machine learning ervaring. Begin vandaag nog met lezen om de controle over je AI tools te nemen en veilige, lokale ontwikkelassistenten te bouwen.