Détails
- 3 Sections
- 9 Lessons
- 3 Days
Expand all sectionsCollapse all sections
- Dag 1: Introductie tot Geautomatiseerde Besluitvorming en Business Rules Engines (7 uur)3
- 1.1Wat is geautomatiseerde besluitvorming? (2 uur) Verschil tussen traditionele IT-besluitvorming en AI-gedreven beslissingen. Use cases: fraudedetectie, kredietbeoordeling, supply chain-optimalisatie. Praktijk: Analyse van bedrijfsprocessen waar geautomatiseerde besluitvorming voordelen biedt.
- 1.2Business Rules Engines: Concepten en Architectuur (3 uur) Basisprincipes van regelgebaseerde systemen. Overzicht van populaire tools: Drools, IBM ODM, Red Hat Decision Manager. Praktijk: Opzetten van een basisregelsysteem met Drools.
- 1.3Integratie van AI met Business Rules Engines (2 uur) Hoe AI modellen regelsystemen kunnen aanvullen. Beslissingsbomen, probabilistische modellen en rule-based AI. Praktijk: Een eenvoudig AI-model koppelen aan een Business Rules Engine.
- Dag 2: Implementatie en Optimalisatie van Regelgebaseerde Besluitvorming (7 uur)3
- 2.1Werken met Drools en IBM Operational Decision Manager (ODM) (3 uur) Modelleren van complexe bedrijfsregels in Drools en IBM ODM. Testen en optimaliseren van regelgebaseerde systemen. Praktijk: Een regelgebaseerd besluitvormingssysteem implementeren in Drools.
- 2.2AI en Machine Learning voor Dynamische Besluitvorming (2 uur) AI-algoritmes zoals random forests en reinforcement learning gebruiken binnen regelsystemen. Automatische regelsuggesties met machine learning. Praktijk: Een ML-model trainen dat zakelijke beslissingen ondersteunt binnen een Business Rules Engine.
- 2.3Integratie van Business Rules Engines met IT-systemen en API’s (2 uur) Hoe Decision Engines koppelen met ERP, CRM en workflow tools. REST API’s en microservices voor rule-based decision making. Praktijk: Een API implementeren die een beslissingsregel uitvoert op basis van externe input.
- Dag 3: Geavanceerde Automatisering en Toekomstige Ontwikkelingen (7 uur)3
- 3.1Real-time en Event-Driven Decision Making (3 uur) Implementeren van event-driven decision systems met Kafka en streaming data. Werken met low-latency decision making in high-performance omgevingen. Praktijk: Een real-time beslissingsengine bouwen voor een financiële toepassing.
- 3.2Beveiliging en Compliance in Automatische Besluitvorming (2 uur) Ethiek en bias in AI-gestuurde beslissingen. GDPR, explainable AI (XAI) en transparantie van automatische beslissingen. Praktijk: Evalueren van een geautomatiseerd besluitvormingssysteem op bias en compliance.
- 3.3Case Study en Afsluiting (2 uur) Werken met real-world datasets uit finance, retail of logistiek. Praktijk: Deelnemers presenteren een geautomatiseerde besluitvormingsoplossing voor hun sector.
Business Rules Engines: Concepten en Architectuur (3 uur) Basisprincipes van regelgebaseerde systemen. Overzicht van populaire tools: Drools, IBM ODM, Red Hat Decision Manager. Praktijk: Opzetten van een basisregelsysteem met Drools.
Préc.
Werken met Drools en IBM Operational Decision Manager (ODM) (3 uur) Modelleren van complexe bedrijfsregels in Drools en IBM ODM. Testen en optimaliseren van regelgebaseerde systemen. Praktijk: Een regelgebaseerd besluitvormingssysteem implementeren in Drools.
Suivant
