AI-infrastructuur, MLOps & frameworks

Een methode om twee versies van je AI-model of -systeem naast elkaar te testen bij echte gebruikers, zodat je op basis van data kunt zien welke het beste werkt.

Een bibliotheek van Hugging Face die het trainen van AI-modellen versnelt door het makkelijk te maken om je code te verdelen over meerdere GPU's, computers of zelfs grote clusters — zonder dat je zelf complexe code hoeft te schrijven.

Software die met machine learning je IT-omgeving bewaakt, problemen voorspelt en zelfs oplost — zodat je minder handmatig hoeft te troubleshooten.

Een open-source platform waarmee je complexe data-processen plant, bewaakt en automatiseert — vergelijkbaar met een digitale projectmanager die elke stap in de juiste volgorde uitvoert.

Een open-source Python-bibliotheek die AI-ontwikkelaars helpt om trainingsdata te verrijken door foto's automatisch te transformeren — denk aan draaien, spiegelen, kleur aanpassen — zodat AI-modellen beter leren.

Een open-source bibliotheek van AI-onderzoekers die je helpt om taalmodellen te bouwen en te trainen, vooral handig als je experimenteert met hoe computers tekst begrijpen.

Een framework van Microsoft waarmee je AI-agenten kunt bouwen die automatisch met elkaar samenwerken om complexe taken op te lossen — zonder dat jij elke stap hoeft te programmeren.

Het verwerken van veel AI-verzoeken tegelijk in één keer, in plaats van ze stuk voor stuk af te handelen — zoals een bezorgdienst die wacht tot de bus vol zit voordat hij vertrekt.

Open-source framework om je AI-modellen van trainingsnotebook naar productie te brengen — als een gereedschapskist die je model inpakt voor gebruik in apps en diensten.

Een manier om een nieuwe versie van je AI-model live te zetten zonder downtime: je draait twee identieke omgevingen naast elkaar en schakelt in één keer over.

Een open-source framework uit 2014 voor deep learning, ontwikkeld door Berkeley AI Research. Ooit populair voor computer vision, nu grotendeels vervangen door modernere alternatieven.

Een voorzichtige manier om een nieuwe AI-versie uit te rollen: je test hem eerst bij een kleine groep gebruikers voordat iedereen ermee werkt.

Een open-source vector database die AI-modellen helpt om informatie efficiënt op te slaan en terug te vinden — als een slimme geheugenbank voor je chatbot of zoekfunctie.

Continue Integratie en Continue Deployment — een werkwijze waarbij code-aanpassingen automatisch getest en uitgerold worden, zodat nieuwe AI-modellen of features snel en betrouwbaar live gaan.

Een framework waarmee je meerdere AI-agents laat samenwerken aan complexe taken — elk met een eigen rol, zoals een virtueel team.

De programmeertaal waarmee je de processorkracht van NVIDIA-videokaarten kunt gebruiken om AI-berekeningen razendsnel uit te voeren — zonder dit zouden modellen als ChatGPT maanden duren om te trainen.

Een set kant-en-klare rekentrucs van NVIDIA waarmee AI-modellen razendsnel berekeningen uitvoeren op GPU's — alsof je voor elke veelvoorkomende taak een optimale snelkoppeling krijgt.

Een Python-bibliotheek die grote datasets en zware berekeningen verdeelt over meerdere computers, zodat je AI-modellen kunt trainen of data kunt analyseren die anders niet in je geheugen passen.

Een techniek om AI-modellen sneller te trainen door de data op te splitsen over meerdere processors, zodat elk stuk data tegelijk wordt verwerkt — net zoals meerdere kassamedewerkers een rij klanten sneller helpen.

Een werkwijze om data-pipelines soepel, betrouwbaar en snel te laten draaien — vergelijkbaar met hoe DevOps dat doet voor software, maar dan specifiek voor data.

Een verzameling kant-en-klare datasets voor AI-projecten, met handige tools om ze te laden, filteren en voorbereiden — zodat je niet zelf alles hoeft te verzamelen en op te schonen.

Een open-source framework van Microsoft waarmee je enorme AI-modellen kunt trainen op meerdere GPU's tegelijk, zonder dat je geheugen opraakt of je trainingstijd explodeert.

Een manier om AI-modellen te trainen door de rekenklus te verdelen over meerdere computers of processors tegelijk, zodat het sneller gaat en je grotere modellen aankan.

Docker is software waarmee je applicaties (zoals AI-modellen) verpakt in geïsoleerde 'containers' — zodat ze overal draaien zonder installatieproblemen.

Een open-source MLOps-platform van Cerebrium waarmee je machine learning-modellen eenvoudig kunt trainen, deployen en monitoren — zonder dat je zelf servers hoeft te beheren.

Een framework om je AI-prompts en workflows automatisch te optimaliseren, zodat je niet handmatig hoeft te blijven sleutelen aan instructieteksten.

DVC (Data Version Control) is een tool waarmee je datasets en ML-modellen kunt versiebeheren, net zoals je code met Git beheert — zodat je altijd kunt zien welke data bij welk model hoort.

AI-modellen die lokaal op je apparaat draaien in plaats van in de cloud — denk aan gezichtsherkenning op je telefoon of slimme camera's die beweging detecteren zonder internetverbinding.

Een open-source library van Google waarmee je neural networks traint in JAX — een Python-framework dat razendsnel werkt door GPU's optimaal te benutten.

Een opensource bibliotheek van Meta om snel miljoenen vectoren te doorzoeken — handig voor apps die 'zoek vergelijkbare dingen' moeten doen, zoals chatbots met geheugen of aanbevelingssystemen.

Een feature pipeline is de automatische keten van stappen die ruwe data omzet in bruikbare invoer voor je AI-model — zodat je model altijd verse, schone data krijgt zonder dat je er elke keer handmatig mee aan de slag hoeft.

Een manier om AI-modellen lokaal op apparaten te laten draaien, zonder dat data naar een centrale server hoeft. Denk aan autocorrectie op je telefoon die leert van jouw tikfouten, zonder ze naar Apple of Google te sturen.

Een open-source framework van Google om neurale netwerken te bouwen, speciaal gemaakt voor snelheid en flexibiliteit bij AI-onderzoek.

FSDP (Fully Sharded Data Parallel) is een slimme trainingsmethode waarbij een groot AI-model over meerdere computers wordt verdeeld, zodat je modellen kunt trainen die anders niet in het geheugen zouden passen.

Een Python-bibliotheek om grote hoeveelheden tekst te analyseren, door bijvoorbeeld patronen te ontdekken in documenten of woorden met vergelijkbare betekenis te vinden.

Een chip die duizenden berekeningen tegelijk kan doen — ontworpen voor graphics, maar perfect voor AI omdat machine learning uit eindeloos veel simpele rekensommetjes bestaat.

Een methode om AI-modellen stapsgewijs te sturen tijdens het genereren van tekst, zodat de output precies voldoet aan jouw eisen — zoals structuur, formaat of inhoudelijke regels.

Een virtuele testomgeving waarin AI-modellen kunnen oefenen met taken — van spelletjes tot robotica — zonder risico in de echte wereld.

Een open-source systeem om enorme hoeveelheden data verspreid over meerdere computers op te slaan en te verwerken — de basis onder veel moderne data-analyse en AI.

Haiku is Anthropic's snelste AI-model, ontworpen voor taken waar je snel antwoord nodig hebt zonder dat je de kracht van Claude's grootste modellen nodig hebt.

Een open-source framework waarmee je zoeksystemen en AI-apps bouwt die door grote hoeveelheden documenten kunnen zoeken en relevante antwoorden geven — net als je eigen mini-zoekmachine.

Een open-source framework van Uber dat het trainen van AI-modellen over meerdere computers tegelijk makkelijker en sneller maakt.

De serie stappen die een AI-model doorloopt vanaf het moment dat je een vraag stelt tot je het antwoord krijgt — van data voorbereiden tot eindresultaat leveren.

Een Python-library die gestructureerde data uit taalmodellen haalt — zodat je niet zelf de output hoeft te parsen, maar direct bruikbare objecten krijgt.

JAX is een Python-bibliotheek van Google voor snelle berekeningen op GPU's en TPU's, vooral populair bij AI-onderzoekers die eigen modellen willen bouwen en experimenteren met nieuwe algoritmes.

Een gebruiksvriendelijke Python-bibliotheek waarmee je in een paar regels code een AI-model kunt bouwen en trainen, zonder dat je alle technische details zelf hoeft uit te zoeken.

Een open-source platform dat je helpt om machine learning-projecten van experiment tot productie te brengen, zodat je niet elke keer opnieuw het wiel hoeft uit te vinden.

Een systeem dat automatisch containers (kleine softwarepakketjes) beheert en verdeelt over veel servers, zodat AI-modellen altijd beschikbaar blijven en kunnen meeschalen.

Een framework waarmee je AI-applicaties bouwt die meerdere stappen en tools combineren — zoals een chatbot die zowel een database raadpleegt als een website doorzoekt voor hij antwoord geeft.

Een open-source framework dat grote taalmodellen koppelt aan je eigen data — zoals documenten, databases of API's — zodat je AI-apps kunt bouwen die antwoorden geven op basis van jouw specifieke informatie.