VolgendeVolgende gids
Hoe word je een machine learning engineer
Samenleving
Technische GIDS
Om een AI-ingenieur te worden, moet u Python (en idealiter TypeScript) leren, API's voor grote taalmodellen aanroepen, en vervolgens steeds moeilijkere applicaties bouwen met door het ophalen verbeterde generatie, het aanroepen van tools en systematische evaluaties, en deze publiceren als portfolioprojecten.
Luister naar deze gidsAI-verteld · ~3 min
AI-engineering gaat over het bouwen van producten bovenop bestaande basismodellen, in plaats van het helemaal opnieuw trainen van modellen. Dat maakt het voor softwareontwikkelaars een van de meest toegankelijke routes naar AI-werk.
De term 'AI-ingenieur' werd gepopulariseerd in een essay uit 2023 van Shawn Wang (bekend als swyx), 'The Rise of the AI Engineer'. Het beschrijft ontwikkelaars die applicaties bouwen bovenop basismodellen. De rol verschilt van een machine learning engineer, die modellen traint en inzet, en van een datawetenschapper, die zich richt op analyse en statistiek. Een praktisch stappenplan kent zeven fasen. 1. Programmeerfundamenten. Leer Python, git, HTTP en JSON, omgevingsvariabelen en eenvoudige SQL. TypeScript helpt bij het bouwen van webinterfaces. 2. LLM-grondbeginselen. Leer tokens, contextvensters, temperatuur, prijzen en waarom modellen dingen verzinnen. Roep API's aan van providers zoals OpenAI, Anthropic en Google, en voer lokaal open-weight-modellen uit met een tool als Ollama. Leer streaming en gestructureerde uitvoer. 3. Vragen. Schrijf duidelijke instructies, gebruik voorbeelden en dwing uitvoerformaten af met schema's. 4. Retrieval-augmented generatie (RAG). Leer chunking, insluitingen en zoeken naar vectoren, hybride zoeken met trefwoordmatching, herrangschikking en citaten. 5. Hulpmiddelen en agenten. Leer functieaanroepen, meerstapslussen en het Model Context Protocol, een open standaard Anthropic die eind 2024 werd geïntroduceerd voor het verbinden van modellen met tools en gegevens. Voeg vangrails en limieten toe. 6. Evaluaties en waarneembaarheid. Bouw testsets, gebruik geautomatiseerde beoordelaars, traceer elk verzoek en vang regressies op voordat u deze implementeert. 7. Productie. Bouw API's (bijvoorbeeld met FastAPI) en zorg vervolgens voor caching, tarieflimieten, kostenbeheersing en beveiliging, vooral snelle injectie. Verfijning, PyTorch en machine learning-theorie zijn later nuttig, maar zijn niet vereist om te beginnen. Er zijn twee veel voorkomende misvattingen. Je hebt geen doctoraat of geavanceerde wiskunde nodig om te beginnen. Je hebt degelijke software-engineering nodig, omdat de meeste fouten gewone bugs, dataproblemen of ontbrekende tests zijn. Frameworks zoals LangChain zijn optioneel. Door eerst de onbewerkte API's te leren, wordt het veel gemakkelijker om later in elk raamwerk fouten op te sporen.
Een startproject: een script dat een geplakt artikel naar een LLM API stuurt en JSON terugkrijgt met een titel, een samenvatting en drie kernpunten, gecontroleerd aan de hand van een schema voordat het wordt opgeslagen.
Een ophaalproject: een chatbot die vragen over de openbare statuten van een stad beantwoordt. Het splitst de PDF's in stukjes, slaat de inbedding op in Postgres met pgvector en citeert de sectie achter elk antwoord.
Een tool-calling-assistent die een verzoek leest, een weer-API en een kalender-API aanroept en een schema voorstelt, met tests die bepalen wat er gebeurt als een van beide API's een time-out krijgt.
Een evaluatieharnas: 100 gelabelde vragen voor de statutenchatbot die beoordelen of het juiste gedeelte is opgehaald en of het antwoord trouw blijft, worden automatisch uitgevoerd bij elke codewijziging.
AI-engineering verandert nog steeds snel. De mogelijkheden, prijzen en tools van modellen veranderen vaak, waardoor de fundamenten langer meegaan dan welk specifiek raamwerk dan ook: schoon softwareontwerp, zorgvuldige gegevensverwerking, evaluatiediscipline en beveiligingsbewustzijn. Agenten die veel stappen ondernemen en software aansturen krijgen steeds meer aandacht, wat het belang van testen, monitoren en toestemmingsontwerp vergroot. Sommige taken waarvoor tegenwoordig aangepaste pipelines nodig zijn, kunnen worden opgenomen in modelplatforms. Ingenieurs die kwaliteit kunnen definiëren, meten en betrouwbare systemen kunnen leveren, zullen waarschijnlijk waardevol blijven, wat de tools ook worden. Beschouw elke routekaart als uitgangspunt om elke paar maanden te herzien.
Gratis nieuwsbrief
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
Om een AI-ingenieur te worden, moet u Python (en idealiter TypeScript) leren, API's voor grote taalmodellen aanroepen, en vervolgens steeds moeilijkere applicaties bouwen met door het ophalen verbeterde generatie, het aanroepen van tools en systematische evaluaties, en deze publiceren als portfolioprojecten. AI-engineering gaat over het bouwen van producten bovenop bestaande basismodellen, in plaats van het helemaal opnieuw trainen van modellen. Dat maakt het voor softwareontwikkelaars een van de meest toegankelijke routes naar AI-werk.
AI-engineering concentreert zich op het bouwen van producten met bestaande modellen via API's, opvraging, tools en evaluaties. Trainingsmodellen zijn doorgaans het domein van de ML-ingenieur.
Als u begrijpt wat er onder de abstracties gebeurt, kunt u problemen diagnosticeren wanneer een raamwerk zich onverwacht gedraagt.
De gids beschrijft MCP als een open standaard die eind 2024 door Anthropic werd geïntroduceerd voor het verbinden van modellen met externe tools en gegevensbronnen.
Ingestion bereidt de kennisbank voor door documenten in stukjes te splitsen, ze in insluitingen te veranderen en ze met metagegevens op te slaan zodat ze later kunnen worden opgehaald.
Hybride zoeken combineert semantische gelijkenis van insluitingen met exacte termmatching, wat helpt bij namen, codes en specifieke termen.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
Hoe word je een machine learning engineer
Samenleving