AI-engineer

Introductie

Een AI Engineer is iemand die ervoor zorgt dat kunstmatige intelligentie (AI) goed werkt in software en systemen. In plaats van zelf AI-modellen te maken, gebruikt hij bestaande AI-tools en integreert ze in apps en websites.

Wat doet een AI Engineer?

• AI gebruiken in software → Denk aan gezichtsherkenning in een app of een chatbot.
• Bestaande AI-modellen koppelen → Bijvoorbeeld via OpenAI (ChatGPT), Google AI of andere systemen.
• AI sneller en slimmer maken → Zorgen dat AI niet te veel geheugen gebruikt en goed werkt.
• AI automatiseren → Taken laten uitvoeren zonder dat iemand het handmatig hoeft te doen.
• Samenwerken met programmeurs → Werken in een team om AI-oplossingen te bouwen.

Het is een creatief en technisch beroep waarin je AI toepast om slimme software te maken. 🚀

Wat is het verschil met een Full Stack developer en een Data Scientist

• Full-Stack Developer: Dit is de alleskunner. Hij of zij bouwt zowel de voorkant (het scherm dat je ziet) als de achterkant (de server die alles laat werken) van de app. Ze zorgen ervoor dat de app er goed uitziet en goed werkt.
• Data Scientist: Dit is de data-analist. Ze duiken in grote hoeveelheden data om patronen en trends te vinden. Ze gebruiken wiskunde en statistiek om bijvoorbeeld te voorspellen wat klanten willen of om problemen op te sporen.
• AI Engineer: Dit is de nieuwe speler in het team. Ze gebruiken slimme AI-modellen (die al door anderen zijn gemaakt) om apps nóg slimmer te maken. Ze hoeven niet per se zelf AI-modellen te bouwen, maar ze weten wel hoe ze deze modellen in een app kunnen stoppen.

Het belangrijkste verschil:

• De full-stack developer bouwt de basis van de app.
• De data scientist analyseert data en maakt voorspellingen.
• De AI engineer maakt de app intelligent door slimme AI-modellen te gebruiken.

Tools die AI Engineers gebruiken voor hun taak

• Python: Programmeertaal (zie ook cursus Python)
• Pydantic: Een data validatie library.
• Python-dotenv: Zorgt ervoor dat gevoelige informatie zoals API keys veilig buiten de versiebeheeropslagplaats blijft.
• Streamlit: Een Python-framework waarmee je snel interactieve webapplicaties kunt bouwen voor AI. Het maakt het eenvoudig om Python-code om te zetten in een visuele interface.
• FastAPI: Een library voor het bouwen van API's, vooral handig vanwege de integratie met Pydantic.
• Celery: Voor het bouwen van task queues om werk te verdelen over meerdere threads of machines.
• PostgreSQL: Een SQL database. (zie ook cursus Database queries en Database ontwerp)
• Timescale: Een extensie op PostgreSQL voor vector-opslag (ai-toepassingen)
• Pycopg: Python library voor PostgreSQL.
• SQLAlchemy: Vereenvoudigt operaties met SQL databases zoals PostgreSQL.
• Alembic: Beheert database migraties in combinatie met SQLAlchemy.
• Pandas: Voor het structureren en manipuleren van data in rijen en kolommen.
• OpenAI API, Anthropic API, Google's API: Verschillende API's van model providers.
• Instructor: Wordt gebruikt om gestructureerde uitvoer te halen uit modellen.
• PG Vector: Vector databases voor het opslaan en ophalen van context.
• PiMuPDF, PyPDF2: Libraries om informatie te extraheren uit documenten of PDFs.
• Jinja: Een templating engine voor Python, handig voor het bouwen van dynamische prompts.