Master in Technische NLP-engineering en engineeringassistenten
Online masteropleiding van 1.900 uur in technische NLP-engineering en engineering-assistenten: 12 modules over computationele taalkunde, Transformer-modellen, RAG over technische documentatie, informatie-extractie, fine-tuning, agents, LLMOps en AI-governance onder de EU AI Act, ISO/IEC 42001 en NIST AI RMF, met een toegewezen technische tutor.
Master in Technische NLP-engineering en engineeringassistenten — studeren vanuit Nederland
Data-gedreven engineering is in Nederland volop in ontwikkeling. Het AI-onderzoek van CWI, de TU Delft en de Universiteit van Amsterdam trekt internationale aandacht, terwijl bedrijven in de high tech, logistiek en financiële sector grote datavolumes verwerken. Simulatie speelt een grote rol in bijvoorbeeld de ASML-keten en in de maakindustrie. Ingenieurs die modellering, machine learning en data-analyse combineren met domeinkennis zijn breed gewild.
Kosten voor Nederland: € 9.930 (euro), met termijnbetalingen en bedrijfssponsoring beschikbaar.
Relevante instanties in Nederland
Typische functies
Vragen uit Nederland
Hoe wordt AI- en data-expertise in Nederland erkend door beroepsorganisaties?
Er is in Nederland geen wettelijk verplichte titel voor data scientists of AI-specialisten. Organisaties zoals de Nederlandse Vereniging voor Informatica (NVVI) en de Autoriteit Persoonsgegevens (voor privacyaspecten) zijn relevant. SEIUM-kwalificaties zijn private en niet geaccrediteerd; erkenning bepaalt de werkgever.
Welke werkgevers in Nederland gebruiken data- en AI-kennis?
Vraag komt van banken, verzekeraars, logistieke bedrijven, de high-tech industrie en onderzoeksinstellingen zoals TNO en de Nederlandse universiteiten. Werkgevers kijken vooral naar concrete projecten en portfolio. Of een private kwalificatie meetelt, beslist elke werkgever zelf.
Kan ik dit online volgen naast mijn baan en hoe zit de betaling in elkaar?
De opleiding is volledig online, met een toegewezen technische tutor en een eindproject. Het lesmateriaal is in het Engels. Betaling kan in termijnen en werkgeversfinanciering is mogelijk, waarover je vooraf afspraken maakt. Plan realistisch in: een master telt 1.900 uur.
Neem de regie.
Voer een echte technische afweging uit dit vakgebied uit. Verschuif de schuifregelaars, zie het model in realtime reageren en verslaan de uitdaging.
Wat je zult kunnen
Diseñar pipelines de procesamiento del lenguaje para documentación técnica.
Bouw RAG-assistenten met bronvermeldingen die herleidbaar zijn tot normen en handleidingen.
Extraer requisitos, tablas y listas de materiales de documentos no estructurados.
Adaptar modelos de lenguaje al dominio mediante ajuste fino eficiente.
Orquestar agentes que utilicen herramientas de cálculo, CAD y PLM.
Evalueer de betrouwbaarheid, beveiliging en vooroordelen van assistenten in productie.
Desplegar asistentes de ingeniería cumpliendo la Ley de IA europea.
Voor wie het is
- Ingenieros de PLN que se orientan hacia la documentación técnica y los asistentes de ingeniería.
- Ingenieros de LLMOps responsables de operar modelos de lenguaje en producción.
- Desarrolladores de asistentes técnicos para equipos de ingeniería.
- Especialistas en gestión del conocimiento técnico.
- Arquitectos de soluciones de IA generativa.
- Responsables de gobernanza de la IA en organizaciones industriales.
- Titulados en ingeniería o ciencias que buscan incorporarse a la consultoría de ingeniería y técnica.
Waarmee je zult werken
- Reglement (EU) 2024/1689 (Europese verordening inzake kunstmatige intelligentie)
- ISO/IEC 42001:2023 (managementsystemen voor AI)
- NIST AI RMF 1.0 (kader voor risicobeheer van AI)
- ISO/IEC 23894:2023 (richtlijnen voor risicobeheer van AI)
- Verordening (EU) 2016/679 – AVG (bescherming van persoonsgegevens)
- ISO/IEC 22989:2022 (concepten en terminologie van AI)
- ISO/IEC 27001:2022 (managementsysteem voor informatiebeveiliging)
- Hugging Face Transformers
- spaCy
- LangChain
- vLLM
- Qdrant
12 modules · 1900 h
1.1Tokenización de documentación técnica y unidades1.2Morfología, lematización y terminología especializada1.3Análisis de dependencias de requisitos escritos1.4Reconocimiento de entidades nombradas en normas y hojas de datos1.5Representaciones vectoriales: word2vec, fastText y GloVe1.6Corpus técnicos: manuales, especificaciones y tickets1.7Anotación de corpus y acuerdo entre anotadores1.8Extracción basada en reglas y expresiones regulares1.9Métricas de evaluación: precisión, exhaustividad y F11.10Laboratorio: pipeline de spaCy sobre manuales de mantenimiento
2.1Attention-mechanisme en multi-head self-attention2.2Encoders in BERT-stijl en decoders in GPT-stijl2.3Gemaskeerde en causale pre-trainingdoelstellingen2.4BPE-, WordPiece- en SentencePiece-tokenizers2.5Contextvenster en RoPE-positiecodering2.6Schaalwetten en keuze van modelgrootte2.7Open modellen: Llama, Mistral en Qwen2.8GPTQ- en AWQ-kwantisatie en het GGUF-formaat2.9Efficiënte inferentie met vLLM en KV-cache2.10Praktijk: een open model serveren op een lokale GPU
3.1Zero-shot-, few-shot- en stap-voor-stap-redeneringsprompting3.2Systeemberichten en stijlcontrole3.3JSON-uitvoer gevalideerd met Pydantic-schema's3.4Function calling en toolgebruik3.5Omgaan met eenheden en hoeveelheden in antwoorden3.6Hallucinaties beperken met expliciete beperkingen3.7Promptversiebeheer en regressietesten3.8Prompt-injectie en basisverdediging3.9Kosten per token en optimalisatie van latentie3.10Workshop: eisenextractor naar gevalideerde JSON
4.1Inname van pdf's, tekeningen en datasheets4.2Semantische chunking en chunking op basis van documentstructuur4.3Embeddingmodellen en selectie op domein4.4Vectordatabases: FAISS, Qdrant en pgvector4.5Hybride BM25-zoekopdrachten met dense retrieval4.6Herrangschikking van passages met cross-encoders4.7Citaten herleidbaar tot clausule en pagina4.8Incrementele update van de documentindex4.9RAG-evaluatie met Ragas: getrouwheid en relevantie4.10Lab: RAG-assistent over interne normen
5.1Clasificación de requisitos con la sintaxis EARS5.2Tablas en PDF: Camelot, pdfplumber y OCR5.3Lectura de cajetines y listas de materiales5.4Normalización de unidades físicas con Pint5.5Detección de ambigüedades en especificaciones técnicas5.6Relaciones entre componentes y grafos de conocimiento5.7Ontologías técnicas y vocabularios controlados5.8Vinculación con referencias de piezas en PLM5.9Validación humana y bucles de corrección5.10Caso práctico: BOM estructurada a partir de especificaciones escaneadas
6.1Cuándo ajustar finamente el modelo y cuándo recuperar información6.2Conjuntos de instrucciones a partir de informes técnicos6.3Adaptadores LoRA y QLoRA con PEFT6.4Ajuste fino supervisado y plantillas de chat6.5Alineación de preferencias mediante DPO6.6Datos sintéticos y control de la contaminación6.7Olvido catastrófico y evaluación de regresiones6.8Destilación en modelos pequeños desplegables6.9Seguimiento de experimentos con MLflow6.10Práctica: QLoRA sobre informes de incidencias
7.1ReAct- en planner-uitvoerder-patronen7.2Integratie met rekenmachines en numerieke solvers7.3Gegenereerde SQL-query's over technische databases7.4Verbinding met CAD- en PLM-API's7.5MCP-protocol voor het beschikbaar stellen van tools7.6Gespreksgeheugen en taaktoestand7.7Grenzen aan autonomie en menselijke goedkeuring7.8Tracing en observability met Langfuse7.9Foutafhandeling en nieuwe pogingen van tools7.10Workshop: agent die een component dimensioneert en documenteert
8.1Python-scripts genereren voor CAE-preprocessing8.2Macro's voor FreeCAD en CAD-API's8.3Ondersteuning bij PLC-programmering volgens IEC 61131-38.4Gegenereerde unittests en code review8.5Statische analyse en detectie van onveilige code8.6Technische documentatie gegenereerd uit code8.7Codelicenties en intellectueel eigendom8.8Integratie in IDE's en reviewworkflows8.9Productiviteits- en codekwaliteitsmetrieken8.10Praktijk: meshing automatiseren met een LLM
9.1Evaluatiesets voor domeinspecifieke toepassingen9.2LLM-as-a-judge en de bijbehorende vertekeningen9.3Kalibratie van betrouwbaarheid en gecontroleerde onthouding9.4Adversarial testing en red teaming9.5Datalekken en privacy van documenten9.6OWASP Top 10-risico's voor LLM's9.7Risicobeheer volgens NIST AI RMF9.8Driftmonitoring in productie9.9Traceerbaarheid voor gereguleerde sectoren9.10Casestudy: audit van een onderhoudsassistent
10.1Cloud versus on-premise architectuur10.2Containers, Kubernetes en GPU-schaling10.3Modelgateways en kostengebaseerde routering10.4Semantische caching en latentiebeheersing10.5Beheer van geheimen en toegangscontrole10.6Canary-deployment en A/B-testen10.7Auditlogging van interacties10.8Totale exploitatiekosten van de assistent10.9Energieverbruik van inferentie10.10Lab: deployment met vLLM en Kubernetes
11.1De Europese AI-verordening en risiconiveaus11.2AI-managementsystemen volgens ISO/IEC 4200111.3Bescherming van persoonsgegevens in assistenten11.4Auteursrecht op normen en handleidingen11.5Interactieontwerp en gebruikersvertrouwen11.6Veranderingsmanagement op technische afdelingen11.7AI-geletterdheid voor ingenieurs11.8Rendement op investering en businesscase11.9Modelkaarten en systeemdocumentatie11.10Casestudy: implementatieplan bij een ingenieursbureau
12.1Definitie van de use case en het toepassingsgebied12.2Verzameling en licentiering van het technische corpus12.3Architectuurontwerp van de assistent12.4Implementatie van de functionele prototype12.5Evaluatieplan en succesmaatstaven12.6Testen met echte engineeringgebruikers12.7Risicoanalyse en naleving van regelgeving12.8Codedocumentatie en reproduceerbaarheid12.9Verslag van de masterscriptie12.10Masterscriptie: verdediging voor een examencommissie
Hoe je leert
100% online opleiding op de SEIUM-campus, met downloadbaar materiaal, opgenomen lessen en een toegewezen technische tutor. Er zijn geen vaste roostertijden: je vordert in je eigen tempo binnen elke instroom, waardoor de opleiding goed te combineren is met werk.
Elke module combineert theorie, begeleide lezing van de originele norm en toegepaste oefeningen. De gebruikte software is Hugging Face Transformers, spaCy, LangChain, vLLM en Qdrant, in gratis, academische of evaluatieversies. Toetsen worden uitgevoerd aan de hand van echte procedures: evaluatie van assistenten op echte technische corpora, proeven met ingenieurs op technische afdelingen en controle van antwoorden aan de geciteerde normen. De beoordeling is per module doorlopend, aangevuld met de eindscriptie van de masteropleiding.
Behandelde normen: Verordening (EU) 2024/1689 inzake kunstmatige intelligentie, ISO/IEC 42001:2023, NIST AI RMF 1.0, ISO/IEC 23894:2023, Verordening (EU) 2016/679 (AVG), ISO/IEC 22989:2022, ISO/IEC 27001:2022.
Bouw het van begin tot eind
Je eindproject volgt de echte engineeringworkflow, stap voor stap, en wordt beoordeeld door je tutor.
Waar het je brengt
Vereisten
- Een universitair diploma in engineering, wetenschap of architectuur, of gelijkwaardige aantoonbare beroepservaring.
- Een internetverbinding en een computer die geschikt is om de software van de opleiding te draaien.
- Voldoende Engels om technische normen te kunnen lezen.
Klaar om te beginnen?
Dien uw aanmelding vandaag in. Ons toelatingsteam reageert binnen 72 uur met uw studieplan en financieringsopties.
Veelgestelde vragen
Het programma omvat in totaal 1.900 uur, verspreid over 12 tot 14 maanden. Binnen elke instroomronde bepaalt u zelf uw tempo, en uw begeleider helpt u de werkbelasting af te stemmen op uw baan.
U werkt met Hugging Face Transformers, spaCy, LangChain, vLLM en Qdrant, met gratis, academische of evaluatieversies. Waar een gratis alternatief bestaat, geeft uw begeleider dit aan.
Een diploma van SEIUM Institute, uitgereikt na het behalen van de permanente evaluatie en de masterscriptie. Het is een eigen kwalificatie van SEIUM en geen officieel, door de overheid erkend diploma; de erkenning hangt af van het gevolgde programma en de regelgeving van elk land.
Ja. Modules die zijn behaald in een cursus of postgraduaat diploma binnen hetzelfde vakgebied, worden erkend in het vervolgprogramma. Vraag naar het erkenningsbeleid bij uw inschrijving.
Een universitair diploma in engineering, wetenschappen of architectuur (of gelijkwaardige beroepservaring), een computer die de software kan draaien, en voldoende Engels om technische normen te lezen.
De startdata worden per instroomronde vastgelegd door het docententeam van SEIUM. Ons toelatingsteam bevestigt de eerstvolgende beschikbare datum wanneer u zich aanmeldt.
Gerelateerde programma's
More in Data, AI, Simulation & Analytics
All Data, AI, Simulation & Analytics programmes → · Hoe aan te melden · Kosten & financiering · Beurzen