Er is een aanzienlijke onvervulde vraag naar ontwikkelaars die AI begrijpen. Tegelijkertijd, omdat de meeste universiteiten hun curricula nog niet hebben aangepast aan de nieuwe realiteit dat programmeerbanen veel productiever zijn met AI-tools, is er ook een stijging van de werkloosheid onder recente afgestudeerden in de informatica. Wanneer ik AI-ingenieurs interview — mensen die bedreven zijn in het bouwen van AI-toepassingen — zoek ik naar mensen die kunnen: - AI-assistentie gebruiken om snel softwaresystemen te ontwikkelen - AI-bouwstenen zoals prompting, RAG, evals, agentic workflows en machine learning gebruiken om toepassingen te bouwen - Snel prototypes maken en itereren Iemand met deze vaardigheden kan veel meer gedaan krijgen dan iemand die code schrijft zoals we dat deden in 2022, vóór de opkomst van Generative AI. Ik spreek elke week met grote bedrijven die graag honderden of meer mensen met deze vaardigheden zouden willen aannemen, evenals startups die geweldige ideeën hebben maar niet genoeg ingenieurs om ze te bouwen. Naarmate meer bedrijven AI adopteren, verwacht ik dat dit tekort aan talent alleen maar zal toenemen! Tegelijkertijd worden recente afgestudeerden in de informatica geconfronteerd met een verhoogd werkloosheidspercentage, hoewel het percentage onderbenutting — van afgestudeerden die werk doen dat geen diploma vereist — nog steeds lager is dan voor de meeste andere studierichtingen. Dit is waarom we tegelijkertijd verhalen horen van werkloze afgestudeerden in de informatica en ook van stijgende salarissen voor gewilde AI-ingenieurs. Toen programmeren evolueerde van ponskaarten naar toetsenbord en terminal, bleven werkgevers een tijdje ponskaartprogrammeurs aannemen. Maar uiteindelijk moesten alle ontwikkelaars overstappen naar de nieuwe manier van coderen. AI-engineering creëert op vergelijkbare wijze een enorme golf van verandering. Er is een stereotype van "AI Native" pas afgestudeerden die ervaren ontwikkelaars overtreffen. Hier zit enige waarheid in. Meerdere keren heb ik voor full-stack software engineering een nieuwe afgestudeerde aangenomen die echt verstand heeft van AI boven een ervaren ontwikkelaar die nog steeds in 2022-stijl werkt. Maar de beste ontwikkelaars die ik ken, zijn geen recente afgestudeerden (geen belediging voor de pas afgestudeerden!). Het zijn ervaren ontwikkelaars die op de hoogte zijn van veranderingen in AI. De meest productieve programmeurs van vandaag begrijpen computers diepgaand, hoe ze software moeten architectureren en hoe ze complexe afwegingen moeten maken — en die bovendien bekend zijn met de nieuwste AI-tools. Zeker, sommige vaardigheden uit 2022 worden verouderd. Bijvoorbeeld, veel codering syntaxis die we toen moesten onthouden is niet langer belangrijk, aangezien we niet meer zoveel met de hand hoeven te coderen. Maar zelfs als, laten we zeggen, 30% van de kennis in de informatica verouderd is, is de resterende 70% — aangevuld met moderne AI-kennis — wat echt productieve ontwikkelaars maakt. (Zelfs nadat ponskaarten verouderd raakten, was een fundamenteel begrip van programmeren zeer nuttig voor het typen van code op een toetsenbord.) Zonder te begrijpen hoe computers werken, kun je niet gewoon "vibe code" je weg naar grootheid. Fundamenten zijn nog steeds belangrijk, en voor degenen die daarnaast AI begrijpen, zijn de werkgelegenheidskansen talrijk!

Bouw betere RAG door een team van agenten je referentiematerialen te laten extraheren en verbinden in een kennisgrafiek. Onze nieuwe korte cursus, "Agentic Knowledge Graph Construction," gegeven door @Neo4j Innovation Lead @akollegger, laat je zien hoe. Kennisgrafieken zijn een belangrijke manier om informatie nauwkeurig op te slaan, maar ze zijn veel werk om handmatig te bouwen. In deze cursus leer je hoe je een team van agenten kunt opbouwen die gegevens – in dit geval productbeoordelingen en facturen van leveranciers – omzetten in gestructureerde grafieken van entiteiten en relaties voor RAG. Leer hoe agenten automatisch het tijdrovende werk van het bouwen van grafieken kunnen afhandelen — entiteiten en relaties extraheren (bijv. Product "bevat" Assemblage, Onderdeel "geleverd door" Leverancier, Klantbeoordeling "vermeldt" Product), ze dedupliceren, ze fact-checken en ze aan een grafdatabase toewijzen — zodat jouw opvragsysteem de juiste informatie kan vinden om nauwkeurige output te genereren. Bijvoorbeeld, je kunt agenten gebruiken om klantklachten rechtstreeks naar specifieke leveranciers, productieprocessen en producthiërarchieën te traceren, waardoor gefragmenteerde informatie wordt omgezet in doorzoekbare bedrijfsinformatie. Vaardigheden die je zult verwerven: - Bouw, sla op en krijg toegang tot kennisgrafieken met behulp van de Neo4j grafdatabase - Bouw multi-agent systemen met behulp van Google’s Agent Development Kit (ADK) - Stel een cyclus van agentische workflows in om een grafschema voor te stellen en te verfijnen door middel van fact-checking - Verbind agent-gegenereerde grafieken van ongestructureerde en gestructureerde gegevens in een uniforme kennisgrafiek Deze cursus gaat in op de praktijk van waarom kennisgrafieken nauwkeurigere informatieopvraging bieden dan alleen vectorzoekopdrachten, vooral voor toepassingen met hoge inzet waar precisie belangrijker is dan vage gelijkenismatching. Meld je hier aan: