AI
-
Zin, Onzin, en Nut van LLMs: Zijn ze de Hype waard?
Posted on
by
We hebben waarschijnlijk het moment bereikt waarop de hype over AI op zijn grootst is: men is langs één kant laaiend enthousiast over AI, maar hier en daar raken mensen al gedesillusioneerd. Ook spreekt men meer en meer over een bubbel in de markt van de grote tech-spelers. Maar hoe nuttig zijn LLMs momenteel nu
-
Sens, absurdité et utilité des LLM : méritent-ils ce battage médiatique ?
Posted on
by
Nous avons probablement atteint le point culminant du battage médiatique autour de l’IA : d’un côté, l’IA suscite l’enthousiasme, de l’autre, elle commence déjà à créer la désillusion. On parle aussi de plus en plus d’une bulle sur le marché des grands acteurs technologiques. Mais quelle est réellement l’utilité des LLM à l’heure actuelle ? Pouvons-nous encore
-
Ingestion van ongestructureerde data: hoe maak je automatisch een graph op basis van tekst?
Posted on
by
Dit artikel gaat in op de manieren waarop een graph kan worden verkregen op basis van tekstuele data, de verschillende soorten graphs die kunnen worden geëxtraheerd en de tools die vaak worden gebruikt.
-
Ingestion de données non-structurées : comment créer un graphe automatiquement à partir de texte ?
Posted on
by
Cet article s’intéresse aux façons dont une représentation graphe peut être obtenue à partir de données textuelles, les différents types de graphe qui peuvent être extraits, et les outils fréquemment utilisés.
-
GraphRAG – Naar een verbeterde retrieval dankzij knowledge graphs
Posted on
by
RAG-systemen (Retrieval-Augmented Generation) hebben het mogelijk gemaakt voor grote taalmodellen (LLM’s) om te steunen op betrouwbare gegevens. Maar ze blijven onder andere beperkt in hun vermogen om hallucinaties te beheersen. Daar komt GraphRAG in beeld: door LLM’s te combineren met knowledge graph verbetert het de nauwkeurigheid, transparantie en redeneercapaciteit van de modellen.
-
GraphRAG – Vers une génération augmentée par les graphes de connaissances
Posted on
by
Les systèmes RAG (Retrieval-Augmented Generation) ont permis aux grands modèles de langage (LLM) de s’appuyer sur des données fiables. Mais ils restent limités, entre autres, dans leur capacité à contrôler les hallucinations. C’est là que GraphRAG entre en jeu : en combinant les LLM avec des graphes de connaissances, il améliore la précision, la transparence et la capacité de raisonnement des modèles.
-
Ethiek en artificiële intelligentie: hoe een bias meten en corrigeren?
Posted on
by
Dit artikel gaat in op de manier waarop algoritmische bias kan worden gemeten en op de verschillende manieren om deze te corrigeren om eerlijke voorspellingen te genereren.
-
Ethique et intelligence artificielle : comment mesurer et corriger un biais ?
Posted on
by
Cet article s’intéresse à la manière dont les biais algorithmiques peuvent être mesurés et corrigés pour générer des prédictions équitables.
-
“Vibe Coding” avec les IDE agentiques
Posted on
by
Les environnements de développement intégrés (IDE) agentiques font presque tout à votre place, comme si vous regardiez par-dessus l’épaule d’un programmeur tout en lui donnant des instructions. Bienvenue dans le monde du “Vibe Coding”.
-
Vibe Coding met Agentic IDEs
Posted on
by
Agentic IDE’s doen bijna alles in je plaats, alsof je achter de rug van een programmeur meekijkt op het scherm, terwijl je hem of haar instructies geeft. Welkom in de wereld van “Vibe Coding”.
Keywords:
AI analytics artificial intelligence blockchain chatbot coding computational creativity cryptography Cybersecurity data quality Data Quality Tools development EDA Event gdpr GIS governance Graph Databases Knowledge Graph Machine Learning Master Data Management Natural Language Processing Open Source Privacy Privacy by design pseudonymisation quantum computing Security software design source code