De echte beslissing: welke basisgrondstof je AI-training nodig heeft
Voordat je naar prijzen kijkt, is het goed te begrijpen dat je een cursus kunstmatige intelligentie niet kiest op basis van het lesprogramma, maar op basis van wat het je dwingt te doen. Gratis cursussen geven je meestal toegang tot opnames en notebooks; betaalde cursussen geven toegang tot infrastructuur, correctie en soms een professionele context die je niet in een YouTube-video zult vinden. Het praktische verschil komt naar voren wanneer je bij de eerste technische blokkade aankomt: daar schiet een goedkope cursus tekort en rechtvaardigt een dure de investering, of andersom.
Volgens de officiële documentatie van platforms zoals Coursera, DeepLearning.AI, fast.ai of Google Cloud Skills Boost is de introductieinhoud over AI behoorlijk gestandaardiseerd. Dat betekent dat betalen voor de eerste week van een cursus op basisniveau zelden zin heeft. De investering begint zich terug te verdienen in het tussen- en gevorderde traject, wanneer je GPU’s, codebeoordeling en projecten met echte data nodig hebt.
Wat je gratis krijgt dat vroeger niet bestond
Het gratis aanbod van 2026 is geen aperitief meer: het is volledige training als je weet wat je moet zoeken. Een paar concrete voorbeelden:
- fast.ai (Practical Deep Learning for Coders): volledige, gratis cursus op basis van uitvoerbare notebooks. De top-down-aanpak (je begint met het bouwen van een bruikbaar model en zakt daarna af naar de theorie) werkt beter voor profielen met enige Python-kennis dan voor absolute beginners.
- Kaggle Learn: microcursussen van 4-6 uur over pandas, feature engineering of introductie tot machine learning. Ze dienen om concrete hiaten op te vullen, niet om een volledig profiel te vormen.
- Google Cloud Skills Boost: begeleide labs met gratis starttegoed. Nuttig om Vertex AI uit te proberen zonder iets lokaal op te zetten.
- Hugging Face Course: de beste gratis bron voor NLP en transformermodellen. Bijgewerkte officiële documentatie, zonder opvulvideo’s.
- CS50 AI van Harvard (edX, auditmodus): solide academische structuur over zoeken, logica en machine learning. Veeleisend en in het Engels.
Een detail dat bijna niemand vermeldt: gratis cursussen hebben vaak bijgewerkte theorie maar verouderde omgevingen. Een notebook uit 2023 die transformers==4.30 installeert, kan vandaag falen door incompatibiliteiten met CUDA of met recente versies van PyTorch. Leren de fout te lezen en de omgeving te repareren maakt deel uit van de cursus, ook al staat het niet in het lesprogramma.
Wat je koopt wanneer je betaalt: het is niet de video, het is de context
Serieuze betaalde cursussen verkopen geen inhoud —die is gratis—, ze verkopen vier dingen: infrastructuur met inbegrepen GPU, projecten beoordeeld door iemand met verstand van zaken, cohorten met data en een certificaat dat sommige bedrijven filteren. De gebruikelijke prijsranges lopen van de 20-40 € van een losse cursus bij Udemy in de aanbieding tot de meerdere duizenden euro’s van een bootcamp of een universitair programma met mentoring.
Gevallen waarin betalen wel gerechtvaardigd is
- Je wilt van analist naar MLOps doorgroeien: je moet modellen implementeren, monitoren en versioneren. Een gratis cursus geeft je geen cluster om te verprutsen.
- Je zoekt een verifieerbare carrièreswitch: een certificaat van een erkende instelling (geen PDF van een willekeurig platform) opent deuren in HR-filters.
- Je hebt externe discipline nodig: cohorten met data en inlevermomenten werken voor wie de MOOC’s in week drie laat vallen.
Gevallen waarin betalen geld weggooien is
- Cursussen over «grondbeginselen van AI» die alleen uitleggen wat een neuraal netwerk is. Dat heb je in de officiële documentatie van scikit-learn of in de gratis cursus van Google.
- Programma’s met een generiek lesprogramma over «AI voor iedereen» zonder code of projecten. Het praktische deel is het enige dat je niet leert door te lezen.
- Jaarabonnementen op platforms die elk jaar dezelfde cursus recyclen onder een andere titel.
Praktische vergelijking per profiel
Profiel A: heeft nog nooit geprogrammeerd
Redelijke gratis route: CS50 Introduction to Computer Science (gratis, op edX) + Kaggle Learn Python. Daarna een introductiecursus machine learning. Een bootcamp betalen voordat je weet of programmeren je ligt, is de duurste en meest voorkomende fout. Toegepaste AI vereist code; als dat niet bij je past, kun je dat beter in week twee weten dan in maand zes.
Profiel B: programmeur die AI wil toepassen
Gratis route: fast.ai + Hugging Face Course. Betaalde route met zin: een specifieke cursus over implementatie (MLOps) of over een concreet domein (computervisie, LLM’s in productie). Hier koopt betalen specialisatie, geen introductie.
Profiel C: niet-technische professional die beoordelingsvermogen nodig heeft
Een korte betaalde cursus (20-60 €) over grondbeginselen en beperkingen van modellen kan maanden van slecht gekalibreerde verwachtingen besparen. Maar let op: veel cursussen over «AI voor bedrijven» herhalen hetzelfde productiviteitsverhaal zonder in te gaan op vooroordelen, inferentiekosten of waarom een model hallucineert. Dat nuanceverschil is precies wat je zou moeten eisen.
Beperkingen die cursussen meestal niet vertellen
Geen enkele cursus, gratis of betaald, garandeert werk of beheersing. AI verandert sneller dan lesprogramma’s: wat een cursus die 18 maanden geleden is opgenomen leert, kan op het gebied van tools verouderd zijn, ook al blijven de grondbeginselen (algebra, kansrekening, optimalisatie) geldig. De eerlijkste strategie is gratis en stabiele grondbeginselen combineren met oefening in actuele tools, en het betalen te bewaren voor datgene wat je niet alleen kunt bereiken: mentoring, infrastructuur en externe validatie.
Een veelvoorkomend reëel geval: iemand rondt een betaalde cursus over LLM’s af met een hoog cijfer en weet vervolgens niet waarom zijn applicatie in productie faalt wanneer de context het venster van het model overschrijdt. De cursus leerde hem de API aanroepen, niet omgaan met kosten, latentie of evaluatie. Dat gat wordt opgevuld met officiële documentatie en eigen projecten, niet met nog een certificaat.
Controleer drie dingen voordat je betaalt: of het lesprogramma beoordeelde projecten bevat, of toegang tot GPU inbegrepen is of apart, en of het certificaat door iemand anders dan het platform zelf wordt erkend. Als alle drie de antwoorden nee zijn, heb je waarschijnlijk een gelijkwaardig gratis alternatief.