Het echte probleem is niet het vinden van cursussen, maar het onderscheiden van rook
Wanneer iemand op zoek gaat naar opleidingen in kunstmatige intelligentie, stuit die op een lawine aan beloftes: «beheers AI in 4 weken», «behaal je certificaat en vermenigvuldig je salaris», «leer vanaf nul zonder wiskunde». De meeste van die beweringen vallen als kaartenhuis in elkaar zodra je het curriculum in detail bekijkt of probeert wat je hebt geleerd toe te passen op een echt probleem. Dit artikel is geen ranglijst: het is een filter zodat je niet betaalt voor inhoud die je gratis en beter uitgelegd kunt vinden.
Mythe 1: «Je hebt een betaalde cursus nodig om te beginnen»
Onjuist in de meeste gevallen. De inleidende materialen van de modelmakers zelf (officiële documentatie van OpenAI, Google, Anthropic of Hugging Face) dekken veel meer dan een basiscursus van 50 euro doorgaans bevat. Een concreet geval dat zich herhaalt: cursisten die betalen voor een cursus «prompt engineering» en ontdekken dat 80% van het curriculum bestaat uit screenshots van ChatGPT met algemene instructies zoals «wees specifiek» of «geef context». Dat is geen opleiding, dat is een folder.
Waar betalen wél zinvol is, is bij structuur, correctie en begeleide projecten. Een goede cursus dwingt je iets te bouwen dat faalt en het te debuggen. Als het curriculum geen oefeningen bevat met rommelige data of modellen die niet convergeren, wees dan wantrouwig.
Mythe 2: «Alle cursussen zijn geschikt voor elk profiel»
Dit is de duurste fout. AI-leertrajecten vallen op zijn minst uiteen in drie takken die elkaar nauwelijks raken:
a) Toegepast gebruik zonder programmeren
Automatisering van taken, ondersteund schrijven, documentanalyse. Nuttig voor administratieve profielen, marketing of support. Hier kan een cursus van 20-30 uur snel rendement opleveren, maar de inhoud veroudert binnen enkele maanden omdat de interfaces veranderen.
b) Ontwikkeling met API’s en modellen
Vereist Python, omgaan met virtuele omgevingen, het lezen van Engelstalige documentatie en begrip van tokens, embeddings en contextlimieten. Een cursus die dit «zonder programmeren» belooft, verkoopt iets anders.
c) Wiskundige grondslagen en training
Lineaire algebra, kansrekening, gradiëntafdaling. Hier overtreffen de gratis cursussen van universiteiten (open materialen van inleidende machine learning-cursussen) doorgaans de commerciële bootcamps. De eerlijke beperking: zonder wiskundige basis leer je deze tak niet in een weekend, en geen enkele serieuze cursus belooft dat.
Mythe 3: «Het certificaat bewijst dat je AI kent»
In technische selectieprocedures weegt een generiek AI-certificaat weinig tegenover een repository met werkende projecten. Wat wél gewaardeerd wordt: iets hebben uitgerold, al is het klein, en kunnen uitleggen waarom een aanpak faalde. Een detail dat je alleen met ervaring ziet: veel kandidaten presenteren notebooks die lokaal werken maar geen resultaten reproduceren omdat ze geen random seeds hebben vastgezet of bibliotheekversies niet hebben gedocumenteerd. Die slordigheid verraadt meer dan welk diploma dan ook.
Mythe 4: «Verouderde cursussen zijn nutteloos»
Belangrijke nuance. In de laag van tools (interfaces, plugins, specifieke modellen) is veroudering reëel en snel. Maar de grondslagen (modelevaluatie, vooroordelen, validatie, ontwerp van robuuste prompts, gegevensprivacy) houden jaren stand. Een cursus uit 2023 over grondslagen van machine learning kan nog steeds geldig zijn; een uit 2023 over «de 50 beste ChatGPT-extensies» niet meer.
Praktisch criterium: kijk naar de datum van de laatste update van het curriculum en of de docent modellen noemt die niet meer bestaan alsof ze de standaard zijn. Dat wijst op verwaarlozing.
Wat AI-cursussen je meestal niet vertellen
- Verborgen kosten: API’s worden per gebruik betaald. Een oefenproject met duizenden aanroepen kan onverwachte facturen opleveren als er geen limieten zijn ingesteld.
- Evaluatie: bijna geen enkele inleidende cursus leert je meten of een AI-systeem echt werkt. Zonder metrieken en testsets is er geen manier om te weten of iets verbeterd is.
- Privacy: het versturen van klantgegevens naar externe diensten heeft juridische implicaties, afhankelijk van de sector. Dit komt zelden voor in het commerciële curriculum.
- Hallucinaties: modellen genereren valse informatie met volstrekte zekerheid. Een cursus die geen tijd besteedt aan het mitigeren daarvan is onvolledig.
Hoe je een cursus beoordeelt voordat je betaalt
- Vraag het volledige curriculum op, niet de marketing-samenvatting. Als ze dat niet geven, valt de cursus af.
- Zoek uit of er een eindproject is dat door een persoon wordt beoordeeld of alleen een automatische test.
- Controleer of de docent aantoonbare publieke aanwezigheid heeft op het onderwerp (lezingen, repositories, publicaties), zonder blind te vertrouwen op opgeblazen cursistenaantallen.
- Bekijk het terugbetalingsbeleid en of de toegang updates omvat.
- Wees wantrouwig tegenover garanties op werk of inkomsten: geen enkele cursus kan resultaten beloven die afhangen van de markt en van individuele inspanning.
Eerlijke conclusie
De beste cursussen kunstmatige intelligentie zijn niet de best verkochte of de meest belovende, maar de cursussen die je dwingen fouten te maken in een gecontroleerde omgeving en je leren meten waarom. Om te beginnen dekken de officiële documentatie en open materialen meer dan wordt toegegeven. Om te verdiepen, betaal je voor structuur en feedback, niet voor een diploma. En als een cursus beweert dat je AI leert zonder inspanning of voorkennis, dan weet je welke mythe er wordt verkocht.