Tech stack overzicht

Technologieën die we inzetten voor schaalbare web-, mobile- en AI-producten

Van bewezen productfundamenten tot gespecialiseerde AI- en mobile tooling. Gebruik dit overzicht om snel te zien waar wij mee bouwen en welke stack past bij uw use case.

Veelgevraagde stackonderdelen

Frontend

React

Lees meer
Web framework

Next.js

Lees meer
AI engineering

Python

Lees meer
Cloud

AWS

Lees meer
Database

PostgreSQL

Lees meer
Mobile

React Native

Lees meer

Nieuwe AI- en mobile detailpagina's

Deze pagina's maken het tech-stack deel minder handmatig en sluiten de routegaten die eerder uit navigatie en content kwamen.

Android Tooling

Android Studio

Wij gebruiken Android Studio om native Android apps sneller te bouwen, testen en uit te rollen.

Vector Store

Chroma

Wij zetten Chroma in wanneer snelheid van experimenteren belangrijker is dan zware platformcomplexiteit.

Mobile Runtime

Expo

Wij gebruiken Expo wanneer teams snel naar een stabiele mobiele release willen met een compacte React Native workflow.

Python API Framework

FastAPI

Wij gebruiken FastAPI voor typed Python APIs die goed passen bij AI, dataflows en moderne integraties.

AI Interface Layer

Gradio

Wij zetten Gradio in om AI-workflows snel zichtbaar, testbaar en bespreekbaar te maken.

Open Model Platform

Hugging Face

Wij gebruiken Hugging Face wanneer teams meer keuzevrijheid, modeltransparantie en grip op deployment nodig hebben.

Android UI Framework

Jetpack Compose

Wij bouwen Android ervaringen met Jetpack Compose wanneer snelheid, onderhoudbaarheid en consistente UI belangrijk zijn.

AI Orchestration

LangChain

Wij zetten LangChain in wanneer AI-oplossingen meer nodig hebben dan alleen één prompt of één modelcall.

AI Platform

OpenAI

Wij bouwen OpenAI-oplossingen die gekoppeld worden aan processen, data en meetbare bedrijfsdoelen.

Vector Database

Pinecone

Wij gebruiken Pinecone wanneer AI-systemen betrouwbare semantische zoekfunctionaliteit op productie-niveau nodig hebben.

ML Framework

PyTorch

Wij gebruiken PyTorch wanneer teams meer controle nodig hebben over training, inferentie of modelgedrag dan een standaard API-oplossing biedt.

Data App Framework

Streamlit

Wij gebruiken Streamlit om data- en AI-workflows snel zichtbaar te maken voor teams die willen leren vóór ze groot investeren.

Backend Platform

Supabase

Wij zetten Supabase in wanneer teams snel een robuuste backend willen zonder onnodige platformcomplexiteit.

iOS UI Framework

SwiftUI

Wij gebruiken SwiftUI om native iOS interfaces sneller, consistenter en beter onderhoudbaar te bouwen.

ML Framework

TensorFlow

Wij gebruiken TensorFlow wanneer machine learning stevig in product of operatie ingebed moet worden.

Apple Tooling

Xcode

Wij gebruiken Xcode om Apple-first apps stabiel te ontwikkelen, testen en gecontroleerd uit te rollen.