In diesem Kurs wird der Aufmerksamkeitsmechanismus vorgestellt. Dies ist ein leistungsstarkes Verfahren, das die Fokussierung neuronaler Netzwerke auf bestimmte Abschnitte einer Eingabesequenz ermöglicht. Sie erfahren, wie der Aufmerksamkeitsmechanismus funktioniert und wie Sie damit die Leistung verschiedener Machine Learning-Tasks wie maschinelle Übersetzungen, Zusammenfassungen von Texten und Question Answering verbessern können.
In diesem Kurs werden Diffusion-Modelle vorgestellt, eine Gruppe verschiedener Machine Learning-Modelle, die kürzlich einige vielversprechende Fortschritte im Bereich Bildgenerierung gemacht haben. Diffusion-Modelle basieren auf physikalischen Konzepten der Thermodynamik und sind in den letzten Jahren in der Forschung und Industrie sehr beliebt geworden. Dabei stützen sich Diffusion-Modelle auf viele innovative Modelle und Tools zur Bildgenerierung in Google Cloud. In diesem Kurs werden Ihnen die theoretischen Grundlagen der Diffusion-Modelle erläutert und wie Sie diese Modelle über Vertex AI trainieren und bereitstellen können.
Da die Nutzung von künstlicher Intelligenz und Machine Learning in Unternehmen weiter zunimmt, wird auch deren verantwortungsbewusste Entwicklung ein immer wichtigeres Thema. Dabei ist es für viele schwierig, die Überlegungen zur verantwortungsbewussten Anwendung von KI in die Praxis umzusetzen. Wenn Sie wissen möchten, wie sich die verantwortungsbewusste Anwendung von KI in die Praxis umsetzen, also operationalisieren lässt, finden Sie in diesem Kurs entsprechende Hilfestellungen. In diesem Kurs erfahren Sie, wie dies mit Google Cloud heutzutage möglich ist, inklusive entsprechender Best Practices und Erkenntnisse. Es wird gezeigt, welches Framework Google Cloud bietet, um einen eigenen Ansatz für die verantwortungsbewusste Anwendung von KI zu entwickeln.
In diesem Kurs erfahren Sie, wie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, Sie beim Schutz Ihrer Cloud-Umgebung und -Ressourcen unterstützen kann. Sie lernen, wie Sie Beispielarbeitslasten in einer Umgebung in Google Cloud bereitstellen und mit Gemini fehlerhafte Sicherheitseinstellungen identifizieren und korrigieren können. In einem praxisorientierten Lab können Sie sich davon überzeugen, wie Ihr Cloud-Sicherheitsstatus durch Gemini verbessert werden kann. Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.
In diesem Kurs erfahren Sie, wie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, Sie bei der Nutzung von Google-Produkten und -Diensten zum Entwickeln, Testen, Bereitstellen und Verwalten von Anwendungen unterstützen kann. Sie lernen, wie Sie mit Gemini eine Webanwendung entwickeln und debuggen, Tests entwickeln und Daten abfragen können. In einem praxisorientierten Lab können Sie sich davon überzeugen, wie der Softwareentwicklungs-Lebenszyklus durch Gemini verbessert werden kann. Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.
Dieser Kurs vermittelt Ihnen das Wissen und die nötigen Tools, um die speziellen Herausforderungen zu erkennen, mit denen MLOps-Teams bei der Bereitstellung und Verwaltung von Modellen basierend auf generativer KI konfrontiert sind. Sie erfahren, wie KI-Teams durch Vertex AI dabei unterstützt werden, MLOps-Prozesse zu optimieren und mit Projekten erfolgreich zu sein, in denen generative KI zum Einsatz kommt.
In diesem Kurs wird Google Vids vorgestellt, ein KI-basiertes Tool in Google Workspace, mit dem Sie aus Rohdokumenten professionelle, ansprechende Videos erstellen können – ganz ohne Vorkenntnisse in der Videobearbeitung. Du erfährst, wie du mit Vorlagen und automatisierten Tools schnell Entwürfe erstellst und deine Inhalte mit transkriptbasierter Bearbeitung, dynamischen visuellen Verbesserungen und benutzerdefinierter Musik anpasst. Abschließend erfahren Sie, wie Sie KI-Avatare und Voiceovers einbinden, um Ihre Präsentationen für verschiedene geschäftliche Anwendungsfälle nahtlos zu kommentieren.
In diesem Kurs erfahren Sie, wie Sie mit Gemini in Google Drive Dateien verwalten und abrufen können. Sie erfahren, wie Sie Assets in natürlicher Sprache finden, bestimmte Fakten über KI-Übersichten extrahieren, ohne Dateien zu öffnen, mehrere Medienformate sofort zusammenfassen und Dateisammlungen als Projekte für wiederholbare Recherchen speichern können.
In diesem Kurs erfahren Sie, wie Sie mit Gemini in Google Meet die Zusammenarbeit per Video verbessern können. Sie erfahren, wie Sie Notizen automatisch erstellen lassen, Text und Sprache in Echtzeit übersetzen, verpasste Diskussionen privat nachlesen und die Audio- und Videoqualität sofort optimieren können.
In diesem Kurs erfahren Sie, wie Sie mit Gemini in Google Sheets die Datenorganisation automatisieren und komplexe Zahlen verarbeiten können. Sie lernen, wie Sie Tabellen aus Rohdaten erstellen, Daten mithilfe von natürlicher Sprache automatisch einfügen, Tabellenformeln bei Bedarf generieren und schnell allgemeine Informationen oder Visualisierungen extrahieren können, ohne fortgeschrittene Tabellenkenntnisse zu haben.
In diesem Kurs erfahren Sie, wie Sie mit Gemini in Google Präsentationen Konzepte in visuell ansprechende Präsentationen umwandeln können. Sie lernen, wie Sie aus einem einzelnen Prompt oder einem vorhandenen Quelldokument strukturierte Präsentationen erstellen, Folienlayouts mit automatischer Designoptimierung verfeinern, benutzerdefinierte Vektorgrafiken und Fotos erstellen und dynamisch Folientexte zusammen mit präzisen Vortragsnotizen entwerfen.
In diesem Kurs erfahren Sie, wie Sie mit Gemini in Google Docs Ihre Schreibprozesse und die Erstellung von Inhalten optimieren können. Sie lernen, wie Sie Dokumente von Grund auf erstellen, mit interaktiven Tools den Schreibstil und die Klarheit verbessern, komplexe Dateien zusammenfassen und lange Texte nahtlos in strukturierte Assets für andere Google Workspace-Anwendungen umwandeln.
In diesem Kurs erfahren Sie, wie Sie mit Gemini in Gmail Ihre E‑Mail-Verwaltung optimieren können. Sie lernen, lange E‑Mail-Konversationen zusammenzufassen, Informationen in natürlicher Sprache abzurufen, professionelle Antworten zu entwerfen und Kommunikationsstrategien direkt in Ihrem Posteingang zu organisieren.
Gemini für Google Workspace ermöglicht Kunden den Zugriff auf generative KI-Funktionen in Google Workspace. Dieser Lernpfad vermittelt Ihnen die wichtigsten Gemini-Funktionen. Sie erfahren, wie Sie diese Funktionen in Google Workspace einsetzen können, um produktiver und effizienter zu arbeiten.
In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.
This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models. The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.
Learn how to use Gemini Notebook to create a personalized study guide for the Professional Data Engineer certification exam. You'll review Gemini Notebook features, create a notebook in Gemini Notebook, and learn how to use a study guide to practice for a certification exam.
This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.
Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.
In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.
Mit dem Skill-Logo zum Kurs Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Erstellen von Pipelines für die Datentransformation nach BigQuery mithilfe von Dataprep von Trifacta; Extrahieren, Transformieren und Laden (ETL) von Workflows mit Cloud Storage, Dataflow und BigQuery; und Erstellen von Machine-Learning-Modellen mithilfe von BigQuery ML.
In this course, you learn how to create APIs that utilize multiple services and how you can use custom code on Apigee. You will also learn about fault handling, and how to share logic between proxies. You learn about traffic management and caching. You also create a developer portal, and publish your API to the portal. You learn about logging and analytics, as well as CI/CD and the different deployment models supported by Apigee. Through a combination of lectures, hands-on labs, and supplemental materials, you will learn how to design, build, secure, deploy, and manage API solutions using Google Cloud's Apigee API Platform. This is the third and final course of the Developing APIs with the Apigee API Platform course series.
In this course, you learn how to secure your APIs. You explore the security concerns you will encounter for your APIs. You learn about OAuth, the primary authorization method for REST APIs. You will learn about JSON Web Tokens (JWTs) and federated security. You also learn about securing against malicious requests, safely sending requests across a public network, and how to secure your data for users of Apigee. Through a combination of lectures, hands-on labs, and supplemental materials, you will learn how to design, build, secure, deploy, and manage API solutions using Google Cloud's Apigee API Platform. This is the second course of the Developing APIs with the Apigee API Platform series. After completing this course, enroll in the API Development with the Apigee API Platform course.
In this course, you learn how to design APIs, and how to use OpenAPI specifications to document them. You learn about the API lifecycle, and how the Apigee API platform helps you manage all aspects of the lifecycle. You learn how APIs can be designed using API proxies, and how APIs are packaged as API products to be used by app developers. Through a combination of lessons, hands-on labs, and supplemental materials, you will learn how to design, build, secure, deploy, and manage API solutions using Google Cloud's Apigee API Platform. This is the first course of the Developing APIs with the Apigee API Platform series. After completing this course, enroll in the API Security with the Apigee API Platform course.
This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.
Erhalten Sie ein Skill-Logo, indem Sie den Kurs „Umgebung für die Anwendungsentwicklung in Google Cloud einrichten“ abschließen. Dabei lernen Sie, wie Sie eine speicherorientierte Cloud-Infrastruktur mithilfe der grundlegenden Funktionen der folgenden Technologien erstellen und verbinden: Cloud Storage, Identity and Access Management, Cloud Functions und Pub/Sub.
Mit dem Skill-Logo zum Kurs Cloud Load Balancing in der Compute Engine implementieren weisen Sie Kenntnisse in folgenden Bereichen nach: virtuelle Maschinen in der Compute Engine erstellen und bereitstellen und Netzwerk- und Application Load Balancer konfigurieren.
In diesem Einführungskurs erhalten Sie praktische Fertigkeiten im Umgang mit den grundlegenden Tools und Services der Google Cloud. Ihnen werden optionale Videos bereitgestellt, in denen Sie sich weitergehend über die in den Labs behandelten Konzepte informieren können, so oft Sie möchten. „Google Cloud Essentials“ ist ein empfohlener erster Kurs für Google Cloud-Lernende. Selbst wenn Sie vor diesem Kurs wenig bis gar nichts über die Cloud gewusst haben, verfügen Sie danach über praktische Erfahrungen, die Sie in Ihrem ersten Google Cloud-Projekt anwenden können. Vom Schreiben von Cloud Shell- Befehlen und dem Bereitstellen Ihrer ersten virtuellen Maschine bis hin zum Ausführen von Anwendungen auf Kubernetes Engine oder mit Load-Balancing – Google Cloud Essentials ist eine erstklassige Einführung in die grundlegenden Funktionen der Plattform.