Teilnehmen Anmelden

Ihre Kompetenzen in der Google Cloud Console anwenden

Dumitru Ciobanu

Mitglied seit 2024

Intelligente Cloud-Anwendung mit Vibe Coding und MCP entwickeln Earned Mär 2, 2026 EST
Generative KI-Anwendungen mit Gemini und Streamlit entwickeln Earned Feb 22, 2026 EST
Auf generativer KI basierende Anwendungen in Google Cloud entwickeln Earned Feb 21, 2026 EST
Natural Language Processing on Google Cloud Earned Feb 21, 2026 EST
Prompt-Design mit Vertex AI Earned Feb 21, 2026 EST
Encoder-Decoder-Architektur Earned Feb 12, 2026 EST
Responsible AI for Digital Leaders with Google Cloud Earned Feb 12, 2026 EST
Google DeepMind: 04 Discover The Transformer Architecture Earned Feb 10, 2026 EST
Machine Learning Operations (MLOps) mit Vertex AI: Modellbewertung Earned Feb 10, 2026 EST
Machine Learning Operations (MLOps) für generative KI Earned Feb 10, 2026 EST
Verantwortungsbewusste Anwendung von KI für Entwickler: Fairness und Bias Earned Jul 30, 2025 EDT
Einführung in Vertex AI Studio Earned Jun 23, 2025 EDT
Verantwortungsbewusste Anwendung von KI: KI-Grundsätze in Google Cloud anwenden Earned Jun 16, 2025 EDT
Einführung in die verantwortungsbewusste Anwendung von KI Earned Jun 16, 2025 EDT
ML-Lösungen mit Vertex AI erstellen und bereitstellen Earned Mai 13, 2025 EDT
Google Cloud: Prompt Engineering Guide Earned Mai 13, 2025 EDT
Einführung in Large Language Models Earned Mai 13, 2025 EDT
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten Earned Mai 13, 2025 EDT
Bilder mit TensorFlow in Google Cloud klassifizieren Earned Mai 13, 2025 EDT
Production Machine Learning Systems Earned Mai 13, 2025 EDT
Working with Notebooks in Vertex AI Earned Mai 12, 2025 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Mai 12, 2025 EDT
BigQuery für Machine Learning Earned Mai 12, 2025 EDT
Machine Learning Operations (MLOps): Getting Started Earned Mai 10, 2025 EDT
Generative KI kennenlernen – Vertex AI Earned Mai 7, 2025 EDT
Cloud Load Balancing in der Compute Engine implementieren Earned Mai 6, 2025 EDT
Daten für ML-APIs in Google Cloud vorbereiten Earned Mai 6, 2025 EDT
Einführung in generative KI Earned Apr 30, 2025 EDT
Einführung in KI und maschinelles Lernen in Google Cloud Earned Apr 15, 2025 EDT
Informationen aus BigQuery-Daten ableiten Earned Dez 31, 2024 EST
Data Warehouse mit BigQuery erstellen Earned Dez 30, 2024 EST
Build Streaming Data Pipelines on Google Cloud Earned Dez 30, 2024 EST
Build Batch Data Pipelines on Google Cloud Earned Dez 27, 2024 EST
Build Data Lakes and Data Warehouses on Google Cloud Earned Dez 23, 2024 EST
Google Cloud Big Data and Machine Learning Fundamentals Earned Nov 2, 2024 EDT

Schließen Sie den Kurs Intelligente Cloud-Anwendung mit Vibe Coding und MCP entwickeln ab und sichern Sie sich ein Skill-Logo. Dabei lernen Sie, wie Sie die Leistungsfähigkeit des KI-Coding-Assistenten von Google und von MCP-Servern optimal nutzen.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Generative KI-Anwendungen mit Gemini und Streamlit entwickeln weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Texterstellung, Anwendung von Funktionsaufrufen mit dem Python SDK und der Gemini API und Bereitstellung einer Streamlit-Anwendung mit Cloud Run. Dabei lernen Sie, wie Sie mithilfe von Gemini und entsprechenden Prompts Text erstellen, Cloud Shell zum Testen und Iterieren einer Streamlit-Anwendung nutzen und diese Anwendung dann als Docker-Container zur Bereitstellung in Cloud Run verpacken.

Weitere Informationen

Mit auf generativer KI basierenden Anwendungen, kurz GenAI-Anwendungen, werden Nutzerinteraktionen möglich, die es vor Large Language Models (LLMs) kaum gab. Wie können Sie als Anwendungsentwickler mit generativer KI interaktive, leistungsstarke Anwendungen in Google Cloud erstellen? In diesem Kurs lernen Sie etwas über Anwendungen, die auf generativer KI basieren, und erfahren, wie Sie Prompt-Design und Retrieval-Augmented Generation (RAG) nutzen können, um mit LLMs leistungsstarke Anwendungen zu entwickeln. Wir stellen Ihnen eine produktionsreife Architektur für auf generativer KI basierende Anwendungen vor und Sie erstellen eine Chat-Anwendung auf der Basis von LLMs und RAG.

Weitere Informationen

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

Weitere Informationen

Mit dem Skill-Logo Prompt-Design mit Vertex AI weisen Sie Grundkenntnisse in folgenden Bereichen nach: Prompt Engineering, Bildanalyse und multimodale generative Techniken in Vertex AI. Entdecken Sie, wie Sie wirksame Prompts erstellen, auf generativer KI basierende Ausgaben steuern und Gemini-Modelle in Marketing-Szenarien aus der Praxis anwenden.

Weitere Informationen

Dieser Kurs vermittelt Ihnen eine Zusammenfassung der Encoder-Decoder-Architektur, einer leistungsstarken und gängigen Architektur, die bei Sequenz-zu-Sequenz-Tasks wie maschinellen Übersetzungen, Textzusammenfassungen und dem Question Answering eingesetzt wird. Sie lernen die Hauptkomponenten der Encoder-Decoder-Architektur kennen und erfahren, wie Sie diese Modelle trainieren und bereitstellen können. Im dazugehörigen Lab mit Schritt-für-Schritt-Anleitung können Sie in TensorFlow von Grund auf einen Code für eine einfache Implementierung einer Encoder-Decoder-Architektur erstellen, die zum Schreiben von Gedichten dient.

Weitere Informationen

This course equips learners with the essential knowledge and practical tools to develop and implement artificial intelligence (AI) responsibly. Through an exploration of ethical considerations, best practices, and governance procedures, participants will gain an understanding of how to navigate the complex landscape of AI while upholding ethical standards and minimizing potential risks.

Weitere Informationen

In this Google DeepMind course you will discover the mechanisms of the transformer architecture. You will investigate how transformer language models process prompts to make context-sensitive next-token predictions. Through practical activities you will explore the attention mechanism, visualize attention weights, and encounter advanced concepts like masked attention and multi-head attention. You will also learn other techniques that are necessary to build neural networks that are well-suited to be used as language models. Finally, through activities on values, stakeholder mapping and community engagement, you will practice concrete tools for ensuring AI projects are developed with communities, not just for them.

Weitere Informationen

Dieser Kurs gibt Machine-Learning-Anwendern alle grundlegenden Tools, Techniken und Best Practices zur Bewertung von generativen und prädiktiven KI-Modellen an die Hand. Die Modellbewertung ist ein wichtiger Schritt, bei dem geprüft wird, ob ML-Systeme in der Produktion zuverlässige, genaue und leistungsstarke Ergebnisse erzielen. Die Teilnehmer erwerben fundierte Kenntnisse über verschiedene Bewertungsmesswerte und -methoden und lernen, sie auf unterschiedliche Modelltypen und Aufgaben anzuwenden. Im Kurs wird schwerpunktmäßig auf die besonderen Herausforderungen generativer KI-Modelle eingegangen und es werden Strategien vorgestellt, wie sich diese effektiv bewältigen lassen. Die Teilnehmer lernen auf der Plattform Vertex AI von Google Cloud, robuste Bewertungsprozesse zur Auswahl, Optimierung und kontinuierlichen Überwachung des Modells zu implementieren.

Weitere Informationen

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.

Weitere Informationen

In diesem Kurs werden Konzepte für die verantwortungsbewusste Anwendung von KI und KI-Grundsätze vorgestellt. Es werden Techniken behandelt, wie Sie Fairness und Verzerrung (Bias) in der Praxis erkennen sowie Verzerrung in KI- und ML-Anwendungen reduzieren können. Dabei lernen Sie, wie Sie mit Google Cloud-Produkten und Open-Source-Tools Best Practices für eine verantwortungsbewusste Anwendung von KI umsetzen.

Weitere Informationen

Dieser Kurs bietet eine Einführung in Vertex AI Studio, ein Tool für die Interaktion mit generativen KI-Modellen sowie das Prototyping von Geschäftsideen und ihre Umsetzung. Anhand eines eindrucksvollen Anwendungsfalls, ansprechender Lektionen und einer praktischen Übung lernen Sie den Lebenszyklus vom Prompt bis zum Produkt kennen und erfahren, wie Sie Vertex AI Studio für multimodale Gemini-Anwendungen, Prompt-Design, Prompt Engineering und Modellabstimmung einsetzen können. Ziel ist es, Ihnen aufzuzeigen, wie Sie das Potenzial von generativer KI in Ihren Projekten mit Vertex AI Studio ausschöpfen.

Weitere Informationen

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.

Weitere Informationen

In diesem Einführungskurs im Microlearning-Format wird erklärt, was verantwortungsbewusste Anwendung von KI bedeutet, warum sie wichtig ist und wie Google dies in seinen Produkten berücksichtigt. Darüber hinaus werden die 7 KI-Grundsätze von Google behandelt.

Weitere Informationen

Mit dem Skill-Logo zum Kurs ML-Lösungen mit Vertex AI erstellen und bereitstellen weisen Sie fortgeschrittene Kenntnisse nach. Sie lernen in diesem Kurs, wie Sie die Vertex AI-Plattform von Google Cloud, AutoML und benutzerdefinierte Trainingsdienste nutzen, um Machine-Learning-Modelle zu trainieren, zu bewerten, abzustimmen, zu erklären und bereitzustellen. Dieser Kurs richtet sich an professionelle Data Scientists und Machine Learning Engineers. Ein Skill-Logo ist ein exklusives digitales Abzeichen, das von Google Cloud ausgestellt wird und Ihre Kenntnisse über Produkte und Dienste von Google Cloud belegt. In diesem Zusammenhang wird auch die Fähigkeit bewertet, Ihr Wissen in einer interaktiven praxisnahen Umgebung anzuwenden. Absolvieren Sie diese Aufgabenreihe und die Challenge-Lab-Prüfung, um ein digitales Abzeichen zu erhalten, das Sie in Ihrem Netzwerk posten können.

Weitere Informationen

Google Cloud : Prompt Engineering Guide examines generative AI tools, how they work. We'll explore how to combine Google Cloud knowledge with prompt engineering to improve Gemini responses.

Weitere Informationen

In diesem Einführungskurs im Microlearning-Format wird untersucht, was Large Language Models (LLM) sind, für welche Anwendungsfälle sie genutzt werden können und wie die LLM-Leistung durch Feinabstimmung von Prompts gesteigert werden kann. Darüber hinaus werden Tools von Google behandelt, die das Entwickeln eigener Anwendungen basierend auf generativer KI ermöglichen.

Weitere Informationen

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.

Weitere Informationen

Mit dem Skill-Logo für den Kurs Bilder mit TensorFlow in Google Cloud klassifizieren erwerben Sie Kenntnisse in der Verwendung von TensorFlow und Vertex AI zum Erstellen und Trainieren von Machine-Learning-Modellen. Sie arbeiten hauptsächlich mit nutzerverwalteten Vertex AI Workbench-Notebooks.

Weitere Informationen

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.

Weitere Informationen

This course is an introduction to Vertex AI Notebooks, which are Jupyter notebook-based environments that provide a unified platform for the entire machine learning workflow, from data preparation to model deployment and monitoring. The course covers the following topics: (1) The different types of Vertex AI Notebooks and their features and (2) How to create and manage Vertex AI Notebooks.

Weitere Informationen

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.

Weitere Informationen

Sie möchten Machine-Learning-Modelle mithilfe von SQL in Minuten statt in Stunden erstellen? BigQuery ML sorgt für eine breite Nutzung von Machine Learning, indem es Datenanalysten ermöglicht, ML-Modelle zu erstellen, zu trainieren und zu bewerten sowie mit den Modellen und vorhandenen SQL-Tools und ‑Fähigkeiten Vorhersagen zu treffen. In dieser Lab-Reihe experimentieren Sie mit verschiedenen Modelltypen und erfahren, was für ein gutes Modell notwendig ist.

Weitere Informationen

This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.

Weitere Informationen

Der Kurs „Generative KI kennenlernen – Vertex AI“ umfasst eine Reihe von Labs zur Verwendung von generativer KI in Google Cloud. In den Labs lernen Sie, wie Sie die Modelle der Vertex AI PaLM API-Familie verwenden, einschließlich text-bison, chat-bison, und textembedding-gecko. Außerdem lernen Sie, wie Sie Prompts gestalten, Best Practices anwenden und die Modelle für Ideenfindung, Textklassifizierung, Textextraktion, Textzusammenfassungen und mehr verwenden. Weiterhin erfahren Sie, wie Sie ein Foundation Model durch das Trainieren über benutzerdefiniertes Training in Vertex AI optimieren und es in einem Vertex AI-Endpunkt bereitstellen.

Weitere Informationen

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.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Daten für ML-APIs in Google Cloud vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Bereinigen von Daten mit Dataprep von Trifacta, Ausführen von Datenpipelines in Dataflow, Erstellen von Clustern und Ausführen von Apache Spark-Jobs in Dataproc sowie Aufrufen von ML-APIs, einschließlich der Cloud Natural Language API, Cloud Speech-to-Text API und Video Intelligence API.

Weitere Informationen

In diesem Einführungskurs im Microlearning-Format wird erklärt, was generative KI ist, wie sie genutzt wird und wie sie sich von herkömmlichen Methoden für Machine Learning unterscheidet. Darüber hinaus werden Tools von Google behandelt, mit denen Sie eigene Anwendungen basierend auf generativer KI entwickeln können.

Weitere Informationen

In diesem Kurs lernen Sie die KI- und ML-Funktionen von Google Cloud kennen. Der Schwerpunkt liegt auf der Entwicklung von Projekten mit generativer und prädiktiver KI. Dabei werden die verschiedenen Technologien, Produkte und Tools vorgestellt, die für den gesamten Lebenszyklus der Datenaufbereitung für KI verfügbar sind. Data Scientists, KI-Entwickler*innen und ML-Engineers können ihr Fachwissen durch interaktive Übungen erweitern.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Informationen aus BigQuery-Daten ableiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Schreiben von SQL-Abfragen, Abfragen öffentlicher Tabellen, Laden von Beispieldaten in BigQuery, Beheben häufig auftretender Syntaxfehler mithilfe der Abfragevalidierung in BigQuery und Erstellen von Berichten in Looker Studio durch Herstellen einer Verbindung zu BigQuery-Daten.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Data Warehouse mit BigQuery erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Daten zusammenführen, um neue Tabellen zu erstellen, Probleme mit Joins lösen, Daten mit Unions anhängen, nach Daten partitionierte Tabellen erstellen und JSON, Arrays sowie Strukturen in BigQuery nutzen.

Weitere Informationen

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.

Weitere Informationen

In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting. Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.

Weitere Informationen

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.

Weitere Informationen

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.

Weitere Informationen