Priyank shah
Mitglied seit 2025
Diamond League
12259 Punkte
Google DeepMind: 07 Accelerate Your Model
Earned Mär 30, 2026 EDT
Google DeepMind: 05 Fine-Tune Your Model
Earned Mär 28, 2026 EDT
Google DeepMind: 04 Discover The Transformer Architecture
Earned Mär 28, 2026 EDT
Google DeepMind: 03 Design And Train Neural Networks
Earned Mär 22, 2026 EDT
Google DeepMind: 02 Represent Your Language Data
Earned Mär 21, 2026 EDT
Google DeepMind: 01 Build Your Own Small Language Model
Earned Mär 19, 2026 EDT
KI‑Infrastruktur: Netzwerktechniken
Earned Jan 21, 2026 EST
KI-Infrastruktur: Speicheroptionen
Earned Jan 20, 2026 EST
KI-Infrastruktur: Bereitstellungsarten
Earned Jan 18, 2026 EST
KI-Infrastruktur: Cloud TPUs
Earned Jan 17, 2026 EST
KI-Infrastruktur: Cloud-GPUs
Earned Jan 11, 2026 EST
KI-Infrastruktur: Einführung in AI Hypercomputer
Earned Jan 1, 2026 EST
Gemini für den gesamten Softwareentwicklungs-Lebenszyklus
Earned Dez 30, 2025 EST
Prompt-Design mit Agent Platform
Earned Dez 20, 2025 EST
Verantwortungsbewusste Anwendung von KI: KI-Grundsätze in Google Cloud anwenden
Earned Dez 13, 2025 EST
Einführung in die verantwortungsbewusste Anwendung von KI
Earned Dez 13, 2025 EST
Einführung in Large Language Models
Earned Dez 13, 2025 EST
Einführung in generative KI
Earned Dez 12, 2025 EST
Train more powerful models with a single GPU. In this course, you will learn how hardware can speed up model training and the key considerations when training models on a GPU. First, you will learn how to estimate the number of computations and the amount of computer memory required to train large neural networks. You will then discover techniques for reducing the computing and memory requirements when training a model. Techniques which you will apply for fine-tuning a Gemma model with 4 billion parameters. Finally, you will consider the potential environmental impacts of machine learning, with a focus on where questions of energy, water, and e-waste intersect with justice and equity.
Weitere Informationen
Unleash the power of language models with fine-tuning. In this course, you will learn how to adjust a pre-trained model to a specific task. You will start with full-parameter fine-tuning using a small language model. To tune larger models like Gemma, you will learn parameter-efficient techniques with a focus on LoRA. Finally, you will be briefly introduced to reinforcement learning as an alternative to supervised fine-tuning (SFT). You will also explore how AI is imagined and made sense of in cultural contexts. You will consider why responsible AI is not just about technical safety but also about building governance systems that reflect community values and protect the public interest.
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
In this Google DeepMind course you will focus on the training process for machine learning models. You will learn how to spot and mitigate issues when training a model, such as overfitting and underfitting. In practical coding labs, you will implement and evaluate the multilayer perceptron for simple classification tasks. This will provide insights into the mechanics of training a neural network model and the backpropagation algorithm. Research case studies will demonstrate how neural networks power real-world models. Additionally, you will consider the broader social impacts of innovation by looking beyond immediate benefits to anticipate potential risks, safety concerns, and further-reaching societal consequences.
Weitere Informationen
In this Google DeepMind course you will learn how to prepare text data for language models to process. You will investigate the tools and techniques used to prepare, structure, and represent text data for language models, with a focus on tokenization and embeddings. You will be encouraged to think critically about the decisions behind data preparation, and what biases within the data may be introduced into models. You will analyze trade-offs, learn how to work with vectors and matrices, how meaning is represented in language models. Finally, you will practice designing a dataset ethically using the Data Cards process, ensuring transparency, accountability, and respect for community values in AI development.
Weitere Informationen
In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.
Weitere Informationen
Willkommen zum Kurs „KI-Infrastruktur: Netzwerktechniken“.
In diesem Kurs lernen Sie, die Infrastruktur von Google Cloud mit hoher Bandbreite und geringer Latenz zu nutzen, um die Datenübermittlung und die Kommunikation zwischen allen Komponenten Ihres KI-Systems zu optimieren. Am Ende sind Sie in der Lage, die wichtige Rolle von Netzwerken in der gesamten KI-Pipeline – von der Datenaufnahme über das Training bis hin zur Inferenz – zu verstehen und Best Practices anzuwenden, um dafür zu sorgen, dass Ihre Workloads mit maximaler Geschwindigkeit ausgeführt werden.
Weitere Informationen
In diesem Kurs erhalten Sie einen umfassenden Überblick über die Speicherlösungen von Google Cloud, die speziell auf KI- und Hochleistungs-Computing-Arbeitslasten (HPC-Arbeitslasten) zugeschnitten sind. Sie erfahren, wie Sie für jede Phase des ML-Lebenszyklus den richtigen Speicher auswählen. Sie lernen, wie Sie die I/O-Leistung während des Trainings optimieren, riesige Datasets im Rahmen der Datenvorbereitung verwalten und Modellartefakte mit geringer Latenz bereitstellen. Anhand praktischer Beispiele und Demonstrationen erwerben Sie das nötige Fachwissen, um solide Speicherlösungen zu entwickeln, die Ihre KI-Innovationen beschleunigen.
Weitere Informationen
Dieser Kurs bietet einen umfassenden Leitfaden zum Bereitstellen, Verwalten und Optimieren von KI- und HPC-Arbeitslasten (Hochleistungs-Computing) auf Google Cloud. In einer Reihe von Lektionen und praktischen Demonstrationen lernen Sie verschiedene Bereitstellungsstrategien kennen – von hochgradig anpassbaren Umgebungen mit der Google Compute Engine (GCE) bis hin zu verwalteten Lösungen wie der Google Kubernetes Engine (GKE). Dabei lernen Sie, wie Sie Cluster erstellen und GKE für Inferenzprozesse bereitstellen.
Weitere Informationen
Willkommen beim Kurs „Cloud TPUs“. Wir sehen uns die Vor- und Nachteile von TPUs in verschiedenen Szenarien an und vergleichen unterschiedliche TPU-Beschleuniger, um Ihnen bei der Auswahl des richtigen Produkts zu helfen. Sie lernen Strategien zur Maximierung der Leistung und Effizienz Ihrer KI-Modelle sowie die Bedeutung der GPU/TPU-Interoperabilität für flexible Machine-Learning-Workflows kennen. Mithilfe ansprechender Inhalte und praktischer Demos zeigen wir Ihnen Schritt für Schritt, wie Sie TPUs effektiv einsetzen können.
Weitere Informationen
Möchten Sie mehr über die leistungsstarke Hardware hinter KI erfahren? Dieses Modul erklärt die Funktionsweise von leistungsoptimierten KI-Computern und zeigt Ihnen, warum sie so wichtig sind. Wir gehen dabei darauf ein, wie CPUs, GPUs und TPUs die Ausführung von KI-Aufgaben extrem beschleunigen, was die einzelnen Komponenten auszeichnet und wie deren Potenzial durch KI-Software optimal genutzt werden kann. Am Ende dieses Moduls wissen Sie genau, wie Sie die richtige GPU für Ihre KI-Projekte auswählen, und können so die optimale Lösung für Ihre KI-Workloads finden.
Weitere Informationen
Sind Sie bereit, mit AI Hypercomputer loszulegen? Dieser Grundlagenkurs erleichtert Ihnen den Einstieg. Er vermittelt Ihnen, was AI Hypercomputer ist und wie damit KI bei KI-Arbeitslasten unterstützt wird. Sie lernen die verschiedenen Komponenten eines Hypercomputers kennen, wie GPUs, TPUs und CPUs, und erfahren, wie Sie den richtigen Ansatz hinsichtlich der Bereitstellung Ihren Anforderungen entsprechend auswählen.
Weitere Informationen
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.
Weitere Informationen
Mit dem Skill-Logo Prompt-Design mit Agent Platform weisen Sie Grundkenntnisse in folgenden Bereichen nach: Prompt Engineering, Bildanalyse und multimodale generative Techniken in Agent Platform. 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
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
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
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 generative KI-Anwendungen entwickeln können.
Weitere Informationen
