Dominik Kossiński
Mitglied seit 2023
Gold League
52724 Punkte
Vektorsuche und Einbettungen
Earned Feb 3, 2026 EST
Einbettungen, Vektorsuche und RAG mit BigQuery erstellen
Earned Feb 3, 2026 EST
Aufmerksamkeitsmechanismus
Earned Jan 23, 2026 EST
Einstieg in die Bildgenerierung
Earned Jan 23, 2026 EST
Recommendation Systems on Google Cloud
Earned Aug 17, 2025 EDT
ML-Lösungen mit Vertex AI erstellen und bereitstellen
Earned Dez 1, 2024 EST
Verantwortungsbewusste Anwendung von KI für Entwickler: Datenschutz und Sicherheit
Earned Nov 30, 2024 EST
Auf generativer KI basierende Anwendungen in Google Cloud entwickeln
Earned Nov 29, 2024 EST
Verantwortungsbewusste Anwendung von KI für Entwickler: Fairness und Bias
Earned Nov 29, 2024 EST
Verantwortungsbewusste Anwendung von KI für Entwickler: Interpretierbarkeit und Transparenz
Earned Nov 29, 2024 EST
ML Pipelines on Google Cloud
Earned Nov 27, 2024 EST
MLOps with Agent Platform: Manage Features
Earned Nov 26, 2024 EST
Machine Learning Operations (MLOps): Getting Started
Earned Nov 26, 2024 EST
Production Machine Learning Systems
Earned Nov 25, 2024 EST
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud
Earned Nov 21, 2024 EST
Machine Learning Operations (MLOps) mit Vertex AI: Modellbewertung
Earned Nov 21, 2024 EST
[DEPRECATED] Feature Engineering
Earned Nov 18, 2024 EST
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten
Earned Nov 13, 2024 EST
Build a Certification Study Guide: PMLE
Earned Nov 12, 2024 EST
Working with Notebooks in Vertex AI
Earned Nov 11, 2024 EST
Machine Learning Operations (MLOps) für generative KI
Earned Nov 11, 2024 EST
Einführung in KI und maschinelles Lernen in Google Cloud
Earned Nov 11, 2024 EST
Data Catalog Fundamentals
Earned Jul 20, 2024 EDT
Daten für ML-APIs in Google Cloud vorbereiten
Earned Jul 18, 2024 EDT
ML-Modelle mit BigQuery ML erstellen
Earned Jul 15, 2024 EDT
Informationen aus BigQuery-Daten ableiten
Earned Jul 10, 2024 EDT
Generative KI-Anwendungen mit Gemini und Streamlit entwickeln
Earned Jul 10, 2024 EDT
[DEPRECATED] Gemini für Network Engineers
Earned Jul 9, 2024 EDT
[DEPRECATED] Gemini für den gesamten Softwareentwicklungs-Lebenszyklus
Earned Jun 5, 2024 EDT
[DEPRECATED] Gemini für DevOps Engineers
Earned Jun 4, 2024 EDT
[DEPRECATED] Gemini für Data Scientists und Analysts
Earned Jun 3, 2024 EDT
[DEPRECATED] Gemini für Cloud Architects
Earned Jun 2, 2024 EDT
[DEPRECATED] Gemini für Sicherheitsexperten
Earned Jun 2, 2024 EDT
[DEPRECATED] Gemini für Anwendungsentwickler
Earned Jun 2, 2024 EDT
Prompt-Design mit Agent Platform
Earned Jun 2, 2024 EDT
Verantwortungsbewusste Anwendung von KI: KI-Grundsätze in Google Cloud anwenden
Earned Jun 2, 2024 EDT
Einführung in die verantwortungsbewusste Anwendung von KI
Earned Mai 27, 2024 EDT
Einführung in Large Language Models
Earned Mai 20, 2024 EDT
Einführung in generative KI
Earned Mai 20, 2024 EDT
Datenmodelle in Looker verwalten
Earned Jan 18, 2024 EST
LookML-Objekte in Looker erstellen
Earned Jan 17, 2024 EST
Erweiterte LookML-Konzepte in Looker anwenden
Earned Jan 14, 2024 EST
Developing Data Models with LookML
Earned Jan 7, 2024 EST
Analyzing and Visualizing Data in Looker
Earned Dez 21, 2023 EST
Daten für Looker-Dashboards und ‑Berichte vorbereiten
Earned Dez 18, 2023 EST
Erste Schritte mit Looker
Earned Dez 10, 2023 EST
Grundlagen der Datenanalyse mit Google Cloud
Earned Dez 10, 2023 EST
In diesem Kurs lernen Sie KI-basierte Suchtechnologien, Tools und Anwendungen kennen. Er umfasst folgende Themen: die semantische Suche mithilfe von Vektoreinbettungen, die Hybridsuche, bei der semantische und stichwortbezogene Ansätze kombiniert werden, und Retrieval-Augmented Generation (RAG), die KI-Halluzinationen durch einen fundierten KI-Agenten minimiert. Sie sammeln praktische Erfahrungen mit der Vektorsuche in Vertex AI zum Entwickeln einer intelligenten Suchmaschine.
Weitere Informationen
In diesem Kurs wird eine Lösung für Retrieval-Augmented Generation (RAG) in BigQuery vorgestellt, die KI-Halluzinationen minimiert. Sie lernen einen RAG-Workflow kennen, der die Erstellung von Einbettungen, die Suche in einem Vektorraum und die Generierung verbesserter Antworten umfasst. Darüber hinaus werden die konzeptionellen Gründe für diese Schritte und ihre praktische Umsetzung mit BigQuery erklärt. Am Ende des Kurses werden Sie in der Lage sein, eine RAG-Pipeline mithilfe von BigQuery und generativen KI-Modellen wie Gemini zu erstellen und Modelle einzubetten, um KI-Halluzinationen zu verhindern.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine.
This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
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
In diesem Kurs werden wichtige Themen zu Datenschutz und Sicherheit beim Einsatz von künstlicher Intelligenz vorgestellt. Dabei lernen Sie, wie Sie mit Google Cloud-Produkten und Open-Source-Tools empfohlene Vorgehensweisen im Zusammenhang mit Datenschutz und Sicherheit beim Einsatz von KI umsetzen.
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
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
In diesem Kurs werden Konzepte in Bezug auf die Interpretierbarkeit und Transparenz von künstlicher Intelligenz vorgestellt. Sie erfahren, warum die Transparenz der KI für Entwickler-Teams wichtig ist. Dabei lernen Sie praktische Techniken und Tools kennen, mit denen Sie sowohl die Interpretierbarkeit als auch die Transparenz von Daten und KI-Modellen optimieren können.
Weitere Informationen
In this course, you will be learning from ML Engineers and Trainers who work with the state-of-the-art development of ML pipelines here at Google Cloud. The first few modules will cover about TensorFlow Extended (or TFX), which is Google’s production machine learning platform based on TensorFlow for management of ML pipelines and metadata. You will learn about pipeline components and pipeline orchestration with TFX. You will also learn how you can automate your pipeline through continuous integration and continuous deployment, and how to manage ML metadata. Then we will change focus to discuss how we can automate and reuse ML pipelines across multiple ML frameworks such as tensorflow, pytorch, scikit learn, and xgboost. You will also learn how to use another tool on Google Cloud, Cloud Composer, to orchestrate your continuous training pipelines. And finally, we will go over how to use MLflow for managing the complete machine learning life cycle.
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.
Learners will get hands-on practice using Agent Platform Feature Store's streaming ingestion at the SDK layer.
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
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 covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
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
This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.
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
Learn how to use Gemini Notebook to create a personalized study guide for the Professional Machine Learning Engineer (PMLE) certification exam. You'll review Gemini Notebook features, create a notebook, and use the study guide to practice for a certification exam.
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
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 lernen Sie die KI- und ML-Funktionen von Google Cloud kennen. Der Schwerpunkt liegt dabei auf der Entwicklung von Projekten mit generativer und prädiktiver KI. Dabei werden die verschiedenen Technologien, Produkte und Tools vorgestellt, die während des gesamten Data-to-AI-Lebenszyklus verfügbar sind. Data Scientists, Fachkräfte für KI-Entwicklung und ML-Engineers können ihr Fachwissen durch interaktive Übungen erweitern.
Weitere Informationen
Data Catalog is deprecated and will be discontinued on January 30, 2026. You can still complete this course if you want to. For steps to transition your Data Catalog users, workloads, and content to Dataplex Catalog, see Transition from Data Catalog to Dataplex Catalog (https://cloud.google.com/dataplex/docs/transition-to-dataplex-catalog). Data Catalog is a fully managed and scalable metadata management service that empowers organizations to quickly discover, understand, and manage all of their data. In this quest you will start small by learning how to search and tag data assets and metadata with Data Catalog. After learning how to build your own tag templates that map to BigQuery table data, you will learn how to build MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors.
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 Managed Service for Apache Spark sowie Aufrufen von ML-APIs, einschließlich der Cloud Natural Language API, Cloud Speech-to-Text API und Video Intelligence API.
Weitere Informationen
Mit dem Skill-Logo zum Kurs ML-Modelle mit BigQuery ML erstellen weisen Sie fortgeschrittene Kenntnisse in folgendem Bereich nach: Erstellen und Bewerten von Machine-Learning-Modellen mit BigQuery ML, um Datenvorhersagen zu treffen.
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 Data Studio durch Herstellen einer Verbindung zu BigQuery-Daten.
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
In diesem Kurs erfahren Sie, wie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, Network Engineers beim Erstellen, Aktualisieren und Warten von VPC-Netzwerken unterstützt. Sie lernen die Prompts kennen, mit denen Gemini spezifische Hilfestellungen für Ihre netzwerkbezogenen Aufgaben geben kann – und entdecken Möglichkeiten, die über eine Suchmaschine hinausgehen. In einem praxisorientierten Lab können Sie sich davon überzeugen, wie Gemini die Arbeit mit Google Cloud VPC-Netzwerken vereinfacht.
Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.
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
In diesem Kurs erfahren Sie, wie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, Engineers bei der Verwaltung von Infrastruktur unterstützt. Sie lernen die Prompts kennen, mit denen Gemini dazu gebracht werden kann, Anwendungslogs zu suchen und zu verstehen, einen GKE-Cluster zu erstellen und Informationen zur Erstellung einer Build-Umgebung zu liefern. In einem praxisorientierten Lab können Sie sich davon überzeugen, wie der DevOps-Workflow durch Gemini verbessert wird.
Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.
Weitere Informationen
In diesem Kurs erfahren Sie, wie Sie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, bei der Analyse von Kundendaten und der Prognose von Produktverkäufen unterstützen kann. Außerdem lernen Sie, wie Sie mithilfe von Kundendaten in BigQuery Neukunden identifizieren, kategorisieren und gewinnen können. In den praxisorientierten Labs erfahren Sie, wie Gemini Datenanalysen und Workflows für Machine Learning optimiert.
Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.
Weitere Informationen
In diesem Kurs erfahren Sie, wie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, Administratoren bei der Bereitstellung von Infrastruktur unterstützt. Sie lernen die Prompts kennen, mit denen Gemini Infrastruktur erklären, GKE-Cluster bereitstellen und eine bestehende Infrastruktur aktualisieren kann. In einem praxisorientierten Lab können Sie sich davon überzeugen, wie die GKE-Bereitstellung durch Gemini verbessert wird.
Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.
Weitere Informationen
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.
Weitere Informationen
In diesem Kurs erfahren Sie, wie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, Entwickler beim Erstellen von Anwendungen unterstützt. Sie lernen die Prompts kennen, mit denen Gemini Code erklären, Google Cloud-Dienste empfehlen und Code für Ihre Anwendungen generieren kann. In einem praxisorientierten Lab können Sie sich davon überzeugen, wie die Anwendungsentwicklung durch Gemini verbessert wird.
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
Mit dem Skill-Logo zum Kurs Datenmodelle in Looker verwalten weisen Sie fortgeschrittene Kenntnisse in den folgenden Bereichen nach: Aufrechterhaltung des Zustands von LookML-Projekten, Verwendung von SQL-Runner zur Datenvalidierung, Umsetzung von Best Practices für LookML, Leistungsoptimierung von Abfragen und Berichten sowie Implementierung von persistenten abgeleiteten Tabellen und Caching-Richtlinien.
Weitere Informationen
Mit dem Skill-Logo zum Einsteigerkurs LookML-Objekte in Looker erstellen weisen Sie Kenntnisse über Folgendes nach: neue Dimensionen und Messwerte, Ansichten und abgeleitete Tabellen erstellen, Messwertfilter und Typen basierend auf Anforderungen festlegen, Dimensionen und Messwerte aktualisieren, Explores erstellen und verfeinern, Ansichten mit vorhandenen Explores verknüpfen und entscheiden, welche LookML- Objekte aufgrund von Geschäftsanforderungen erstellt werden sollen.
Weitere Informationen
In diesem Kurs sammeln Sie praktische Erfahrungen mit dem Anwenden erweiterter LookML-Konzepte in Looker. Sie lernen, wie Sie Liquid verwenden, um dynamische Dimensionen und Measures zu erstellen und anzupassen. Außerdem erfahren Sie, wie Sie dynamische abgeleitete SQL-Tabellen und benutzerdefinierte native abgeleitete Tabellen erstellen sowie Erweiterungen zur Modularisierung Ihres LookML-Codes nutzen.
Weitere Informationen
This course empowers you to develop scalable, performant LookML (Looker Modeling Language) models that provide your business users with the standardized, ready-to-use data that they need to answer their questions. Upon completing this course, you will be able to start building and maintaining LookML models to curate and manage data in your organization’s Looker instance.
Weitere Informationen
In this course, you learn how to do the kind of data exploration and analysis in Looker that would formerly be done primarily by SQL developers or analysts. Upon completion of this course, you will be able to leverage Looker's modern analytics platform to find and explore relevant content in your organization’s Looker instance, ask questions of your data, create new metrics as needed, and build and share visualizations and dashboards to facilitate data-driven decision making.
Weitere Informationen
MMit dem Skill-Logo zum Kurs Daten für Looker-Dashboards und ‑Berichte vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Filtern, Sortieren und Pivotieren von Daten, Zusammenführen der Ergebnisse von verschiedenen Looker-Explores sowie Verwenden von Funktionen und Operatoren zum Erstellen von Looker-Dashboards und ‑Berichten für Analyse und Visualisierung von Daten.
Weitere Informationen
Sichern Sie sich ein Skill-Logo, indem Sie die Aufgabenreihe Erste Schritte mit Looker abschließen. Dabei lernen Sie, wie Sie Daten mit Looker Studio und Looker analysieren, visualisieren und kuratieren.
Weitere Informationen
Erfahren Sie, wie Sie mit Google Cloud Rohdaten in klare, datengestützte Entscheidungen umwandeln können. In praxisorientierten Labs und realen Szenarien lernen Sie in diesem Kurs für Einsteiger, wie Sie Daten in BigQuery abfragen, Trends in Looker untersuchen und interaktive Berichte in Data Studio erstellen, die Sie mit anderen teilen können.
Weitere Informationen
