Krishna Joshi
Mitglied seit 2025
Silver League
4019 Punkte
Cloud Load Balancing in der Compute Engine implementieren
Earned Nov 2, 2026 EST
Monitoring und Verwaltung von Ressourcen in Google Cloud
Earned Okt 1, 2026 EDT
Google DeepMind: Ein kleines Sprachmodell trainieren
Earned Sep 20, 2026 EDT
Verantwortungsbewusste Anwendung von KI: KI-Grundsätze in Google Cloud anwenden
Earned Sep 20, 2026 EDT
Google DeepMind: 01 Build Your Own Small Language Model
Earned Aug 20, 2026 EDT
Freigegebene Daten über die Daten-Cloud von Google nutzen
Earned Jul 24, 2026 EDT
Build Batch Data Pipelines on Google Cloud
Earned Jul 17, 2026 EDT
Informationen aus BigQuery-Daten ableiten
Earned Jul 17, 2026 EDT
Multi-Agenten-Architekturen bereitstellen
Earned Jul 17, 2026 EDT
Streamanalyse in BigQuery
Earned Jul 17, 2026 EDT
Data Warehouse mit BigQuery erstellen
Earned Jul 13, 2026 EDT
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 Monitoring und Verwaltung von Ressourcen in Google Cloud weisen Sie Grundkenntnisse in folgenden Bereichen nach: IAM-Berechtigungen erteilen und widerrufen, Monitoring- und Logging-Agents installieren, eine ereignisgesteuerte Cloud Run-Funktion erstellen, bereitstellen und testen.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Google DeepMind: Ein kleines Sprachmodell trainieren weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Formulierung von vorhandenen Forschungsproblemen im Bereich Language Models, Erstellung eines einfachen Tokenizers, Vorbereitung eines Datasets für das Training eines Transformer-Sprachmodells, Ausführung der Trainingsschleife eines kleinen Sprachmodells. Sie können kostenlos auf dieses Lab zugreifen, wenn Sie sich für das kostenlose Abo registrieren. Sie erhalten jeden Monat 35 kostenlose Guthabenpunkte!
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 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
Holen Sie sich ein Skill-Logo, indem Sie den Kurs Freigegebene Daten über die Daten-Cloud von Google nutzen abschließen. In diesem Kurs erwerben Sie praktische Kenntnisse mit Google Cloud-Partnern für die Datenfreigabe, die eigene Datasets haben, die Kundinnen und Kunden für ihre Anwendungsfälle in der Analyse verwenden können. Kundinnen und Kunden können diese Daten abonnieren, sie in ihrer eigenen Plattform abfragen und um ihre eigenen Datasets erweitern sowie ihre Visualisierungstools für kundenorientierte Dashboards verwenden.
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
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
Holen Sie sich das Skill-Logo Multi-Agenten-Architekturen bereitstellenfür Profis, um Ihre Kenntnisse in den folgenden Bereichen nachzuweisen: Aufbau von Multi-Agenten-Systemen mit einem ADK, Verbindung von Agenten mit dem Agent-zu-Agent (A2A)-Protokoll, Einbindung externer Tools mithilfe des Model Context Protocols (MCP) und Bereitstellung einer vollständigen Multi-Agenten-Lösung für die Agent Engine.
Weitere Informationen
Weisen Sie mit einem Skill-Logo Ihre Kenntnisse über Streamanalyse in BigQuery nach. In diesem Kurs wenden Sie sowohl Pub/Sub und Dataflow als auch BigQuery an, um Daten für die Analyse zu streamen.
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
