Teilnehmen Anmelden

Ihre Kompetenzen in der Google Cloud Console anwenden

Amit Mittal

Mitglied seit 2025

Diamond League

55452 Punkte
Einführung in die Datenanalyse in Google Cloud Earned Dez 10, 2025 EST
Datenmanagement und ‑speicherung in der Cloud Earned Dez 10, 2025 EST
Datentransformation in der Cloud Earned Dez 10, 2025 EST
Die Möglichkeiten des Storytelling: Daten in der Cloud visualisieren Earned Dez 1, 2025 EST
Das Gelernte umsetzen: Vorbereitung auf die Arbeit als Cloud Data Analyst Earned Nov 30, 2025 EST
KI-Infrastruktur: Cloud TPUs Earned Okt 7, 2025 EDT
KI-Infrastruktur: Cloud-GPUs Earned Okt 7, 2025 EDT
KI-Infrastruktur: Einführung in AI Hypercomputer Earned Okt 7, 2025 EDT
Ihre Organisation mit generativen KI-Agenten voranbringen Earned Mai 4, 2025 EDT
Generative KI-Apps heben Ihre Arbeit auf das nächste Level Earned Mai 4, 2025 EDT
Die vielfältigen Formen generativer KI Earned Mai 4, 2025 EDT
Generative KI: Grundlegende Konzepte Earned Mai 4, 2025 EDT
Generative KI ist mehr als nur Chatbots Earned Mai 4, 2025 EDT
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten Earned Apr 30, 2025 EDT
Auf generativer KI basierende Anwendungen in Google Cloud entwickeln Earned Apr 30, 2025 EDT
ML-Lösungen mit Vertex AI erstellen und bereitstellen Earned Apr 30, 2025 EDT
ML-Modelle mit BigQuery ML erstellen Earned Apr 24, 2025 EDT
Kubernetes in Google Cloud verwalten Earned Apr 20, 2025 EDT
Put It All Together: Prepare for a Cloud Data Analyst Job Earned Apr 20, 2025 EDT
Daten für ML-APIs in Google Cloud vorbereiten Earned Apr 14, 2025 EDT
The Power of Storytelling: How to Visualize Data in the Cloud Earned Apr 13, 2025 EDT
Build, Train and Deploy ML Models with Keras on Google Cloud Earned Mär 30, 2025 EDT
Einführung in die Datenanalyse in Google Cloud Earned Mär 22, 2025 EDT
Enterprise Search on Generative AI App Builder Earned Mär 18, 2025 EDT
Verantwortungsbewusste Anwendung von KI: KI-Grundsätze in Google Cloud anwenden Earned Mär 18, 2025 EDT
[DEPRECATED] The Skills Challenge at Next 2025 Earned Mär 15, 2025 EDT
Verantwortungsbewusste Anwendung von KI für Entwickler: Fairness und Bias Earned Mär 9, 2025 EDT
Verantwortungsbewusste Anwendung von KI für Entwickler: Datenschutz und Sicherheit Earned Mär 9, 2025 EDT
Machine Learning Operations (MLOps) mit Vertex AI: Modellbewertung Earned Mär 8, 2025 EST
Verantwortungsbewusste Anwendung von KI für Entwickler: Interpretierbarkeit und Transparenz Earned Mär 1, 2025 EST
Einführung in Large Language Models Earned Feb 27, 2025 EST
Machine Learning Operations (MLOps) für generative KI Earned Feb 27, 2025 EST
Einführung in generative KI Earned Feb 26, 2025 EST
Production Machine Learning Systems Earned Feb 26, 2025 EST
Data Transformation in the Cloud Earned Feb 20, 2025 EST
Machine Learning Operations (MLOps) with Vertex AI: Manage Features Earned Feb 15, 2025 EST
Feature Engineering Earned Feb 12, 2025 EST
Data Management and Storage in the Cloud Earned Feb 8, 2025 EST
Machine Learning Operations (MLOps): Getting Started Earned Feb 5, 2025 EST
Introduction to Data Analytics in Google Cloud Earned Jan 31, 2025 EST
Working with Notebooks in Vertex AI Earned Jan 28, 2025 EST
Einführung in KI und maschinelles Lernen in Google Cloud Earned Jan 24, 2025 EST
Build a Certification Study Guide: PMLE Earned Jan 18, 2025 EST

Dies ist der erste von fünf Kursen des Google Cloud Data Analytics Certificate. In diesem Kurs definieren Sie den Bereich der Cloud-Datenanalyse und beschreiben die Rollen und Verantwortlichkeiten von Cloud Data Analysts in Bezug auf Datenakquisition, ‑speicherung, ‑verarbeitung und ‑visualisierung. Sie lernen die Architektur cloudbasierter Tools von Google wie BigQuery und Cloud Storage kennen und erfahren, wie sie Daten effektiv strukturieren, präsentieren und Berichte erstellen.

Weitere Informationen

Dies ist der zweite von fünf Kursen des Google Cloud Data Analytics Certificate. In diesem Kurs wird dargelegt, wie Daten strukturiert und organisiert werden. Sie lernen in praktischen Übungen die Data-Lakehouse-Architektur und Cloud-Komponenten wie BigQuery, Google Cloud Storage und DataProc kennen, um große Datasets effizient zu speichern, zu analysieren und zu verarbeiten.

Weitere Informationen

Dies ist der dritte von fünf Kursen des Google Cloud Data Analytics Certificate. In diesem Kurs erhalten Sie zuerst einen Überblick über den Datenlebenszyklus von der Datenerhebung bis zu den daraus gewonnenen Erkenntnissen. Anschließend lernen Sie, wie Sie mit SQL Rohdaten in ein nutzbares Format umwandeln. Als Nächstes erfahren Sie, wie Sie mit einer Datenpipeline große Datenmengen transformieren. Zum Schluss lernen Sie, wie Sie Transformationsstrategien auf echte Datasets anwenden, um geschäftliche Anforderungen zu erfüllen.

Weitere Informationen

Dies ist der vierte von fünf Kursen des Google Cloud Data Analytics Certificate. In diesem Kurs geht es um die fünf wichtigsten Phasen der Datenvisualisierung in der Cloud: Storytelling, Planung, Datenexploration, Erstellung von Visualisierungen und Datenaustausch. Außerdem lernen Teilnehmer, wie sie mit UI/UX-Kenntnissen wirkungsvolle, cloudnative Visualisierungen erstellen und mit cloudnativen Datenvisualisierungstools Datasets untersuchen, Berichte erstellen und Dashboards entwickeln, die Entscheidungen unterstützen und Zusammenarbeit fördern.

Weitere Informationen

Dies ist der fünfte von fünf Kursen des Google Cloud Data Analytics Certificate. In diesem Kurs werden Sie die Grundlagen und Fähigkeiten aus den Kursen 1 bis 4 in einem praktischen Abschlussprojekt kombinieren und anwenden, das sich auf den gesamten Datenlebenszyklus konzentriert. Sie üben die Verwendung cloudbasierter Tools zum Erfassen, Speichern, Verarbeiten, Analysieren und Visualisieren von Daten und lernen, wie Sie Datenstatistiken effektiv kommunizieren. Am Ende des Kurses schließen Sie ein Projekt ab, das Ihre Fähigkeit demonstriert, Daten aus verschiedenen Quellen effektiv zu strukturieren, Lösungen für unterschiedliche Stakeholder zu präsentieren und Datenerkenntnisse mithilfe cloudbasierter Software zu visualisieren. Außerdem aktualisieren Sie Ihren Lebenslauf und üben Vorstellungsgesprächstechniken, um sich auf Bewerbungen und Vorstellungsgespräche vorzubereiten.

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

„Ihre Organisation mit generativen KI-Agenten voranbringen“ ist der fünfte und letzte Kurs des Lernpfads „Gen AI Leader“. In diesem Kurs erfahren Sie, wie Unternehmen mit benutzerdefinierten generativen KI-Agenten spezifische geschäftliche Herausforderungen meistern können. Sie lernen, wie Sie einen einfachen Agenten für generative KI erstellen, und machen sich mit den Komponenten dieser Agenten vertraut, z. B. mit Modellen, Reasoning Loops und Tools.

Weitere Informationen

„Generative KI-Apps heben Ihre Arbeit auf das nächste Level“ ist der vierte Kurs des Lernpfads „Generative AI Leader“. In diesem Kurs werden die auf generativer KI basierenden Anwendungen von Google vorgestellt, zum Beispiel Gemini für Workspace und NotebookLM. Darin werden Konzepte wie Fundierung, Retrieval-Augmented Generation, das Erstellen effektiver Prompts und das Entwickeln automatisierter Workflows erläutert.

Weitere Informationen

„Die vielfältigen Formen generativer KI“ ist der dritte Kurs des Lernpfads „Generative AI Leader“. Generative KI verändert die Art und Weise, wie wir arbeiten und mit der Welt um uns herum interagieren. Aber wie können Sie als Führungskraft die Möglichkeiten von KI nutzen, um echte Geschäftsergebnisse zu erzielen? In diesem Kurs lernen Sie die verschiedenen Ebenen der Entwicklung von generativen KI-Lösungen, die Angebote von Google Cloud und die Faktoren kennen, die bei der Auswahl einer Lösung zu berücksichtigen sind.

Weitere Informationen

„Generative KI: Grundlegende Konzepte“ ist der zweite Kurs des Lernpfads „Generative AI Leader“. In diesem Kurs lernen Sie die grundlegenden Konzepte der generativen KI kennen. Sie erfahren, wie sich KI, ML und generative KI unterscheiden und wie generative KI geschäftliche Herausforderungen mithilfe verschiedener Datentypen bewältigt. Außerdem erhalten Sie Einblicke in die Strategien von Google Cloud, um die Einschränkungen von Foundation Models zu überwinden, und in die wichtigsten Herausforderungen für eine verantwortungsbewusste und sichere KI-Entwicklung und ‑Bereitstellung.

Weitere Informationen

„Generative KI ist mehr als nur Chatbots“ ist der erste Kurs des Lernpfads „Generative AI Leader“ und hat keine Voraussetzungen. In diesem Kurs geht es nicht nur um die Grundlagen von Chatbots, sondern auch um das wahre Potenzial von generativer KI für Ihr Unternehmen. Sie lernen Konzepte wie Foundation Models und Prompt Engineering kennen, die für die Nutzung der Leistungsfähigkeit von generativer KI entscheidend sind. Außerdem werden wichtige Überlegungen behandelt, die Sie bei der Entwicklung einer erfolgreichen Strategie für generative KI für Ihr Unternehmen berücksichtigen sollten.

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 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

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

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 Kubernetes in Google Cloud verwalten für Fortgeschrittene weisen Sie Kenntnisse in folgenden Bereichen nach: Verwaltung von Bereitstellungen mit kubectl, Debugging von Anwendungen in der Google Kubernetes Engine (GKE) und Techniken für die kontinuierliche Bereitstellung.

Weitere Informationen

This is the fifth of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll combine and apply the foundational knowledge and skills from courses 1-4 in a hands-on Capstone project that focuses on the full data lifecycle project. You’ll practice using cloud-based tools to acquire, store, process, analyze, visualize, and communicate data insights effectively. By the end of the course, you’ll have completed a project demonstrating their proficiency in effectively structuring data from multiple sources, presenting solutions to varied stakeholders, and visualizing data insights using cloud-based software. You’ll also update your resume and practice interview techniques to help prepare for applying and interviewing for jobs.

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

This is the fourth of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll focus on developing skills in the five key stages of visualizing data in the cloud: storytelling, planning, exploring data, building visualizations, and sharing data with others. You’ll also gain experience using UI/UX skills to wireframe impactful, cloud-native visualizations and work with cloud-native data visualization tools to explore datasets, create reports, and build dashboards that drive decisions and foster collaboration.

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

In diesem Anfängerkurs erhalten Sie Informationen über den Datenanalyse-Workflow in Google Cloud. Außerdem werden Ihnen die verfügbaren Tools zum Auswerten, Analysieren und Visualisieren von Daten sowie zur Freigabe Ihrer gewonnenen Erkenntnisse an Stakeholder vorgestellt. Anhand einer Fallstudie sowie von praxisorientierten Labs, Vorlesungen und Quizzen/Demos zeigt der Kurs, wie Rohdaten bereinigt und daraus wirkungsvolle Visualisierungen und Dashboards erstellt werden. Ganz gleich, ob Sie bereits mit Daten arbeiten und erfahren möchten, wie Sie in Google Cloud erfolgreich sein können, oder ob Sie sich beruflich weiterbilden möchten – dieser Kurs erleichtert Ihnen den Einstieg. Fast jeder, der bei seiner Arbeit Datenanalysen ausführt oder verwendet, kann von diesem Kurs profitieren.

Weitere Informationen

Enterprises of all sizes have trouble making their information readily accessible to employees and customers alike. Internal documentation is frequently scattered across wikis, file shares, and databases. Similarly, consumer-facing sites often offer a vast selection of products, services, and information, but customers are frustrated by ineffective site search and navigation capabilities. This course teaches you to use Generative AI App Builder to integrate enterprise-grade generative AI search.

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

This Course is utilized to certify completion of The Skills Challenge at Next 2025.

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 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

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

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 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

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 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

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 is the third of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll begin by getting an overview of the data journey, from collection to insights. You’ll then learn how to use SQL to transform raw data into a usable format. Next, you’ll learn how to transform high volumes of data with a data pipeline. Finally, you’ll gain experience applying transformation strategies to real data sets to solve business needs.

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 Vertex AI Feature Store's streaming ingestion at the SDK layer.

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

This is the second of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll explore how data is structured and organized. You’ll gain hands-on experience with the data lakehouse architecture and cloud components like BigQuery, Google Cloud Storage, and DataProc to efficiently store, analyze, and process large datasets.

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 is the first of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll define the field of cloud data analysis and describe roles and responsibilities of a cloud data analyst as they relate to data acquisition, storage, processing, and visualization. You’ll explore the architecture of Google Cloud-based tools, like BigQuery and Cloud Storage, and how they are used to effectively structure, present, and report data.

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

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

Learn how to use NotebookLM to create a personalized study guide for the Professional Machine Learning Engineer certification exam (PMLE). You'll review NotebookLM features, create a notebook, and use the study guide to practice for a certification exam.

Weitere Informationen