Ömer Faruk Güngör
Mitglied seit 2021
Diamond League
19711 Punkte
Verantwortungsbewusste Anwendung von KI für Entwickler: Datenschutz und Sicherheit
Earned Okt 16, 2026 EDT
Verantwortungsbewusste Anwendung von KI für Entwickler: Interpretierbarkeit und Transparenz
Earned Okt 16, 2026 EDT
Auf generativer KI basierende Anwendungen in Google Cloud entwickeln
Earned Okt 16, 2026 EDT
Production Machine Learning Systems
Earned Okt 16, 2026 EDT
Multi-Agent-Systeme mit der Gemini Enterprise Agent Platform bereitstellen
Earned Okt 15, 2026 EDT
Google Cloud-Grundlagen: Kerninfrastruktur
Earned Sep 22, 2026 EDT
Machine Learning Operations (MLOps) mit Vertex AI: Modellbewertung
Earned Sep 22, 2026 EDT
Machine Learning Operations (MLOps) für generative KI
Earned Sep 22, 2026 EDT
Einführung in Large Language Models
Earned Sep 22, 2026 EDT
MLOps with Agent Platform: Manage Features
Earned Sep 22, 2026 EDT
Machine Learning Operations (MLOps): Getting Started
Earned Sep 22, 2026 EDT
ML-Modelle mit BigQuery ML erstellen
Earned Sep 21, 2026 EDT
Build a Certification Study Guide: PMLE
Earned Sep 21, 2026 EDT
Einführung in KI und maschinelles Lernen in Google Cloud
Earned Sep 21, 2026 EDT
KI-Agenten für Unternehmensdatenbanken erstellen
Earned Sep 17, 2026 EDT
AgentOps: KI-Agenten in Google Cloud operationalisieren
Earned Sep 17, 2026 EDT
Orchestrate Workflows with the Data Agent Kit
Earned Sep 17, 2026 EDT
Build Agent Skills with Google
Earned Sep 17, 2026 EDT
Agentische Funktionen über Tools hinzufügen
Earned Sep 17, 2026 EDT
Agent-Speicher und ‑Zustand verwalten
Earned Sep 17, 2026 EDT
Software-Engineering von KI-Agenten mit dem Agent Development Kit (ADK)
Earned Sep 17, 2026 EDT
Agent-Verhalten optimieren
Earned Sep 17, 2026 EDT
Zukunftsfähige Strategie: KI-Agenten entdecken, entwerfen und Prototypen erstellen
Earned Sep 17, 2026 EDT
Liftoff mit Google Antigravity: Videospiel mit KI entwickeln
Earned Sep 17, 2026 EDT
Google Cloud-Agenten
Earned Sep 17, 2026 EDT
Einführung in generative KI
Earned Jul 25, 2026 EDT
Google Cloud-Netzwerk einrichten
Earned Nov 28, 2021 EST
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten
Earned Nov 27, 2021 EST
Daten für ML-APIs in Google Cloud vorbereiten
Earned Nov 26, 2021 EST
Umgebung für die Anwendungsentwicklung in Google Cloud einrichten
Earned Nov 22, 2021 EST
DEPRECATED Cloud Architecture
Earned Nov 19, 2021 EST
Google Cloud-Netzwerk entwickeln
Earned Nov 15, 2021 EST
Cloud Load Balancing in der Compute Engine implementieren
Earned Nov 12, 2021 EST
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
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
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 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
In diesem Kurs lernen Sie, wie Sie mit dem Google Agent Development Kit komplexe Multi-Agent-Systeme entwickeln. Sie erstellen Agenten mit Tools und verbinden sie durch über- und untergeordnete Beziehungen und Abläufe, um festzulegen, wie sie interagieren. Sie führen Ihre KI-Agenten lokal aus und stellen sie in der Agent Runtime auf der Gemini Enterprise Agent Platform bereit, um sie als verwalteten Agent-Ablauf auszuführen. Die Entscheidungen zur Infrastruktur und die Ressourcenskalierung werden von der Agent Runtime übernommen.
Bitte beachten Sie, dass diese Labs auf einer Vorabversion dieses Produkts basieren. Bei diesen Labs kann es zu Verzögerungen kommen, da wir Wartungsupdates bereitstellen.
Weitere Informationen
In „Google Cloud-Grundlagen: Kerninfrastruktur“ werden wichtige Konzepte und die Terminologie für die Arbeit mit Google Cloud vorgestellt. In Videos und praxisorientierten Labs werden viele Computing- und Speicherdienste von Google Cloud sowie wichtige Tools für die Ressourcen- und Richtlinienverwaltung präsentiert und miteinander verglichen.
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 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
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
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
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
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
Mit der MCP-Toolbox für Datenbanken KI-Agenten erstellen, die Unternehmensdatenbanken nutzen können Tools für die sichere Datenbankinteraktion definieren und intelligente Abfragefunktionen implementieren (unter Verwendung von Vektoreinbettungen und strukturierten Abfragen)
Weitere Informationen
Hier erfahren Sie, wie Sie mit AgentOps-Praktiken generative KI-Agenten vom Prototyp in die Produktion bringen. In diesem Kurs geht es um durchgängige Beobachtbarkeit, die Automatisierung von Qualitätsprüfungen in CI/CD-Pipelines und die Sicherung der Agenteninfrastruktur für die Compliance von Unternehmen. Beachten Sie auch die anderen Inhalte des Programms „Gemini Enterprise Agent Ready (GEAR)“ an.
Weitere Informationen
This course brings AI-driven, natural-language data engineering into the IDE and CLI workflows you already use. Built on the Agent Development Kit (ADK), the Data Agent Kit connects to a wide array of Google Cloud services, including BigQuery, Spanner, BigLake, Dataproc, and Managed Airflow. By using it, you can collapse days of pipeline scaffolding, data build tool (dbt) authoring, and orchestration wiring into prompt-driven sessions.
As an intermediate-to-advanced practitioner, you will learn to build a data agent with the Agent Development Kit (ADK). You'll wire up the Model Context Protocol (MCP) layer, and use your agent to explore catalogs, transform data, train models, and orchestrate scheduled pipelines on Google Cloud.
Weitere Informationen
Close the gap between general AI capabilities and your domain knowledge through Agent Skills. This course walks you through the full lifecycle of custom skill building, from local scaffolding and testing to enterprise scaling and sharing using Google's agent ecosystem, including Google Antigravity, ADK, and Skill Registry. Additionally, you use Google Agents CLI toolkit to attach skills to standalone 24/7 cloud agents, equipping your team with reliable, autonomous digital coworkers.
Weitere Informationen
Sie haben KI-Agenten mit erweiterten Konfigurationen entwickelt – machen Sie sie jetzt bereit für den realen Einsatz. Sie können Agenten mit Tools ausstatten, die eine Suche im Web, das Ausführen von Code, das Abfragen von Datenbanken und benutzerdefinierte Aktionen ermöglichen.
Weitere Informationen
Sie haben grundlegende LLM-Agenten erstellt, die auf Anfragen reagieren – jetzt machen wir sie zustandsorientiert. Mit dem Sitzungsstatus können Sie KI-Agenten erstellen, die im Kontext bleiben, Nutzerpräferenzen speichern und personalisierte Interaktionen ermöglichen. So werden aus zustandslosen Agenten, die einfach nur Antworten liefern, intelligente Assistenten.
Beachten Sie auch die anderen Inhalte des Programms Gemini Enterprise Agent Ready (GEAR).
In unserem Community-Forum können Sie sich mit anderen austauschen.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Software-Engineering von KI-Agenten mit dem Agent Development Kit (ADK) 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.
Weitere Informationen
Sie haben Ihren ersten KI-Agenten erstellt – jetzt ist es an der Zeit, ihn weiterzuentwickeln. In diesem weiterführenden Kurs lernen Sie, wie Sie einen einfachen KI-Agenten in einen ausgereiften, präzisen Assistenten umwandeln – durch die Anwendung fortgeschrittener Anweisungen, eine passende Modellauswahl, Planungsfunktionen und Muster für strukturierte Ausgabe.
In unserem Community-Forum können Sie sich mit anderen austauschen.
Weitere Informationen
Mit dem Kurs „Zukunftsfähige Strategie: KI-Agenten entdecken, entwerfen und Prototypen erstellen“ werfen Sie einen Blick voraus. Sie lernen, wie Sie das Framework von Google für die Transformation mit agentischer KI nutzen und einen Fortschritt von reinen Chatbots hin zu autonomen Teammitgliedern erzielen. Anhand eines Anwendungsfalls aus dem Einzelhandel lernen Sie, den Geschäftswert zu quantifizieren, KI-Projekte zu priorisieren, kritische Nutzerpfade zu ermitteln und funktionale Prototypen mit No-Code-Tools wie Google AI Studio und Gemini Enterprise zu erstellen. Dieser Kurs bietet eine solide Roadmap, die für die Geschäftsführung sowie technische Führungskräfte notwendig ist, um ihr Unternehmen in das Zeitalter der agentischen KI zu leiten.
Weitere Informationen
In diesem Kurs lernen Sie, wie Sie mit Google Antigravity Software in rasantem Tempo entwickeln, indem Sie KI-Agenten orchestrieren. In diesem praxisorientierten Kurs erfahren Sie, wie Sie Antigravity installieren und verwenden. Als Nächstes aktivieren Sie mit Firebase Dienste für die Apps, die Sie mit Antigravity entwickeln. Zum Schluss entwickeln Sie das Videospiel „Voyager“, indem Sie KI-Agenten in Antigravity anweisen, parallel zu arbeiten.
Weitere Informationen
Dieser Kurs bietet einen umfassenden Überblick über die Agentenplattformen von Google Cloud, einschließlich Vertex AI Agent Builder, Gemini Enterprise, Conversational Agents und Agent Development Kit. Die Teilnehmenden erfahren, welche einzigartigen Möglichkeiten die einzelnen Angebote bieten. Sie lernen, optimale Lösungen für spezifische Anwendungsfälle auseinanderzuhalten, und erwerben grundlegende Kenntnisse in der Erstellung von Such- und Chat-Anwendungen.
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
Erhalten Sie ein Skill-Logo, indem Sie den Kurs Google Cloud-Netzwerk einrichten abschließen. Dabei lernen Sie, wie Sie grundlegende Netzwerkaufgaben in Google Cloud ausführen. Sie richten ein benutzerdefiniertes Netzwerk ein, fügen Firewallregeln für Subnetze hinzu, erstellen VMs und testen dann die Latenz bei der Kommunikation zwischen den VMs.
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 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
Erhalten Sie ein Skill-Logo, indem Sie den Kurs „Umgebung für die Anwendungsentwicklung in Google Cloud einrichten“ abschließen. Dabei lernen Sie, wie Sie eine speicherorientierte Cloud-Infrastruktur mithilfe der grundlegenden Funktionen der folgenden Technologien erstellen und verbinden: Cloud Storage, Identity and Access Management, Cloud Functions und Pub/Sub.
Weitere Informationen
This fundamental-level quest is unique amongst the other quest offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Cloud Architect Certification. From IAM, to networking, to Kubernetes engine deployment, this quest is composed of specific labs that will put your Google Cloud knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, we recommend that you also review the exam guide and other available preparation resources.
Weitere Informationen
Erhalten Sie ein Skill-Logo, indem Sie den Kurs Google Cloud-Netzwerk entwickeln abschließen. Dabei wird anhand verschiedener Aufgaben behandelt, wie Sie Anwendungen bereitstellen und beobachten, darunter: IAM-Rollen prüfen, den Zugriff auf Projekte ermöglichen/entfernen, VPC-Netzwerke erstellen, Compute Engine-VMs bereitstellen und beobachten, SQL-Abfragen schreiben, VMs in der Compute Engine bereitstellen und beobachten sowie Anwendungen mithilfe von Kubernetes und mehreren Deploymentmodellen 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
