Mitglied seit 2026
Innovationen mit künstlicher Intelligenz von Google Cloud
Earned Jan 7, 2026 EST
KI-Infrastruktur: Cloud TPUs
Earned Jan 7, 2026 EST
Einführung in Large Language Models
Earned Jan 7, 2026 EST
Encoder-Decoder-Architektur
Earned Jan 7, 2026 EST
Transformer-Modelle und BERT-Modell
Earned Jan 7, 2026 EST
Künstliche Intelligenz (KI) und maschinelles Lernen (ML) sind wichtige Entwicklungen in der Informationstechnologie, die schnell eine Vielzahl von Branchen verändern. In „Innovationen mit künstlicher Intelligenz von Google Cloud“ wird erläutert, wie Unternehmen mit KI und ML ihre Geschäftsprozesse transformieren können. Dieser Kurs ist Teil des Lernpfads „Cloud Digital Leader“ und soll Einzelpersonen dabei helfen, sich in ihrer Rolle weiterzuentwickeln und die Zukunft ihres Unternehmens mitzugestalten.
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.
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.
Dieser Kurs vermittelt Ihnen eine Zusammenfassung der Encoder-Decoder-Architektur, einer leistungsstarken und gängigen Architektur, die bei Sequenz-zu-Sequenz-Tasks wie maschinellen Übersetzungen, Textzusammenfassungen und dem Question Answering eingesetzt wird. Sie lernen die Hauptkomponenten der Encoder-Decoder-Architektur kennen und erfahren, wie Sie diese Modelle trainieren und bereitstellen können. Im dazugehörigen Lab mit Schritt-für-Schritt-Anleitung können Sie in TensorFlow von Grund auf einen Code für eine einfache Implementierung einer Encoder-Decoder-Architektur erstellen, die zum Schreiben von Gedichten dient.
Dieser Kurs bietet eine Einführung in die Transformer-Architektur und das BERT-Modell (Bidirectional Encoder Representations from Transformers). Sie lernen die Hauptkomponenten der Transformer-Architektur wie den Self-Attention-Mechanismus kennen und erfahren, wie Sie diesen zum Erstellen des BERT-Modells verwenden. Darüber hinaus werden verschiedene Aufgaben behandelt, für die BERT genutzt werden kann, wie etwa Textklassifizierung, Question Answering und Natural-Language-Inferenz. Der gesamte Kurs dauert ungefähr 45 Minuten.