Teilnehmen Anmelden

Natanael Balbo

Mitglied seit 2026

Silver League

2664 Punkte
AI Boost Bites: Prompts wie ein Profi erstellen – mit Google Workspace Earned Sep 22, 2026 EDT
[DEPRECATED] Orchestrate Complex Multi-Agent Workflows Earned Sep 22, 2026 EDT
Encoder-Decoder-Architektur Earned Sep 22, 2026 EDT
Einstieg in die Bildgenerierung Earned Sep 22, 2026 EDT
KI-Modelle mit Cloud Run bereitstellen und skalieren Earned Sep 22, 2026 EDT
Aufmerksamkeitsmechanismus Earned Sep 22, 2026 EDT
Einführung in Large Language Models Earned Sep 22, 2026 EDT
Einführung in generative KI Earned Sep 22, 2026 EDT
Transformer-Modelle und BERT-Modell Earned Sep 22, 2026 EDT

In diesem Video werden die Grundlagen des Prompt Engineering für eine effektive KI-Kommunikation behandelt. Sie lernen ein einfaches Framework (Rolle, Aufgabe, Kontext, Format) kennen, mit dem Sie klare Prompts erstellen können, um mit Gemini in Google Workspace bessere und schnellere Ergebnisse zu erzielen. Hier erfahren Sie, wie Sie natürliche Sprache verwenden, konkrete Angaben machen und Prompts optimieren, um die KI-Unterstützung optimal zu nutzen.

Weitere Informationen

Learn to orchestrate complex multi-agent workflows. This lesson teaches you to choose the right workflow patterns, manage state across agents, understand when custom logic is needed, and introduces distributed agent systems with A2A Protocol.

Weitere Informationen

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.

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

KI-Inferenz ist ein Prozess, bei dem mithilfe eines trainierten ML-Modells erlernte Muster genutzt werden, um Vorhersagen zu neuen, unbekannten Daten zu treffen. Dieser Kurs richtet sich an Entwicklerinnen und Entwickler, Data Scientists und ML-Entwicklungsteams, die daran interessiert sind, Dienste für KI-Inferenzen schnell auf Cloud Run bereitzustellen. Er ist hilfreich für Nutzende, die mit cloudbasierten serverlosen Lösungen zur Anwendungsbereitstellung vertraut sind, aber unter Umständen keine Erfahrung mit der Ausführung von KI-Inferenzen durch Verwendung serverloser Google Cloud-Produkte haben. Der Kurs bietet Beispiele, bei denen ein Modell für KI-Inferenzen mit GPUs zum Einsatz kommt und generative KI-Anwendungen in Datenspeicherdienste eingebunden werden.

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 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

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.

Weitere Informationen