Ashley Rice
Mitglied seit 2024
Gold League
88564 Punkte
Mitglied seit 2024
In this video, you'll learn to use NotebookLM to manage a large-scale research project. You'll see how to upload all your documents to get summaries, ask deeper strategic questions to find key insights, and use the audio feature to listen to your findings on the go.
In this video, you'll learn to use NotebookLM to analyze raw data and find compelling stories. You'll see how to ground the AI in your specific documents, prompt it to generate newsworthy PR claims, and ask it to find hidden correlations between different data points to uncover new insights.
In diesem Video erfahren Sie, wie Sie mit einem KI-Assistenten ein großes Teamevent planen können – vom Brainstorming über die Logistik bis hin zur Analyse des Feedbacks nach der Veranstaltung.
In diesem Video erhalten Sie Profitipps für die Verwendung von Gemini Deep Research, einschließlich der Zuweisung einer Persona, der Angabe des Ausgabeformats und der Anleitung für die Suche nach einer umfassenden Wettbewerbsanalyse.
In diesem Video erfahren Sie, wie Sie mit Gemini Deep Research und einem detaillierten Prompt einen zusammenfassenden, vergleichenden Bericht erstellen können, um fundierte Kaufentscheidungen zu treffen.
In diesem Video erfahren Sie, wie Sie mit einem einfachen Text-Prompt in Gemini Canvas Daten in ein ansprechendes, animiertes Balkendiagramm verwandeln können.
In diesem Video wird gezeigt, wie Sie mit beschreibenden Text-Prompts in Gemini Canvas komplexe, animierte visuelle Kunst wie kinetische Typografie erstellen können.
In diesem Video erfahren Sie, wie man persönliche Notizen in Gemini Canvas hochlädt und mit einem einfachen Prompt ein interaktives Quiz mit verschiedenen Frageformaten erstellt.
In diesem Video erfahren Sie, wie Sie ein benutzerdefiniertes Gem – einen wiederverwendbaren KI-Assistenten – erstellen und verwenden, um eine Sammlung von Notizen und Artikeln sofort in eine strukturierte Arbeitshilfe zu verwandeln.
In this video, you'll learn to use the =AI() function in Google Sheets to automate your work. You'll see how to generate text like slogans, summarize paragraphs of customer feedback, and categorize data by classifying inquiries and analyzing sentiment.
In diesem Video erfahren Sie, wie Sie mit Gemini Deep Research die Wettbewerbsanalyse automatisieren und in wenigen Minuten detaillierte Berichte über die Marketingkampagnen von Mitbewerbern erstellen lassen können.
In diesem Video erfahren Sie, wie Sie mit einfachen Text-Prompts in Gemini Canvas eine interaktive 3D-Simulation des Sonnensystems erstellen und pädagogische Funktionen hinzufügen.
In diesem Video wird gezeigt, wie Sie eine benutzerdefinierte App zur Gerätesteuerung für den persönlichen Gebrauch erstellen können, zum Beispiel einen Pomodoro-Timer. Dazu beschreiben Sie die Funktionen und das Design in einem einfachen Prompt für Gemini Canvas.
In diesem Video wird gezeigt, wie Sie die Lernhilfe in Gemini nutzen können, einem KI-Partner, der Ihnen durch Fragen und interaktive Tools hilft, ein tiefes Verständnis zu entwickeln.
In diesem Video erfahren Sie, wie Sie mit einem einfachen Prompt in Gemini Canvas ein eigenes Spiel wie Tic-Tac-Toe erstellen, anpassen und teilen können.
In diesem Video erfahren Sie, wie Sie mit einem einfachen Text-Prompt in Gemini Canvas einen vollständig interaktiven Musiksynthesizer mit benutzerdefinierten Steuerelementen und einer spielbaren Tastatur erstellen.
In diesem Video erfährst du, wie du mit Gemini Deep Research und kreativen Prompts komplexe Informationen in eine unterhaltsame, personalisierte Analyse verwandeln kannst, zum Beispiel in einen Scouting-Bericht und einen Turnierbaum.
In diesem Video erfährst du, wie du mit dem Menü „Erstellen“ in Gemini Canvas Textblöcke im Handumdrehen in visuelle Inhalte wie Infografiken und Webseiten umwandeln kannst.
In diesem Video erfahren Sie, wie Sie mit Gemini Canvas eine einfache Zeichnung einer App in einen funktionalen Prototyp verwandeln können. Dabei kommt eine Technik namens „Vibe Coding“ zum Einsatz.
This video covers how NotebookLM's Reports feature dynamically suggests formats to help you create customized, trustworthy analyses of your documents with ease.
In diesem Video erfahren Sie, wie Sie mit Gemini Gems einen personalisierten „Work with Me“-Agenten erstellen, der Ihnen hilft, grundlegendes Feedback zu optimieren und Ihre Besprechungen strategischer und effizienter zu gestalten.
In diesem Video erfahren Sie, wie Sie mit Gemini Advanced ein Thema recherchieren, eine Präsentationsgliederung erstellen und dann mit Gemini in Google Docs Gesprächspunkte generieren.
This video covers how to create a 'project notebook' in NotebookLM by adding all relevant sources to build a central, searchable knowledge hub for your team.
This video covers how to use NotebookLM for common marketing tasks like analyzing customer feedback, conducting market research, and generating content ideas.
In diesem Video erfahren Sie, wie Sie mit einem einfachen Text-Prompt in Gemini Canvas einen funktionierenden Prototyp einer personalisierten Wetter-App erstellen und anpassen können.
This video covers how to use the Video Overviews feature in NotebookLM to automatically generate a short explainer video based on your source documents.
This video covers how to use the 'Discover Sources' feature in NotebookLM to find and import relevant web-based sources directly into your research project.
This video covers how to use the Mind Maps feature in NotebookLM to automatically create a visual representation of your sources, helping you understand connections and key concepts.
This video covers how to use NotebookLM as a personal research assistant by adding sources, asking questions, and generating new content formats based on your documents.
In diesem Video erfahren Sie, wie Sie mit Gemini in Gmail neue E‑Mails entwerfen, den Tonfall anpassen, mit Kontext aus Drive-Dateien antworten und Vorschläge für intelligente Antworten nutzen können.
In diesem Video erfahren Sie, wie Sie mit der Funktion „Erstelle für mich“ in Google Docs ein vollständiges, formatiertes Dokument erstellen können, indem Sie auf Inhalte aus anderen Dateien in Google Drive verweisen.
This video covers five key ways to use Google's AI tools, including Gemini in Workspace, the Gemini app, and NotebookLM, to enhance your daily productivity.
In diesem Video erfahren Sie, wie Sie mit Gemini in Gmail E‑Mails zusammenfassen, Informationen finden und Antworten entwerfen können, um Ihren Posteingang effizienter zu verwalten.
In diesem Video erfahren Sie, wie Sie mit Gemini in Google Präsentationen automatisch Besprechungszusammenfassungen erstellen und Follow-up-E-Mails entwerfen können. So können Sie Ihren Workflow nach Besprechungen optimieren und Zeit sparen.
In diesem Video erfahren Sie, wie Sie die fortschrittlichen KI-Funktionen von Gemini in Google Sheets nutzen können, um mühelos Daten abzurufen und in wenigen Minuten Erkenntnisse zu gewinnen – ganz ohne technische Kenntnisse oder Programmierkenntnisse.
In diesem Video erfahren Sie, wie Sie mit Gemini Gems authentische Beiträge für soziale Medien im einzigartigen Stil Ihrer Führungskraft erstellen können. In diesem Kurs erfahren Sie, wie Sie ein Gem mit Schreibbeispielen und klaren Anweisungen trainieren, um die Herausforderung zu meistern, die Social-Media-Präsenz von Führungskräften zu skalieren. Erfahren Sie, wie Sie schnell ansprechende Beiträge erstellen, Zeit sparen, Ihre Thought Leadership stärken und Authentizität sicherstellen können.
In diesem Video erfahren Sie, wie Sie Ihr eigenes Brevity-Gem erstellen, um unübersichtliche Notizen oder lange Dokumente in klare, prägnante und für Führungskräfte geeignete Zusammenfassungen zu verwandeln.
In diesem Video erfahren Sie, wie Sie mit Gemini und Apps Script manuelle Aufgaben in Google Workspace automatisieren können. Sie erfahren, wie Sie Gemini auffordern, Apps Script-Code zu generieren, der in Google Sheets automatisch E‑Mail-Erinnerungen für Aufgaben entwirft, die nicht als „Abgeschlossen“ markiert sind. Sie können Ihren Workflow mit wenig oder gar keinem technischen Fachwissen automatisieren, sodass Sie mehr Zeit für wichtigere Aufgaben haben und manuelle Nachfassaktionen entfallen.
This video covers how you can leverage Notebook LM to "eat the frog" on your to-do list by automating complex tasks like summarizing legislation and mapping services, saving you hours of work.
In diesem Video erfahren Sie, wie Sie mit Gemini die mühsame manuelle Dateneingabe hinter sich lassen. Hier erfahren Sie, wie Sie ein Foto oder einen Screenshot von Daten (aus PDFs, Papier oder Bildern) machen und Gemini auffordern können, diese sofort in eine strukturierte Google-Tabelle umzuwandeln. Mit diesem einfachen Hack kannst du dir unzählige Stunden beim Transkribieren von Daten sparen und Gemini zu deinem persönlichen Assistenten für die Dateneingabe machen. Einfach fotografieren, Prompt eingeben und exportieren!
In diesem Video geht es darum, wie Sie mit KI Schwachstellen und versteckte Annahmen in Ihrer Strategie erkennen können. Sie lernen die „Poke Holes“-Methode kennen, eine einfache Möglichkeit, Ihre Pläne mit KI-Prompts auf Herz und Nieren zu prüfen, Lücken aufzudecken und Ihr strategisches Denken zu stärken.
This video will cover how to use NotebookLM to gather and analyze publicly available information, combine it with internal documents, and extract key competitive insights.
In diesem Video erfahren Sie, wie Sie Ihre Gemini-Ergebnisse in Google Workspace personalisieren können. Sie können Dokumente und Forschungsarbeiten direkt in Ihre Prompts einbinden, indem Sie das Symbol „@“ verwenden. So erhalten Sie gezieltere und relevantere KI-Ausgaben, die auf Ihre Bedürfnisse zugeschnitten sind.
In diesem Video erfahren Sie, wie Sie mit Gemini lange Dokumente in Google Workspace zusammenfassen können, um schnell die benötigten Informationen zu erhalten und Zeit zu sparen. Sie erfahren, wie Sie mit Gemini ganze Dokumente oder nur ausgewählte Textpassagen zusammenfassen und wie Sie mit Gemini in Drive mehrere Dateien zusammenfassen können.
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.
In diesem Video erfahren Sie, wie Sie die fortschrittlichen KI-Funktionen von Gemini in Google Docs nutzen können, um Ideen zu sammeln, verschiedene Marketinginhalte zu entwerfen und mit Ihrem Team zusammenzuarbeiten.
This video covers how NotebookLM can revolutionize customer insight gathering from call or chat transcripts. You'll learn to upload PDF transcripts of hundreds of conversations (even multilingual ones!) and quickly extract key themes, trending topics, and actionable insights without listening for hours. Discover how to save findings, share notebooks, and even generate interactive podcast summaries of your data.
In diesem Video erfahren Sie, wie Sie Ihre eigenen Gemini Gems erstellen können – fortschrittliche KI-Funktionen, mit denen sich wiederholende Aufgaben automatisieren und die Produktivität steigern lassen.
In diesem Kurs werden die wichtigsten Sicherheitsfunktionen von Model Armor vorgestellt. Außerdem lernen Sie, wie Sie den Dienst nutzen können. Sie erfahren mehr über die Sicherheitsrisiken, die mit LLMs verbunden sind, und wie Model Armor Ihre KI-Anwendungen schützt.
Künstliche Intelligenz (KI) bietet revolutionäre Möglichkeiten, geht aber auch mit neuen Sicherheitsherausforderungen einher. In diesem Kurs lernen Führungskräfte im Bereich Sicherheit und Datenschutz Strategien für den sicheren Umgang mit KI in ihren Unternehmen kennen. Es wird ein Framework für das proaktive Erkennen und Mindern KI-spezifischer Risiken, den Schutz sensibler Daten, das Einhalten rechtlicher Vorgaben und den Aufbau einer robusten KI-Infrastruktur vorgestellt. Anhand von Anwendungsfällen aus vier verschiedenen Branchen wird gezeigt, wie sich diese Strategien auf reale Szenarien anwenden lassen.
Der Kurs „Generative KI kennenlernen – Agent Platform“ umfasst eine Reihe von Labs zur Verwendung von generativer KI in Google Cloud. In den Labs lernen Sie, wie Sie die Gemini-Modelle in der Agent Platform verwenden. Sie erfahren, wie Sie Prompts erstellen, Best Practices anwenden und die Modelle für Ideenfindung, Textklassifizierung, Textextraktion, Textzusammenfassung und mehr nutzen. Außerdem zeigen wir Ihnen, wie Sie ein Foundation Model durch benutzerdefiniertes Training in der Agent Platform abstimmen und auf einem Endpunkt in der Agent Platform bereitstellen.
Mit dem Skill-Logo zum Kurs Gemini-Modellfunktionen verbessern weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Nutzung erweiterter Funktionen von Gemini-Modellen, darunter Codegenerierung und ‑ausführung, Fundierung, kontrollierte Inhaltserstellung, und die Erstellung synthetischer Daten, um leistungsstärkere und komplexere KI-Anwendungen zu entwickeln.
Sichern Sie sich ein Skill-Logo, indem Sie den Kurs Verwenden der Google Cloud Speech API abschließen. Dabei lernen Sie, wie Sie eine Speech-to-Text API-Anfrage erstellen sowie Audiodateien und Sprache transkribieren.
Optimieren Sie die Navigationsumgebung Ihrer Website mit generativer KI, um die Suchfunktion für die Nutzer zu verbessern. In diesem Kurs lernen Sie, wie Sie mit Vertex AI Search Ihren Nutzern eine auf generativer KI basierende Suchfunktion bieten können, mit der sich Inhalte auf der Website einfacher finden lassen. Als Website-Editor lernen Sie außerdem, wie Sie mit generativer KI schnell und effizient anhand von Vorschlägen Inhalte übersetzen und verbessern können.
Mit dem Skill-Logo zum Kurs Rich-Dokumente mit Gemini Multimodal und Multimodal RAG untersuchen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Verwenden von multimodalen Prompts, um Informationen aus Text- und Bilddaten zu gewinnen; Erstellen einer Videobeschreibung und Abrufen von zusätzlichen, über das Video hinausgehenden Informationen unter Verwendung von Multimodalität mit Gemini; Erstellen von Metadaten von Dokumenten mit Text und Bildern; Ermitteln aller relevanten Textabschnitte und Drucken von Zitationen durch Nutzung von multimodaler Retrieval-Augmented Generation (RAG) mit Gemini.
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.
In diesem Kurs erfahren Sie, wie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, Engineers bei der Verwaltung von Infrastruktur unterstützt. Sie lernen die Prompts kennen, mit denen Gemini dazu gebracht werden kann, Anwendungslogs zu suchen und zu verstehen, einen GKE-Cluster zu erstellen und Informationen zur Erstellung einer Build-Umgebung zu liefern. In einem praxisorientierten Lab können Sie sich davon überzeugen, wie der DevOps-Workflow durch Gemini verbessert wird. Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.
Sie erfahren alles über BigQuery Machine Learning für Inferenzen, warum Datenanalysten es nutzen sollten, Anwendungsfälle und unterstützte ML-Modelle. Sie lernen auch, wie Sie ML-Modelle in BigQuery erstellen und verwalten.
In diesem Kurs erfahren Sie, wie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, Network Engineers beim Erstellen, Aktualisieren und Warten von VPC-Netzwerken unterstützt. Sie lernen die Prompts kennen, mit denen Gemini spezifische Hilfestellungen für Ihre netzwerkbezogenen Aufgaben geben kann – und entdecken Möglichkeiten, die über eine Suchmaschine hinausgehen. In einem praxisorientierten Lab können Sie sich davon überzeugen, wie Gemini die Arbeit mit Google Cloud VPC-Netzwerken vereinfacht. Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.
In diesem Kurs erfahren Sie, wie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, Sie beim Schutz Ihrer Cloud-Umgebung und -Ressourcen unterstützen kann. Sie lernen, wie Sie Beispielarbeitslasten in einer Umgebung in Google Cloud bereitstellen und mit Gemini fehlerhafte Sicherheitseinstellungen identifizieren und korrigieren können. In einem praxisorientierten Lab können Sie sich davon überzeugen, wie Ihr Cloud-Sicherheitsstatus durch Gemini verbessert werden kann. Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.
Artificial Intelligence (AI) offers transformative possibilities, but it also introduces new security challenges. This course equips security and data protection leaders with strategies to securely manage AI within their organizations. Learn a framework for proactively identifying and mitigating AI-specific risks, protecting sensitive data, ensuring compliance, and building a resilient AI infrastructure. Pick use cases from four different industries to explore how these strategies apply in real-world scenarios.
Dieser Kurs bietet eine Einführung in Vertex AI Studio, ein Tool für die Interaktion mit generativen KI-Modellen sowie das Prototyping von Geschäftsideen und ihre Umsetzung. Anhand eines eindrucksvollen Anwendungsfalls, ansprechender Lektionen und einer praktischen Übung lernen Sie den Lebenszyklus vom Prompt bis zum Produkt kennen und erfahren, wie Sie Vertex AI Studio für multimodale Gemini-Anwendungen, Prompt-Design, Prompt Engineering und Modellabstimmung einsetzen können. Ziel ist es, Ihnen aufzuzeigen, wie Sie das Potenzial von generativer KI in Ihren Projekten mit Vertex AI Studio ausschöpfen.
In diesem Kurs erfahren Sie, wie Sie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, bei der Analyse von Kundendaten und der Prognose von Produktverkäufen unterstützen kann. Außerdem lernen Sie, wie Sie mithilfe von Kundendaten in BigQuery Neukunden identifizieren, kategorisieren und gewinnen können. In den praxisorientierten Labs erfahren Sie, wie Gemini Datenanalysen und Workflows für Machine Learning optimiert. Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.
In diesem Kurs erfahren Sie, wie Sie mithilfe von Deep Learning ein Modell zur Bilduntertitelung erstellen. Sie lernen die verschiedenen Komponenten eines solchen Modells wie den Encoder und Decoder und die Schritte zum Trainieren und Bewerten des Modells kennen. Nach Abschluss dieses Kurses haben Sie folgende Kompetenzen erworben: Erstellen eigener Modelle zur Bilduntertitelung und Verwenden der Modelle zum Generieren von Untertiteln
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.
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.
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.
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.
In diesem Kurs lernen Sie KI-basierte Suchtechnologien, Tools und Anwendungen kennen. Er umfasst folgende Themen: die semantische Suche mithilfe von Vektoreinbettungen, die Hybridsuche, bei der semantische und stichwortbezogene Ansätze kombiniert werden, und Retrieval-Augmented Generation (RAG), die KI-Halluzinationen durch einen fundierten KI-Agenten minimiert. Sie sammeln praktische Erfahrungen mit der Vektorsuche in Vertex AI zum Entwickeln einer intelligenten Suchmaschine.
In diesem Kurs erfahren Sie, wie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, Administratoren bei der Bereitstellung von Infrastruktur unterstützt. Sie lernen die Prompts kennen, mit denen Gemini Infrastruktur erklären, GKE-Cluster bereitstellen und eine bestehende Infrastruktur aktualisieren kann. In einem praxisorientierten Lab können Sie sich davon überzeugen, wie die GKE-Bereitstellung durch Gemini verbessert wird. Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.
In diesem Kurs erfahren Sie, wie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, Entwickler beim Erstellen von Anwendungen unterstützt. Sie lernen die Prompts kennen, mit denen Gemini Code erklären, Google Cloud-Dienste empfehlen und Code für Ihre Anwendungen generieren kann. In einem praxisorientierten Lab können Sie sich davon überzeugen, wie die Anwendungsentwicklung durch Gemini verbessert wird. Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.
In diesem Kurs erfahren Sie, wie Gemini, ein auf generativer KI basierendes Produkt von Google Cloud, Sie bei der Nutzung von Google-Produkten und -Diensten zum Entwickeln, Testen, Bereitstellen und Verwalten von Anwendungen unterstützen kann. Sie lernen, wie Sie mit Gemini eine Webanwendung entwickeln und debuggen, Tests entwickeln und Daten abfragen können. In einem praxisorientierten Lab können Sie sich davon überzeugen, wie der Softwareentwicklungs-Lebenszyklus durch Gemini verbessert werden kann. Duet AI wurde umbenannt in Gemini, unser Modell der nächsten Generation.
In diesem Kurs lernen Sie, wie Sie mit Flutter, dem portierbaren Benutzeroberflächen-Toolkit von Google, eine App entwickeln und diese in Gemini, die Reihe generativer KI-Modelle von Google, einbinden. Außerdem nutzen Sie Vertex AI Agent Builder, die Plattform von Google zum Erstellen und Verwalten von KI-Agents und ‑Anwendungen.
Mit dem Skill-Logo zum Kurs Generative KI-Anwendungen mit Gemini und Streamlit entwickeln weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Texterstellung, Anwendung von Funktionsaufrufen mit dem Python SDK und der Gemini API und Bereitstellung einer Streamlit-Anwendung mit Cloud Run. Dabei lernen Sie, wie Sie mithilfe von Gemini und entsprechenden Prompts Text erstellen, Cloud Shell zum Testen und Iterieren einer Streamlit-Anwendung nutzen und diese Anwendung dann als Docker-Container zur Bereitstellung in Cloud Run verpacken.
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.
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.
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.
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.
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.
In this course, you will be learning from ML Engineers and Trainers who work with the state-of-the-art development of ML pipelines here at Google Cloud. The first few modules will cover about TensorFlow Extended (or TFX), which is Google’s production machine learning platform based on TensorFlow for management of ML pipelines and metadata. You will learn about pipeline components and pipeline orchestration with TFX. You will also learn how you can automate your pipeline through continuous integration and continuous deployment, and how to manage ML metadata. Then we will change focus to discuss how we can automate and reuse ML pipelines across multiple ML frameworks such as tensorflow, pytorch, scikit learn, and xgboost. You will also learn how to use another tool on Google Cloud, Cloud Composer, to orchestrate your continuous training pipelines. And finally, we will go over how to use MLflow for managing the complete machine learning life cycle.
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.
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
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.
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.
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.
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.
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.
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.
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
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.
This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing. The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.
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.
This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.
This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models. The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.
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.
This course is intended to give architects, engineers, and developers the skills required to help enterprise customers architect, plan, execute, and test database migration projects. Through a combination of presentations, demos, and hands-on labs participants move databases to Google Cloud while taking advantage of various services. This course covers how to move on-premises, enterprise databases like SQL Server to Google Cloud (Compute Engine and Cloud SQL) and Oracle to Google Cloud bare metal.
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.
Mit dem Skill-Logo Prompt-Design mit Agent Platform weisen Sie Grundkenntnisse in folgenden Bereichen nach: Prompt Engineering, Bildanalyse und multimodale generative Techniken in Agent Platform. Entdecken Sie, wie Sie wirksame Prompts erstellen, auf generativer KI basierende Ausgaben steuern und Gemini-Modelle in Marketing-Szenarien aus der Praxis anwenden.
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.
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.
In diesem Einführungskurs im Microlearning-Format wird erklärt, was verantwortungsbewusste Anwendung von KI bedeutet, warum sie wichtig ist und wie Google dies in seinen Produkten berücksichtigt. Darüber hinaus werden die 7 KI-Grundsätze von Google behandelt.
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.
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.