This course equips students to build highly reliable and efficient solutions on Google Cloud using proven design patterns. It is a continuation of the Architecting with Google Compute Engine or Architecting with Google Kubernetes Engine courses and assumes hands-on experience with the technologies covered in either of those courses. Through a combination of presentations, design activities, and hands-on labs, participants learn to define and balance business and technical requirements to design Google Cloud deployments that are highly reliable, highly available, secure, and cost-effective.
Weitere Informationen
In many IT organizations, incentives are not aligned between developers, who strive for agility, and operators, who focus on stability. Site reliability engineering, or SRE, is how Google aligns incentives between development and operations and does mission-critical production support. Adoption of SRE cultural and technical practices can help improve collaboration between the business and IT. This course introduces key practices of Google SRE and the important role IT and business leaders play in the success of SRE organizational adoption.
Weitere Informationen
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.
Weitere Informationen
This course helps learners create a study plan for the PCA (Professional Cloud Architect) certification exam. Learners explore the breadth and scope of the domains covered in the exam. Learners assess their exam readiness and create their individual study plan.
Weitere Informationen
This course on Integrate Vertex AI Search and Conversation into Voice and Chat Apps is composed of a set of labs to give you a hands on experience to interacting with new Generative AI technologies. You will learn how to create end-to-end search and conversational experiences by following examples. These technologies complement predefined intent-based chat experiences created in Dialogflow with LLM-based, generative answers that can be based on your own data. Also, they allow you to porvide enterprise-grade search experiences for internal and external websites to search documents, structure data and public websites.
Weitere Informationen
Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.
Weitere Informationen
This course enables system integrators and partners to understand the principles of automated migrations, plan legacy system migrations to Google Cloud leveraging G4 Platform, and execute a trial code conversion.
Weitere Informationen
In this course, you'll use text embeddings for tasks like classification, outlier detection, text clustering and semantic search. You'll combine semantic search with the text generation capabilities of an LLM to build Retrieval Augmented Generation (RAG) solutions, such as for question-answering systems, using Google Cloud's Vertex AI and Google Cloud databases.
Weitere Informationen
This course explores Google Cloud technologies to create and generate embeddings. Embeddings are numerical representations of text, images, video and audio, and play a pivotal role in many tasks that involve the identification of similar items, like Google searches, online shopping recommendations, and personalized music suggestions. Specifically, you’ll use embeddings for tasks like classification, outlier detection, clustering and semantic search.
You’ll combine semantic search with the text generation capabilities of an LLM to build Retrieval Augmented Generation (RAG) systems and question-answering solutions, on your own proprietary data using Google Cloud’s Vertex AI.
Weitere Informationen
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.
Weitere Informationen
In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.
Weitere Informationen
This course explores the Geographic Information Systems (GIS), GIS Visualization, and machine learning enhancements to BigQuery.
Weitere Informationen
This course explores how to implement a streaming analytics solution using Dataflow and BigQuery.
Weitere Informationen
This course explores how to leverage Looker to create data experiences and gain insights with modern business intelligence (BI) and reporting.
Weitere Informationen
This course explores how to implement a streaming analytics solution using Pub/Sub.
Weitere Informationen
This course continues to explore the implementation of data load and transformation pipelines for a BigQuery Data Warehouse using Dataflow.
Weitere Informationen
This course continues to explore the implementation of data load and transformation pipelines for a BigQuery Data Warehouse using Cloud Data Fusion.
Weitere Informationen
Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.
Weitere Informationen
This course will help ML Engineers, Developers, and Data Scientists implement Large Language Models for Generative AI use cases with Vertex AI. The first two modules of this course contain links to videos and prerequisite course materials that will build your knowledge foundation in Generative AI. Please do not skip these modules. The advanced modules in this course assume you have completed these earlier modules.
Weitere Informationen
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.
Weitere Informationen
This course explores the implementation of data load and transformation pipelines for a BigQuery Data Warehouse using Dataproc.
Weitere Informationen
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
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
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 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 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
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 identifies best practices for migrating data warehouses to BigQuery and the key skills required to perform successful migration.
Weitere Informationen
Welcome to Optimize in BigQuery, where we map Enterprise Data Warehouse concepts and components to BigQuery and Google data services with a focus on optimization.
Weitere Informationen
Welcome to Design in BigQuery, where we map Enterprise Data Warehouse concepts and components to BigQuery and Google data services with a focus on schema design.
Weitere Informationen
This course discusses the key elements of Google's Data Warehouse solution portfolio and strategy.
Weitere Informationen
Earn a skill badge by passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI.
A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.
Weitere Informationen
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.
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 Anwendungen basierend auf generativer KI entwickeln können.
Weitere Informationen
Dieser On-Demand-Intensivkurs bietet Teilnehmenden eine Einführung in die umfangreiche und flexible Infrastruktur und die Plattformdienste von Google Cloud. In Videovorträgen, Demos und praxisorientierten Labs lernen Teilnehmende Lösungselemente kennen und stellen sie bereit. Dazu gehören sichere Interconnect-Netzwerke, Load Balancing, Autoscaling, Automatisierung der Infrastruktur und verwaltete Dienste.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
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.
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
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.
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 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.
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 course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
Mit dem Skill-Logo Infrastruktur mit Terraform in Google Cloud erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Grundsätze von Infrastruktur als Code (IaC) unter Verwendung von Terraform, Bereitstellen und Verwalten von Google Cloud-Ressourcen mit Terraform-Konfigurationen, effektives Statusmanagement (lokal und remote) und die Modularisierung von Terraform-Code für Wiederverwendbarkeit und Organisation.
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
Dieser On-Demand-Intensivkurs bietet Teilnehmenden eine Einführung in die umfangreiche und flexible Infrastruktur und die Plattformdienste von Google Cloud, mit Schwerpunkt auf der Compute Engine. In Videovorträgen, Demos und praxisorientierten Labs lernen die Teilnehmenden Lösungselemente kennen und stellen sie dann bereit. Dazu gehören Infrastrukturkomponenten wie Netzwerke, Systeme und Anwendungsdienste. Außerdem werden praktische Lösungen vorgestellt, beispielsweise für von Kundinnen und Kunden bereitgestellte Verschlüsselungsschlüssel, die Sicherheits- und Zugriffsverwaltung, Kontingente und Abrechnung sowie das Ressourcenmonitoring.
Weitere Informationen
Dieser On-Demand-Intensivkurs bietet Teilnehmenden eine Einführung in die umfangreiche und flexible Infrastruktur und die Plattformdienste von Google Cloud, mit Schwerpunkt auf der Compute Engine. In Videovorträgen, Demos und praxisorientierten Labs lernen Sie Lösungselemente kennen und stellen sie bereit. Dazu gehören Infrastrukturkomponenten wie Netzwerke, virtuelle Maschinen (VMs) und Anwendungsdienste. Darüber hinaus erfahren Sie, wie Sie über die Console und Cloud Shell mit Google Cloud arbeiten. Außerdem lernen Sie mehr über die Aufgaben eines Cloud Architects, über verschiedene Arten von Infrastrukturdesign und über die Konfiguration virtueller Netzwerke mithilfe von Virtual Private Cloud (VPC), Projekten, Netzwerken, Subnetzwerken, IP-Adressen, Routes und Firewallregeln.
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
This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.
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
This course helps learners create a study plan for the PDE (Professional Data Engineer) certification exam. Learners explore the breadth and scope of the domains covered in the exam. Learners assess their exam readiness and create their individual study plan.
Weitere Informationen
In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting.
Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.
Weitere Informationen
In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.
Weitere Informationen
Dieser Kurs eignet sich am besten für Personen im Technologie- oder Finanzbereich, die für die Verwaltung von Google Cloud-Kosten verantwortlich sind. Sie lernen, wie Rechnungskonten eingerichtet, Ressourcen organisiert und Zugriffsberechtigungen für die Abrechnung verwaltet werden. In den praxisorientierten Labs lernen Sie, wie Sie Rechnungen abrufen, Ihre Google Cloud-Kosten mit Abrechnungsberichten im Auge behalten, Ihre Abrechnungsdaten mithilfe von BigQuery oder Google Sheets analysieren und individuelle Abrechnungs-Dashboards mit Looker Studio erstellen können. Verweise auf Links in den Videos sind in folgendem Dokument abrufbar: Zusätzliche Ressourcen.
Weitere Informationen
This 1-week, accelerate course builds upon previous courses in the Data Engineering on Google Cloud Platform specialization. Through a combination of video lectures, demonstrations, and hands-on labs, you'll learn how to create and manage computing clusters to run Hadoop, Spark, Pig and/or Hive jobs on Google Cloud Platform. You will also learn how to access various cloud storage options from their compute clusters and integrate Google's machine learning capabilities into their analytics programs.
Weitere Informationen
This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.
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
Sichern Sie sich das Skill-Logo für Fortgeschrittene, indem Sie den Kurs APIs für Machine Learning in Google Cloud verwenden abschließen – hier lernen Sie die grundlegenden Funktionen der folgenden Machine-Learning- und KI-Technologien kennen: Cloud Vision API, Cloud Translation API und Cloud Natural Language API.
Weitere Informationen
Earn a skill badge by completing the Automate Interactions with Contact Center AI quest, where you will learn about the features of Contact Center AI, including how to Build a virtual agent, Design conversation flows for your virtual agent; Add a phone gateway to your virtual agent; Use Dialogflow for troubleshooting; Review logs and debug your virtual agent. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the skill badge quest, and final assessment challenge lab, to receive a digital badge that you can share with your network.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Kostenoptimierung für die Google Kubernetes Engine weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Erstellen und Verwalten von Clustern für mehrere Mandanten, Überwachen der Ressourcenauslastung nach Namespace, Konfigurieren des Cluster- und Pod-Autoscalings zur Steigerung der Effizienz, Einrichten des Load Balancings zur optimalen Verteilung von Ressourcen und Implementieren von Aktivitäts- und Bereitschaftsprüfungen zum Sicherstellen von Anwendungszustand und Kosteneffektivität.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Data Warehouse mit BigQuery erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Daten zusammenführen, um neue Tabellen zu erstellen, Probleme mit Joins lösen, Daten mit Unions anhängen, nach Daten partitionierte Tabellen erstellen und JSON, Arrays sowie Strukturen in BigQuery nutzen.
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
Earn a skill badge by completing the Explore Machine Learning Models with Explainable AI quest, where you will learn how to do the following using Explainable AI: build and deploy a model to an AI platform for serving (prediction), use the What-If Tool with an image recognition model, identify bias in mortgage data using the What-If Tool, and compare models using the What-If Tool to identify potential bias. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest and the final assessment challenge lab to receive a skill badge that you can share with your network.
Weitere Informationen
Big data, machine learning, and scientific data? It sounds like the perfect match. In this advanced-level quest, you will get hands-on practice with GCP services like Big Query, Dataproc, and Tensorflow by applying them to use cases that employ real-life, scientific data sets. By getting experience with tasks like earthquake data analysis and satellite image aggregation, Scientific Data Processing will expand your skill set in big data and machine learning so you can start tackling your own problems across a spectrum of scientific disciplines.
Weitere Informationen
Machine Learning is one of the most innovative fields in technology, and the Google Cloud Platform has been instrumental in furthering its development. With a host of APIs, Google Cloud has a tool for just about any machine learning job. In this advanced-level course, you will get hands-on practice with machine learning at scale and how to employ the advanced ML infrastructure available on Google Cloud.
Weitere Informationen
TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.
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
In this course, you'll learn about Kubernetes and Google Kubernetes Engine (GKE) security; logging and monitoring; and using Google Cloud managed storage and database services from within GKE.
This is the second course of the Architecting with Google Kubernetes Engine series. After completing this course, enroll in the Reliable Google Cloud Infrastructure: Design and Process course or the Hybrid Cloud Infrastructure Foundations with Anthos course.
Weitere Informationen
In "Architecting with Google Kubernetes Engine- Workloads", you'll embark on a comprehensive journey into cloud-native application development. Throughout the learning experience, you'll explore Kubernetes operations, deployment management, GKE networking, and persistent storage. This is the first course of the Architecting with Google Kubernetes Engine series. After completing this course, enroll in the Architecting with Google Kubernetes Engine- Production course.
Weitere Informationen
In this course, "Architecting with Google Kubernetes Engine: Foundations," you get a review of the layout and principles of Google Cloud, followed by an introduction to creating and managing software containers and an introduction to the architecture of Kubernetes.
This is the first course of the Architecting with Google Kubernetes Engine series. After completing this course, enroll in the Architecting with Google Kubernetes Engine: Workloads course.
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
Kubernetes ist das meistgenutzte System zur Orchestrierung von Containern. Die Google Kubernetes Engine wurde speziell für die Unterstützung verwalteter Kubernetes-Deployments in Google Cloud entwickelt. In diesem Kurs für Fortgeschrittene erfahren Sie, wie Sie Docker-Images und ‑Container konfigurieren und vollwertige Kubernetes Engine-Anwendungen bereitstellen. Sie erlernen die praktischen Fertigkeiten, die für die Einbindung der Containerorchestrierung in den eigenen Workflow erforderlich sind. Wenn Sie Ihre Fähigkeiten und Ihr Wissen unter Beweis stellen möchten, können Sie ein Challenge-Lab nach Abschluss des Kurses Kubernetes-Anwendungen in Google Cloud bereitstellen absolvieren, um ein exklusives digitales Google Cloud-Logo zu erhalten.
Weitere Informationen
This advanced-level quest is unique amongst the other catalog 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 Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.
Weitere Informationen
It's no secret that machine learning is one of the fastest growing fields in tech, and Google Cloud has been instrumental in furthering its development. With a host of APIs, Google Cloud has a tool for just about any machine learning job. In this advanced-level course, you will get hands-on practice with machine learning APIs by taking labs like Detect Labels, Faces, and Landmarks in Images with the Cloud Vision API. Looking for a hands-on challenge lab to demonstrate your skills and validate your knowledge? Enroll in and finish the additional challenge lab at the end of this quest to receive an exclusive Google Cloud digital badge.
Weitere Informationen
Big Data, Machine Learning und künstliche Intelligenz sind heutzutage sehr wichtige Themen. Diese Technologiefelder bringen jedoch sehr spezielle Anforderungen mit sich und es ist schwierig, einführende Materialien dafür zu finden. Google Cloud bietet nutzerfreundliche Dienste in diesen Bereichen an, die in diesem Kurs für Einsteiger behandelt werden. Verschaffen Sie sich Einblicke in die Nutzung von Tools wie BigQuery, der Cloud Speech API und Video Intelligence.
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
In diesem Einführungskurs erhalten Sie praktische Fertigkeiten im Umgang mit den grundlegenden Tools und Services der Google Cloud. Ihnen werden optionale Videos bereitgestellt, in denen Sie sich weitergehend über die in den Labs behandelten Konzepte informieren können, so oft Sie möchten. „Google Cloud Essentials“ ist ein empfohlener erster Kurs für Google Cloud-Lernende. Selbst wenn Sie vor diesem Kurs wenig bis gar nichts über die Cloud gewusst haben, verfügen Sie danach über praktische Erfahrungen, die Sie in Ihrem ersten Google Cloud-Projekt anwenden können. Vom Schreiben von Cloud Shell- Befehlen und dem Bereitstellen Ihrer ersten virtuellen Maschine bis hin zum Ausführen von Anwendungen auf Kubernetes Engine oder mit Load-Balancing – Google Cloud Essentials ist eine erstklassige Einführung in die grundlegenden Funktionen der Plattform.
Reliable Google Cloud Infrastructure: Design and Process
Earned Jun 5, 2024 EDT
Developing a Google SRE Culture
Earned Mai 28, 2024 EDT
Build Data Lakes and Data Warehouses on Google Cloud
Earned Mai 21, 2024 EDT
Preparing for your Professional Cloud Architect Journey
Earned Mai 18, 2024 EDT
Integrate Vertex AI Search and Conversation into Voice and Chat Apps
Earned Mai 6, 2024 EDT
Text Prompt Engineering Techniques
Earned Apr 28, 2024 EDT
Modernizing Mainframe Applications with Google Cloud
Earned Apr 8, 2024 EDT
Develop Advanced Enterprise Search and Conversation Applications
Earned Apr 4, 2024 EDT
Custom Search with Embeddings in Vertex AI
Earned Mär 28, 2024 EDT
Vektorsuche und Einbettungen
Earned Mär 19, 2024 EDT
Serverless Data Processing with Dataflow: Develop Pipelines
Earned Mär 19, 2024 EDT
Data Warehousing for Partners: BigQuery Extended Capabilities
Earned Sep 14, 2023 EDT
Data Warehousing for Partners: Streaming Analytics
Earned Sep 13, 2023 EDT
Data Warehousing for Partners: Analyze Data with Looker
Earned Sep 13, 2023 EDT
Data Warehousing for Partners: Stream Data with Pub/Sub
Earned Sep 12, 2023 EDT
Data Warehousing for Partners: Process Data with Dataflow
Earned Sep 11, 2023 EDT
Data Warehousing for Partners: Cloud Data Fusion Pipelines
Earned Sep 11, 2023 EDT
Text Prompt Engineering Techniques
Earned Sep 11, 2023 EDT
Implementing Generative AI with Vertex AI
Earned Aug 28, 2023 EDT
Einführung in Vertex AI Studio
Earned Aug 23, 2023 EDT
Data Warehousing for Partners: Process Data with Dataproc
Earned Aug 23, 2023 EDT
Modelle zur Bilduntertitelung erstellen
Earned Aug 21, 2023 EDT
Transformer-Modelle und BERT-Modell
Earned Aug 21, 2023 EDT
Encoder-Decoder-Architektur
Earned Aug 21, 2023 EDT
Aufmerksamkeitsmechanismus
Earned Aug 21, 2023 EDT
Einstieg in die Bildgenerierung
Earned Aug 21, 2023 EDT
Verantwortungsbewusste Anwendung von KI: KI-Grundsätze in Google Cloud anwenden
Earned Aug 21, 2023 EDT
Data Warehousing for Partners: Migrate Data to BigQuery
Earned Aug 18, 2023 EDT
Data Warehousing for Partners: Optimize in BigQuery
Earned Aug 18, 2023 EDT
Data Warehousing for Partners: Design in BigQuery
Earned Aug 17, 2023 EDT
Data Warehousing for Partners: Enable Google Cloud Customers
Earned Aug 17, 2023 EDT
Generative AI Fundamentals
Earned Aug 15, 2023 EDT
Einführung in die verantwortungsbewusste Anwendung von KI
Earned Aug 15, 2023 EDT
Einführung in Large Language Models
Earned Aug 14, 2023 EDT
Einführung in generative KI
Earned Aug 11, 2023 EDT
Elastische Google Cloud-Infrastruktur: Skalierung und Automatisierung
Earned Jun 30, 2023 EDT
Recommendation Systems on Google Cloud
Earned Mai 8, 2023 EDT
Natural Language Processing on Google Cloud
Earned Mai 1, 2023 EDT
Computer Vision Fundamentals with Google Cloud
Earned Apr 24, 2023 EDT
Machine Learning Operations (MLOps): Getting Started
Earned Apr 19, 2023 EDT
ML Pipelines on Google Cloud
Earned Apr 18, 2023 EDT
Production Machine Learning Systems
Earned Apr 14, 2023 EDT
Machine Learning in the Enterprise
Earned Apr 7, 2023 EDT
Feature Engineering
Earned Mär 30, 2023 EDT
Build, Train and Deploy ML Models with Keras on Google Cloud
Earned Mär 20, 2023 EDT
Launching into Machine Learning
Earned Mär 10, 2023 EST
How Google Does Machine Learning
Earned Feb 24, 2023 EST
Infrastruktur mit Terraform in Google Cloud erstellen
Earned Dez 16, 2022 EST
Umgebung für die Anwendungsentwicklung in Google Cloud einrichten
Earned Dez 2, 2022 EST
Einführung in die Google Cloud-Infrastruktur: Hauptdienste
Earned Dez 2, 2022 EST
Einführung in die Google Cloud-Infrastruktur: Grundlagen
Earned Nov 18, 2022 EST
Google Cloud-Grundlagen: Kerninfrastruktur
Earned Nov 11, 2022 EST
Serverless Data Processing with Dataflow: Foundations
Earned Jun 24, 2022 EDT
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten
Earned Jun 22, 2022 EDT
Preparing for your Professional Data Engineer Journey
Earned Jun 22, 2022 EDT
Build Batch Data Pipelines on Google Cloud
Earned Jun 15, 2022 EDT
Build Streaming Data Pipelines on Google Cloud
Earned Jun 8, 2022 EDT
Google Cloud-Kosten verstehen lernen
Earned Mai 17, 2022 EDT
Leveraging Unstructured Data with Cloud Dataproc on Google Cloud Platform
Earned Mai 16, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals
Earned Apr 28, 2022 EDT
ML-Lösungen mit Vertex AI erstellen und bereitstellen
Earned Mär 2, 2022 EST
APIs für Machine Learning in Google Cloud verwenden
Earned Feb 15, 2022 EST
Automate Interactions with Contact Center AI
Earned Feb 8, 2022 EST
Kostenoptimierung für die Google Kubernetes Engine
Earned Dez 8, 2021 EST
Data Warehouse mit BigQuery erstellen
Earned Nov 23, 2021 EST
Google Cloud-Netzwerk entwickeln
Earned Nov 12, 2021 EST
DEPRECATED Explore Machine Learning Models with Explainable AI
Earned Mär 19, 2021 EDT
Scientific Data Processing
Earned Mär 19, 2021 EDT
Advanced ML: ML Infrastructure
Earned Feb 26, 2021 EST
Intermediate ML: TensorFlow on Google Cloud
Earned Feb 4, 2021 EST
Daten für ML-APIs in Google Cloud vorbereiten
Earned Dez 5, 2020 EST
Architecting with Google Kubernetes Engine: Production
Earned Nov 3, 2020 EST
Architecting with Google Kubernetes Engine: Workloads
Earned Okt 27, 2020 EDT
Architecting with Google Kubernetes Engine: Foundations
Earned Aug 31, 2020 EDT
Cloud Load Balancing in der Compute Engine implementieren
Earned Aug 31, 2020 EDT
Kubernetes in Google Cloud
Earned Jun 30, 2020 EDT
[DEPRECATED] Data Engineering
Earned Jan 31, 2020 EST
Machine Learning APIs
Earned Jan 27, 2020 EST
Referenz – Big Data, Machine Learning und KI
Earned Jan 14, 2020 EST
DEPRECATED Cloud Architecture
Earned Okt 15, 2019 EDT
Google Cloud Essentials
Earned Okt 8, 2019 EDT