Holen Sie sich das Skill-Logo Multi-Agenten-Architekturen bereitstellenfür Profis, um Ihre Kenntnisse in den folgenden Bereichen nachzuweisen: Aufbau von Multi-Agenten-Systemen mit einem ADK, Verbindung von Agenten mit dem Agent-zu-Agent (A2A)-Protokoll, Einbindung externer Tools mithilfe des Model Context Protocols (MCP) und Bereitstellung einer vollständigen Multi-Agenten-Lösung für die Agent Engine.
In this challenge lab, you will demonstrate your ability to author agents using Agent Development Kit (ADK), deploy those agents to Agent Engine, and use them from a web app. Complete the challenge lab to earn a Google Cloud skill badge.
Complete the Evaluate and Improve Agent Development Kit Agents skill badge to demonstrate your ability to use ADK's evaluation tools to "hill climb" — making measurable, iterative improvements to an agent. You will run an initial evaluation to establish a baseline, apply optimization techniques, and re-evaluate the agent to measure your success.
Complete the Accelerate Development with Antigravity skill badge to demonstrate your proficiency in using the Antigravity IDE for developing agentic workflows. You will be tasked with configuring an MCP server, authoring custom agent skills and rules, prototyping with the Agents CLI, and deploying to the Google Cloud Agent Runtime. 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 assessment challenge lab, to receive a skill badge that you can share with your network. When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!
In this challenge lab, you will demonstrate your ability to add agents to Gemini. You will build an agent with Agent Designer, and you will build a no-code agent with Agent Development Kit, deploy it to Agent Engine, and add it to Gemini.
In this challenge lab, you will act as a cloud engineer supporting the Cymbal Pools finance team. Your mission is to deploy a BigQuery-enabled agent to Agent Runtime to help process invoice data using natural language. Rather than building from scratch, you inherit an unsecured deployment. You must establish basic data governance by configuring the Agent Development Kit (ADK), deploying the agent with a dedicated SPIFFE identity, identifying permission blocks, and applying least-privilege IAM roles so the agent can safely query and update the BigQuery database from the Agent Runtime Playground.
In this challenge lab, you act as a Security Engineer deploying a secure Gemini environment for Cymbal Bank. You will ground Gemini in web search and internal Workspace sources to ensure accurate, contextual responses. To maintain compliance, you will configure Model Armor policies to filter sensitive data and block threats like prompt injections and malicious URLs. Finally, you will manage specific end-user features to customize the AI experience safely
This course covers techniques for boosting and filtering search results, as well as the implementation of meta tags for advanced search control.
This course provides learners the knowledge to configure Workforce Identity Federation to grant Google Cloud and Gemini access to users that authenticate using a third-party Identity Provider. The curriculum includes theory and demo videos covering workforce identity pools, OIDC and SAML providers, attribute mapping, IAM policies, and troubleshooting guidance.
This course covers the technical side of deploying Gemini. It discusses the overall architecture of Gemini, decisions to be made when provisioning the app infrastructure, and integrating enterprise data via Data Stores, Connectors. and Actions. The course also explores the kinds of agents that can be added to Gemini. It offers guidance towards establishing a security perimeter using IAM, VPC Service Control, Context-Aware Access, and semantic controls deployed with Model Armor in Gemini platform. Finally, it empowers administrators to fine-tune the end-user experience through comprehensive configuration options, and explains how administrators keep AI deployments secure, compliant, and performant through OpenTelemetry instrumentation and prompt logging.
This course will guide you through designing customer engagements that result in successful, well-utilized Gemini deployments. Study the art of change management, how to identify and engage sponsors, recruit early adopters, help your customer identify and address cultural change challenges and skills gaps, and effectively deliver project communications. Additionally, learn how to support your customer to plan, offer, conduct, and evaluate end-user training, leverage partner resources, and create essential project documents.
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.
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.
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.
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.
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.
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.
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.
Learn how to leverage Gemini multimodal capabilities to process and generate text, images, and audio and to integrate Gemini through APIs to perform tasks such as content creation and summarization.
Dieser Kurs behandelt Gemini in BigQuery, eine Suite KI-gesteuerter Funktionen zur Aufbereitung von Daten für die Verwendung in künstlicher Intelligenz. Zu diesen Funktionen gehören explorative Datenanalyse und ‑aufbereitung, Codegenerierung und Fehlerbehebung sowie Workflow-Erkennung und ‑Visualisierung. Durch konzeptionelle Erläuterungen, einen praxisnahen Anwendungsfall und praktische Übungen können Datenexperten mit diesem Kurs ihre Produktivität steigern und die Entwicklungspipeline beschleunigen.
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.
A Business Leader in Generative AI can articulate the capabilities of core cloud Generative AI products and services and understand how they benefit organizations. This course provides an overview of the types of opportunities and challenges that companies often encounter in their digital transformation journey and how they can leverage Google Cloud's generative AI products to overcome these challenges.
„Ihre Organisation mit generativen KI-Agenten voranbringen“ ist der fünfte und letzte Kurs des Lernpfads „Gen AI Leader“. In diesem Kurs erfahren Sie, wie Unternehmen mit benutzerdefinierten generativen KI-Agenten spezifische geschäftliche Herausforderungen meistern können. Sie lernen, wie Sie einen einfachen Agenten für generative KI erstellen, und machen sich mit den Komponenten dieser Agenten vertraut, z. B. mit Modellen, Reasoning Loops und Tools.
„Generative KI-Apps heben Ihre Arbeit auf das nächste Level“ ist der vierte Kurs des Lernpfads „Generative AI Leader“. In diesem Kurs werden die auf generativer KI basierenden Anwendungen von Google vorgestellt, zum Beispiel Gemini für Workspace und NotebookLM. Darin werden Konzepte wie Fundierung, Retrieval-Augmented Generation, das Erstellen effektiver Prompts und das Entwickeln automatisierter Workflows erläutert.
Die vielfältigen Formen generativer KI ist der dritte Kurs des Lernpfads „Gen AI Leader“. Generative KI verändert die Art und Weise, wie wir arbeiten und mit der Welt um uns herum interagieren. Aber wie können Sie als Führungskraft die Möglichkeiten von KI nutzen, um echte Geschäftsergebnisse zu erzielen? In diesem Kurs lernen Sie die verschiedenen Ebenen der Entwicklung von generativen KI-Lösungen, die Angebote von Google Cloud und die Faktoren kennen, die bei der Auswahl einer Lösung zu berücksichtigen sind.
Generative KI: Grundlegende Konzepte ist der zweite Kurs des Lernpfads „Gen AI Leader“. In diesem Kurs lernen Sie die grundlegenden Konzepte der generativen KI kennen. Sie erfahren, wie sich KI, ML und generative KI unterscheiden und wie generative KI geschäftliche Herausforderungen mithilfe verschiedener Datentypen bewältigt. Außerdem erhalten Sie Einblicke in die Strategien von Google Cloud, um die Einschränkungen von Foundation Models zu überwinden, und in die wichtigsten Herausforderungen für eine verantwortungsbewusste und sichere KI-Entwicklung und ‑Bereitstellung.
Generative KI ist mehr als nur Chatbots ist der erste Kurs des Lernpfads „Gen AI Leader“, für den es keine besonderen Voraussetzungen gibt. In diesem Kurs wird neben den Grundlagen von Chatbots auch gezeigt, welches Potenzial generative KI für Ihr Unternehmen bietet. Sie lernen Konzepte wie Foundation Models und Prompt Engineering kennen, die für die Nutzung der Leistungsfähigkeit von generativer KI entscheidend sind. Außerdem werden wichtige Überlegungen behandelt, die Ihr Unternehmen bei der Entwicklung einer erfolgreichen Strategie für generative KI berücksichtigen sollten.
This L300 course offers a comprehensive exploration of GDC connected, encompassing design, deployment, operations, and advanced networking. It explores the architecture, configuration, and management of GDC infrastructure, including server setup, control plane operations, and network connectivity. The course also covers operational aspects, like high availability, failover, and observability, along with advanced networking topics such as APIs, network functions, and plugins.
This L200 course comprehensively explores GDC connected concepts, architecture, and operational aspects, equipping learners with the knowledge to deploy and manage this solution effectively. The course delves into topics such as its survivability features and best practices, security, networking, software stack, and hardware options. Furthermore, the course provides insights into its operating model. By the end of this course, learners will have a solid understanding of GDC connected and be prepared to leverage its capabilities for their organization's needs.
In this course, you will learn about GDC connected (previously known as GDC Edge), an offering from Google Distributed Cloud. This course provides both a business and technical overview of GDC connected, exploring its key features and target customers. Participants will gain insights into GDC connected's value proposition and learn how to effectively communicate its benefits to potential clients, enabling them to qualify for sales opportunities.
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.
Gemini Enterprise ist ein leistungsstarkes Tool, das das Fachwissen von Google in den Bereichen Suche und KI zusammenbringt. Mitarbeitende können damit bestimmte Informationen in Dokumentenspeichern, E‑Mails, Chats, Ticketsystemen und anderen Datenquellen über eine einzige Suchleiste finden. Der Gemini Enterprise-Assistent kann sie auch beim Brainstorming, der Recherche oder der Strukturierung von Dokumenten unterstützen und zum Beispiel Kollegen zu einem Kalendertermin einladen, um die Wissensarbeit und Zusammenarbeit zu beschleunigen. (Gemini Enterprise hieß früher Google Agentspace. In diesem Kurs kann es daher noch Verweise auf den alten Produktnamen geben.)
This quest will test your ability to create and deploy both Search applications and Chatbots using Vertex AI Agent Builder and Dialgflow. You will also be tasked with implementing a custom RAG system that uses the Discovery API to query a Vertex AI Data Store and use Gemini to answer user questions. You will use the following technologies and Google Cloud services: Vertex AI Agent Builder Search Apps Agents Gemini The assessment is divided into three main tasks: Building and deploying a Website Search App Deploying a Chatbot built using Vertex AI Agent Builder Creating a Custom Q&A Solution using the Discovery API
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.
The Google Cloud Rapid Migration & Modernization Program (RaMP) is a holistic, end-to-end migration/modernization program that helps customers & partners leverage expertise and best practices, lower risk, control costs, and simplify a customer's path to cloud success. This course will give an overview of the program and some of the tools and best practices available to support customer migrations & modernizations.
Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.
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.
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.
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 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 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.
Earn a skill badge by completing the Introduction to Generative AI, Introduction to Large Language Models and Introduction to Responsible AI courses. 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.
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.
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 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.
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.