MOHAMMED FAWAZ SHAIK
Mitglied seit 2024
Diamond League
13692 Punkte
MLOps with Agent Platform: Manage Features
Earned Okt 27, 2026 EDT
Generative KI-Apps heben Ihre Arbeit auf das nächste Level
Earned Mai 30, 2026 EDT
Die vielfältigen Formen generativer KI
Earned Mai 30, 2026 EDT
Generative KI: Grundlegende Konzepte
Earned Mai 30, 2026 EDT
Verantwortungsbewusste Anwendung von KI: KI-Grundsätze in Google Cloud anwenden
Earned Mai 29, 2026 EDT
Prompt-Design mit Agent Platform
Earned Mai 29, 2026 EDT
Google Cloud Compute: Grundlagen
Earned Mai 11, 2026 EDT
Einführung in Agents
Earned Apr 30, 2026 EDT
[DEPRECATED] Gemini für den gesamten Softwareentwicklungs-Lebenszyklus
Earned Apr 30, 2026 EDT
Workflows mit mehreren KI-Agenten mit Gemini Enterprise orchestrieren
Earned Apr 30, 2026 EDT
KI, bei der der Mensch im Mittelpunkt steht
Earned Apr 30, 2026 EDT
Ihre Organisation mit generativen KI-Agenten voranbringen
Earned Apr 30, 2026 EDT
Software-Engineering von KI-Agenten mit dem Agent Development Kit (ADK)
Earned Apr 29, 2026 EDT
Generative KI ist mehr als nur Chatbots
Earned Apr 2, 2026 EDT
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud
Earned Apr 2, 2026 EDT
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten
Earned Apr 2, 2026 EDT
Working with Notebooks in Vertex AI
Earned Mär 29, 2026 EDT
Auf generativer KI basierende Anwendungen in Google Cloud entwickeln
Earned Mär 28, 2026 EDT
Machine Learning Operations (MLOps): Getting Started
Earned Mär 28, 2026 EDT
Production Machine Learning Systems
Earned Mär 28, 2026 EDT
Machine Learning Operations (MLOps) mit Vertex AI: Modellbewertung
Earned Mär 28, 2026 EDT
[DEPRECATED] Feature Engineering
Earned Mär 28, 2026 EDT
Verantwortungsbewusste Anwendung von KI für Entwickler: Interpretierbarkeit und Transparenz
Earned Mär 8, 2026 EDT
Verantwortungsbewusste Anwendung von KI für Entwickler: Fairness und Bias
Earned Mär 8, 2026 EDT
Rich-Dokumente mit Gemini Multimodal und Multimodal RAG untersuchen
Earned Mär 8, 2026 EDT
Vektorsuche und Einbettungen
Earned Mär 8, 2026 EST
Einführung in Vertex AI Studio
Earned Feb 27, 2026 EST
Modelle zur Bilduntertitelung erstellen
Earned Feb 27, 2026 EST
Machine Learning Operations (MLOps) für generative KI
Earned Feb 26, 2026 EST
Transformer-Modelle und BERT-Modell
Earned Feb 26, 2026 EST
Encoder-Decoder-Architektur
Earned Feb 26, 2026 EST
Aufmerksamkeitsmechanismus
Earned Feb 26, 2026 EST
Einstieg in die Bildgenerierung
Earned Feb 26, 2026 EST
Verantwortungsbewusste Anwendung von KI für Entwickler: Datenschutz und Sicherheit
Earned Feb 22, 2026 EST
Einführung in KI und maschinelles Lernen in Google Cloud
Earned Feb 22, 2026 EST
Arcade Base Camp February 2026
Earned Feb 10, 2026 EST
Level 2: Event-Driven Systems
Earned Jan 29, 2026 EST
[DEPRECATED] Gemini für Anwendungsentwickler
Earned Jan 27, 2026 EST
Level 1: Compute, Storage and Monitoring
Earned Jan 27, 2026 EST
Google Skills Arcade Certification Zone January 2026
Earned Jan 22, 2026 EST
Level 3: Applied Generative AI
Earned Jan 21, 2026 EST
Google Skills Arcade Base Camp January 2026
Earned Jan 21, 2026 EST
Daten über die Console in Google Cloud speichern, verarbeiten und verwalten
Earned Dez 31, 2025 EST
Streamanalyse in BigQuery
Earned Dez 31, 2025 EST
Freigegebene Daten über die Daten-Cloud von Google nutzen
Earned Dez 31, 2025 EST
Kubernetes in Google Cloud verwalten
Earned Dez 31, 2025 EST
CI/CD-Pipelines in Google Cloud umsetzen
Earned Dez 29, 2025 EST
Einführung in die verantwortungsbewusste Anwendung von KI
Earned Dez 27, 2025 EST
Einführung in Large Language Models
Earned Dez 27, 2025 EST
Einführung in generative KI
Earned Dez 26, 2025 EST
Datenerfassung mit Document AI automatisieren
Earned Dez 23, 2025 EST
ML-Modelle mit BigQuery ML erstellen
Earned Dez 21, 2025 EST
Build a Certification Study Guide: PMLE
Earned Dez 20, 2025 EST
Daten für ML-APIs in Google Cloud vorbereiten
Earned Dez 20, 2025 EST
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.
Weitere Informationen
„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.
Weitere Informationen
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.
Weitere Informationen
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.
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
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.
Weitere Informationen
Sichern Sie sich ein Skill-Logo, indem Sie die Aufgabenreihe Google Cloud Compute: Grundlagen abschließen. Dabei lernen Sie, wie Sie Compute Engine bei der Arbeit mit virtuellen Maschinen (VMs), nichtflüchtigen Speichern und Webservern nutzen.
Weitere Informationen
Sie erhalten einen konzeptionellen Überblick über KI-Agenten. Wir zeigen Ihnen, wie KI-Agenten autonomes Handeln und logisches Denken nutzen, um komplexe Probleme zu lösen.
Weitere Informationen
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.
Weitere Informationen
Mit dem Skill-Logo Workflows mit mehreren KI-Agenten mit Gemini Enterprise orchestrieren weisen Sie nach, dass Sie Folgendes können: KI-Agenten auf Basis von Gemini Enterprise verwenden, um Daten aus internen und externen Quellen zusammenzuführen, Multimedia-Marketingmaterialien zu entwickeln und Geschäftsabläufe systemübergreifend zu automatisieren.
Mit Skill-Logos weisen Sie Ihr Wissen zu bestimmten Produkten im Rahmen praxisorientierter Labs und Challenge-Prüfungen nach. Absolvieren Sie einen Kurs, um ein Logo zu erhalten, oder nehmen Sie an einem Challenge-Lab teil, damit Sie Ihr Logo noch heute bekommen. Mit Logos können Sie Kenntnisse nachweisen, Ihr berufliches Profil schärfen und so Ihre Karrierechancen verbessern. Die bisher erhaltenen Logos können Sie in Ihrem Profil ansehen.
Weitere Informationen
Erfahren Sie mehr über den wichtigen Übergang von aufgabenorientierten Workflows zu einer KI-Orchestrierung, bei der der Mensch im Mittelpunkt steht.
Weitere Informationen
„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.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Software-Engineering von KI-Agenten mit dem Agent Development Kit (ADK) weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Formulierung von vorhandenen Forschungsproblemen im Bereich Language Models, Erstellung eines einfachen Tokenizers, Vorbereitung eines Datasets für das Training eines Transformer-Sprachmodells, Ausführung der Trainingsschleife eines kleinen Sprachmodells.
Weitere Informationen
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.
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
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 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.
Weitere Informationen
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.
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
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
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.
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
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.
Weitere Informationen
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.
Weitere Informationen
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.
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
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
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 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.
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
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.
Weitere Informationen
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.
Weitere Informationen
Welcome to Base Camp, where you’ll develop key Google Cloud skills (available in Spanish and Portuguese too!) and earn an exclusive credential that will open doors to the cloud for you. No prior experience is required!
Weitere Informationen
Over 80% of modern applications rely on event-driven architectures or real-time messaging to stay responsive at scale. In challenge, you’ll work with Pub/Sub to build event-driven systems, deploy workloads on Google Kubernetes Engine, manage authentication and dynamic secrets with Vault, and explore language processing using Cloud APIs. You’ll also build Flutter applications and work with Cloud Spanner, gaining hands-on experience across messaging, security, data, and application development.
Weitere Informationen
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.
Weitere Informationen
A new year brings a fresh opportunity to build consistency in how you learn and apply cloud skills. In this challenge, you’ll deploy applications using App Engine and Cloud Run Functions, work with Compute Engine instances, and manage data through Cloud Storage using both the console and CLI. You’ll also define fine-grained access with custom IAM roles, analyze logs, create alerts from logs-based metrics, and monitor workloads across multiple projects. Together, these labs help you begin the year by strengthening essential cloud operations skills and developing habits that support reliable, well-monitored applications.
Weitere Informationen
Google Cloud Certifications provide a tangible way for you to demonstrate your skills to potential or current employers. These certifications incorporate performance-based questions, testing your hands-on expertise through practical tasks. Begin your journey towards becoming a Google Certified Professional with the help of the Arcade Cert Zone.
Weitere Informationen
Generative AI is quickly becoming a core part of modern cloud solutions. In this challenge, you’ll build applications using Gemini on Vertex AI for text embeddings, multimodal content generation, and text-to-image workflows, while also learning how to ingest data into BigQuery from Cloud Storage. You’ll then test your understanding through role-based Arcade quizzes designed for Workspace Administrators, Database Engineers, DevOps Engineers, and Digital Leaders—bringing together hands-on building and practical knowledge validation.
Weitere Informationen
Welcome to Base Camp, where you’ll develop key Google Cloud skills (available in Spanish and Portuguese too!) and earn an exclusive credential that will open doors to the cloud for you. No prior experience is required!
Weitere Informationen
Cloud Storage, Cloud Functions und Cloud Pub/Sub sind Google Cloud- Plattformdienste, die zum Speichern, Verarbeiten und Verwalten von Daten verwendet werden können. Alle drei Dienste können zusammen verwendet werden, um eine Vielzahl datengesteuerter Anwendungen zu erstellen. In diesem Kurs verwenden Sie Cloud Storage zum Speichern von Bildern, Cloud Functions zum Verarbeiten der Bilder und Cloud Pub/Sub, um die Bilder an eine andere Anwendung zu senden.
Weitere Informationen
Weisen Sie mit einem Skill-Logo Ihre Kenntnisse über Streamanalyse in BigQuery nach. In diesem Kurs wenden Sie sowohl Pub/Sub und Dataflow als auch BigQuery an, um Daten für die Analyse zu streamen.
Weitere Informationen
Holen Sie sich ein Skill-Logo, indem Sie den Kurs Freigegebene Daten über die Daten-Cloud von Google nutzen abschließen. In diesem Kurs erwerben Sie praktische Kenntnisse mit Google Cloud-Partnern für die Datenfreigabe, die eigene Datasets haben, die Kundinnen und Kunden für ihre Anwendungsfälle in der Analyse verwenden können. Kundinnen und Kunden können diese Daten abonnieren, sie in ihrer eigenen Plattform abfragen und um ihre eigenen Datasets erweitern sowie ihre Visualisierungstools für kundenorientierte Dashboards verwenden.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Kubernetes in Google Cloud verwalten für Fortgeschrittene weisen Sie Kenntnisse in folgenden Bereichen nach: Verwaltung von Bereitstellungen mit kubectl, Debugging von Anwendungen in der Google Kubernetes Engine (GKE) und Techniken für die kontinuierliche Bereitstellung.
Weitere Informationen
Sichern Sie sich das Skill-Logo für Fortgeschrittene, indem Sie den Kurs CI/CD-Pipelines in Google Cloud umsetzen abschließen. In diesem Kurs lernen Sie, wie Sie Artifact Registry, Cloud Build und Cloud Deploy verwenden. Sie interagieren mit der Google Cloud Console, Google Cloud CLI, GKE und mit Cloud Run. Sie erfahren, wie Sie Pipelines für die Continuous Integration entwickeln, Artefakte speichern und sichern, Scannen auf Sicherheitslücken durchführen und die Gültigkeit genehmigter Releases bestätigen. Außerdem erhalten Sie praxisorientierte Einblicke in die Bereitstellung von Anwendungen in der GKE und in Cloud Run.
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 generative KI-Anwendungen entwickeln können.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Datenerfassung mit Document AI automatisieren weisen Sie Grundkenntnisse nach. In diesem Kurs lernen Sie, wie Sie mit Document AI Daten extrahieren, verarbeiten und erheben.
Weitere Informationen
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.
Weitere Informationen
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.
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 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.
Weitere Informationen
