Mitglied seit 2022
Die erste Gemini Enterprise-Anwendung erstellen
Earned Apr 9, 2026 EDT
Enterprise-Agents und deren Anwendungsfälle
Earned Apr 9, 2026 EDT
Grundlagen zu KI-Agenten
Earned Mär 16, 2026 EDT
Einführung in Agents
Earned Mär 15, 2026 EDT
Encoder-Decoder-Architektur
Earned Feb 27, 2024 EST
Aufmerksamkeitsmechanismus
Earned Feb 27, 2024 EST
Einstieg in die Bildgenerierung
Earned Feb 26, 2024 EST
Erstellen Sie Ihre erste Gemini Enterprise-Anwendung! Verknüpfen Sie verschiedene Datenquellen mit Ihrer Anwendung. Wenden Sie erweiterte Funktionen wie Deep Research-Agenten, Ideenfindung mit mehreren KI-Agenten und NotebookLM für fokussierte Analysen souverän an.
Erfahren Sie, wie KI-Agenten den Geschäftserfolg steigern können. Anschließend erfahren Sie, wie Gemini Enterprise Sie in die Lage versetzt, die richtigen KI-Agenten zu erstellen und zu orchestrieren – von No-Code- bis hin zu High-Code-Lösungen.
Dieser Kurs behandelt die Grundlagen zu KI‑Agenten und zeigt, welchen Mehrwert sie für die Praxis bieten. Er bietet eine Wissensgrundlage für Personen in der Softwareentwicklung und -Architektur sowie für alle, die technische Entscheidungen fällen müssen und KI‑Systeme im Kontext von selbstständigen, zielorientierten Handlungen verstehen möchten.
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.
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 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 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.