Teilnehmen Anmelden

Aditya Yadav

Mitglied seit 2025

Gold League

2920 Punkte
Arcade Trail: Data Engineering and Information Protection Earned Jun 18, 2026 EDT
Vorbereitung auf die Prüfung zum Associate Cloud Engineer Earned Jun 6, 2026 EDT
Cloud Load Balancing in der Compute Engine implementieren Earned Jun 6, 2026 EDT
Erste Schritte mit Sensitive Data Protection Earned Jun 6, 2026 EDT
Daten für ML-APIs in Google Cloud vorbereiten Earned Jun 6, 2026 EDT
Verantwortungsbewusste Anwendung von KI für Entwickler: Fairness und Bias Earned Jun 4, 2026 EDT
Cloud-Zusammenarbeit und Produktivitäts-Workflows implementieren Earned Jun 4, 2026 EDT
Machine Learning Operations (MLOps) mit Vertex AI: Modellbewertung Earned Jun 2, 2026 EDT
Machine Learning Operations (MLOps) für generative KI Earned Jun 2, 2026 EDT

Raw data is only useful if it is clean, structured, and secure. In this track, you’ll start by processing and preparing data using Dataprep, Dataflow templates, and Apache Spark. You'll learn how to clean up datasets so they are ready for machine learning models. From there, you'll focus on security by working with tools that find and mask sensitive information like personal IDs and credentials. You'll practice redacting critical details and creating safe, de-identified copies of your data in Cloud Storage. By finishing the hands-on challenge labs, you’ll show you can handle big data workflows while keeping confidential information completely safe.

Weitere Informationen

Dieser Kurs hilft Ihnen, sich strukturiert auf die Prüfung zum Associate Cloud Engineer vorzubereiten. Sie erfahren mehr über die in der Prüfung behandelten Google Cloud-Themen und wie Sie einen Lernplan zur Erweiterung Ihrer Kenntnisse erstellen.

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

Schließen Sie den Skill-Logo Erste Schritte mit Sensitive Data Protection ab, um Ihre Kenntnisse in den folgenden Bereichen nachzuweisen: Sensitive Data Protection-Dienste verwenden (einschließlich der Cloud Data Loss Prevention API), um sensible Informationen in Google Cloud zu prüfen, zu entfernen und zu de-identifizieren.

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

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

Sichern Sie sich ein Skill-Logo, indem Sie den Kurs Cloud-Zusammenarbeit und Produktivitäts-Workflows implementieren abschließen. Darin lernen Sie die Plattform zur Zusammenarbeit von Google kennen und erfahren, wie Sie Gmail, Kalender, Meet, Drive, Sheets und AppSheet verwenden.

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

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