Mitglied seit 2025
Google DeepMind: 02 Represent Your Language Data
Earned Dez 30, 2025 EST
Einführung in Large Language Models
Earned Dez 19, 2025 EST
Innovationen mit künstlicher Intelligenz von Google Cloud
Earned Dez 19, 2025 EST
Google DeepMind: 01 Build Your Own Small Language Model
Earned Dez 18, 2025 EST
In this Google DeepMind course you will learn how to prepare text data for language models to process. You will investigate the tools and techniques used to prepare, structure, and represent text data for language models, with a focus on tokenization and embeddings. You will be encouraged to think critically about the decisions behind data preparation, and what biases within the data may be introduced into models. You will analyze trade-offs, learn how to work with vectors and matrices, how meaning is represented in language models. Finally, you will practice designing a dataset ethically using the Data Cards process, ensuring transparency, accountability, and respect for community values in AI development.
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.
Künstliche Intelligenz (KI) und maschinelles Lernen (ML) sind wichtige Entwicklungen in der Informationstechnologie, die schnell eine Vielzahl von Branchen verändern. In „Innovationen mit künstlicher Intelligenz von Google Cloud“ wird erläutert, wie Unternehmen mit KI und ML ihre Geschäftsprozesse transformieren können. Dieser Kurs ist Teil des Lernpfads „Cloud Digital Leader“ und soll Einzelpersonen dabei helfen, sich in ihrer Rolle weiterzuentwickeln und die Zukunft ihres Unternehmens mitzugestalten.
In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.