David Maciejak
Mitglied seit 2023
Diamond League
53920 Punkte
Auf generativer KI basierende Anwendungen in Google Cloud entwickeln
Earned Dez 13, 2025 EST
Verantwortungsbewusste Anwendung von KI für Entwickler: Interpretierbarkeit und Transparenz
Earned Dez 11, 2025 EST
Verantwortungsbewusste Anwendung von KI für Entwickler: Datenschutz und Sicherheit
Earned Dez 10, 2025 EST
Einführung in KI und maschinelles Lernen in Google Cloud
Earned Nov 24, 2025 EST
Daten für ML-APIs in Google Cloud vorbereiten
Earned Nov 19, 2025 EST
Verantwortungsbewusste Anwendung von KI für Entwickler: Fairness und Bias
Earned Nov 17, 2025 EST
Machine Learning Operations (MLOps) für generative KI
Earned Nov 15, 2025 EST
Prompt-Design mit Agent Platform
Earned Nov 14, 2025 EST
Vektorsuche und Einbettungen
Earned Nov 12, 2025 EST
Build a Certification Study Guide: PMLE
Earned Nov 11, 2025 EST
Einbettungen, Vektorsuche und RAG mit BigQuery erstellen
Earned Nov 11, 2025 EST
Recommendation Systems on Google Cloud
Earned Jan 29, 2024 EST
Natural Language Processing on Google Cloud
Earned Jan 26, 2024 EST
Computer Vision Fundamentals with Google Cloud
Earned Jan 26, 2024 EST
Production Machine Learning Systems
Earned Jan 24, 2024 EST
Machine Learning Operations (MLOps): Getting Started
Earned Jan 24, 2024 EST
APIs für Machine Learning in Google Cloud verwenden
Earned Jan 24, 2024 EST
DEPRECATED Google Cloud Solutions II: Data and Machine Learning
Earned Jan 23, 2024 EST
Production Machine Learning Systems - Locales
Earned Jan 23, 2024 EST
ML-Lösungen mit Vertex AI erstellen und bereitstellen
Earned Jan 22, 2024 EST
Machine Learning Operations (MLOps): Getting Started - Locales
Earned Jan 22, 2024 EST
Referenz – Big Data, Machine Learning und KI
Earned Jan 21, 2024 EST
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud
Earned Jan 20, 2024 EST
Bilder mit TensorFlow in Google Cloud klassifizieren
Earned Jan 19, 2024 EST
Intermediate ML: TensorFlow on Google Cloud
Earned Jan 19, 2024 EST
Sensitive Data Protection in Google Cloud implementieren
Earned Jan 17, 2024 EST
Google Kubernetes Engine Best Practices: Security
Earned Jan 16, 2024 EST
Geschütztes Google Cloud-Netzwerk erstellen
Earned Jan 14, 2024 EST
CI/CD-Pipelines in Google Cloud umsetzen
Earned Jan 11, 2024 EST
Kubernetes in Google Cloud verwalten
Earned Jan 9, 2024 EST
Managing Cloud Infrastructure with Terraform
Earned Jan 6, 2024 EST
Kubernetes in Google Cloud
Earned Jan 5, 2024 EST
Getting Started with Go on Google Cloud
Earned Jan 4, 2024 EST
Google Cloud-Infrastruktur erstellen – für AWS-Experten
Earned Jan 3, 2024 EST
Infrastruktur mit Terraform in Google Cloud erstellen
Earned Dez 29, 2023 EST
Google Cloud Fundamentals for AWS Professionals
Earned Dez 28, 2023 EST
Verantwortungsbewusste Anwendung von KI: KI-Grundsätze in Google Cloud anwenden
Earned Nov 26, 2023 EST
Generative AI Fundamentals
Earned Nov 23, 2023 EST
Einführung in die verantwortungsbewusste Anwendung von KI
Earned Nov 23, 2023 EST
Einführung in Large Language Models
Earned Nov 23, 2023 EST
Einführung in generative KI
Earned Nov 22, 2023 EST
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
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 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
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
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
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
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
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
In diesem Kurs wird eine Lösung für Retrieval-Augmented Generation (RAG) in BigQuery vorgestellt, die KI-Halluzinationen minimiert. Sie lernen einen RAG-Workflow kennen, der die Erstellung von Einbettungen, die Suche in einem Vektorraum und die Generierung verbesserter Antworten umfasst. Darüber hinaus werden die konzeptionellen Gründe für diese Schritte und ihre praktische Umsetzung mit BigQuery erklärt. Am Ende des Kurses werden Sie in der Lage sein, eine RAG-Pipeline mithilfe von BigQuery und generativen KI-Modellen wie Gemini zu erstellen und Modelle einzubetten, um KI-Halluzinationen zu verhindern.
Weitere Informationen
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine.
This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
Weitere Informationen
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
Weitere Informationen
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models.
The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data.
The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models.
Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
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
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
Sichern Sie sich das Skill-Logo für Fortgeschrittene, indem Sie den Kurs APIs für Machine Learning in Google Cloud verwenden abschließen – hier lernen Sie die grundlegenden Funktionen der folgenden Machine-Learning- und KI-Technologien kennen: Cloud Vision API, Cloud Translation API und Cloud Natural Language API.
Weitere Informationen
In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.
Weitere Informationen
This course, Production Machine Learning Systems - Locales, is intended for non-English learners. If you want to take this course in English, please enroll in Production Machine Learning Systems.
In this course, we dive into the components and best practices of building high-performing ML systems in production environments. We cover some of the most common considerations behind building these systems, e.g. static training, dynamic training, static inference, dynamic inference, distributed TensorFlow, and TPUs. This course is devoted to exploring the characteristics that make for a good ML system beyond its ability to make good predictions.
Weitere Informationen
Mit dem Skill-Logo zum Kurs ML-Lösungen mit Vertex AI erstellen und bereitstellen weisen Sie fortgeschrittene Kenntnisse nach. Sie lernen in diesem Kurs, wie Sie die Vertex AI-Plattform von Google Cloud, AutoML und benutzerdefinierte Trainingsdienste nutzen, um Machine-Learning-Modelle zu trainieren, zu bewerten, abzustimmen, zu erklären und bereitzustellen. Dieser Kurs richtet sich an professionelle Data Scientists und Machine Learning Engineers. Ein Skill-Logo ist ein exklusives digitales Abzeichen, das von Google Cloud ausgestellt wird und Ihre Kenntnisse über Produkte und Dienste von Google Cloud belegt. In diesem Zusammenhang wird auch die Fähigkeit bewertet, Ihr Wissen in einer interaktiven praxisnahen Umgebung anzuwenden. Absolvieren Sie diese Aufgabenreihe und die Challenge-Lab-Prüfung, um ein digitales Abzeichen zu erhalten, das Sie in Ihrem Netzwerk posten können.
Weitere Informationen
This course, Machine Learning Operations (MLOps): Getting Started - Locales, is intended for non-English learners. If you want to take this course in English, please enroll in Machine Learning Operations (MLOps): Getting Started. 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
Big Data, Machine Learning und künstliche Intelligenz sind heutzutage sehr wichtige Themen. Diese Technologiefelder bringen jedoch sehr spezielle Anforderungen mit sich und es ist schwierig, einführende Materialien dafür zu finden. Google Cloud bietet nutzerfreundliche Dienste in diesen Bereichen an, die in diesem Kurs für Einsteiger behandelt werden. Verschaffen Sie sich Einblicke in die Nutzung von Tools wie BigQuery, der Cloud Speech API und Video Intelligence.
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 für den Kurs Bilder mit TensorFlow in Google Cloud klassifizieren erwerben Sie Kenntnisse in der Verwendung von TensorFlow und Vertex AI zum Erstellen und Trainieren von Machine-Learning-Modellen. Sie arbeiten hauptsächlich mit nutzerverwalteten Vertex AI Workbench-Notebooks.
Weitere Informationen
TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.
Weitere Informationen
Schließen Sie den Skill-Badge-Kurs Sensitive Data Protection in Google Cloud implementieren 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
Get Anthos Ready. This Google Kubernetes Engine-centric quest of best practice hands-on labs focuses on security at scale when deploying and managing production GKE environments -- specifically role-based access control, hardening, VPC networking, and binary authorization.
Weitere Informationen
Sichern Sie sich ein Skill-Logo, indem Sie den Kurs Geschütztes Google Cloud-Netzwerk erstellen abschließen. Dabei lernen Sie verschiedene netzwerkbezogene Ressourcen kennen, mit denen Sie Ihre Anwendungen in Google Cloud erstellen, skalieren und schützen können.
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
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
In this Quest, the experienced user of Google Cloud will learn how to describe and launch cloud resources with Terraform, an open source tool that codifies APIs into declarative configuration files that can be shared amongst team members, treated as code, edited, reviewed, and versioned. In these nine hands-on labs, you will work with example templates and understand how to launch a range of configurations, from simple servers, through full load-balanced applications.
Weitere Informationen
Kubernetes ist das meistgenutzte System zur Orchestrierung von Containern. Die Google Kubernetes Engine wurde speziell für die Unterstützung verwalteter Kubernetes-Deployments in Google Cloud entwickelt. In diesem Kurs für Fortgeschrittene erfahren Sie, wie Sie Docker-Images und ‑Container konfigurieren und vollwertige Kubernetes Engine-Anwendungen bereitstellen. Sie erlernen die praktischen Fertigkeiten, die für die Einbindung der Containerorchestrierung in den eigenen Workflow erforderlich sind. Wenn Sie Ihre Fähigkeiten und Ihr Wissen unter Beweis stellen möchten, können Sie ein Challenge-Lab nach Abschluss des Kurses Kubernetes-Anwendungen in Google Cloud bereitstellen absolvieren, um ein exklusives digitales Google Cloud-Logo zu erhalten.
Weitere Informationen
Get started with Go (Golang) by reviewing Go code, and then creating and deploying simple Go apps on Google Cloud. Go is an open source programming language that makes it easy to build fast, reliable, and efficient software at scale. Go runs native on Google Cloud, and is fully supported on Google Kubernetes Engine, Compute Engine, App Engine, Cloud Run, and Cloud Functions. Go is a compiled language and is faster and more efficient than interpreted languages. As a result, Go requires no installed runtime like Node, Python, or JDK to execute.
Weitere Informationen
Sichern Sie sich ein Skill-Logo, indem Sie den Kurs Google Cloud-Infrastruktur erstellen – für AWS-Experten abschließen. In diesem Kurs lernen Sie, wie Sie die IAM-Berechtigung konfigurieren, Arbeitslasten mit Kubernetes orchestrieren, eine Webanwendung mit der Compute Engine hosten und das Load Balancing konfigurieren.
Weitere Informationen
Mit dem Skill-Logo Infrastruktur mit Terraform in Google Cloud erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Grundsätze von Infrastruktur als Code (IaC) unter Verwendung von Terraform, Bereitstellen und Verwalten von Google Cloud-Ressourcen mit Terraform-Konfigurationen, effektives Statusmanagement (lokal und remote) und die Modularisierung von Terraform-Code für Wiederverwendbarkeit und Organisation.
Weitere Informationen
Google Cloud Fundamentals for AWS Professionals introduces important concepts and terminology for working with Google Cloud. Through videos and hands-on labs, this course presents and compares many of Google Cloud's computing and storage services, along with important resource and policy management tools.
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
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.
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
