Teilnehmen Anmelden

mirza baig

Mitglied seit 2025

Bronze League

156 Punkte
Cloud Load Balancing in der Compute Engine implementieren Earned Jun 24, 2026 EDT
Kubernetes in Google Cloud verwalten Earned Jun 23, 2026 EDT
Umgebung für die Anwendungsentwicklung in Google Cloud einrichten Earned Jun 22, 2026 EDT
Serverlose Anwendungen in Cloud Run entwickeln Earned Jun 18, 2026 EDT
Software-Engineering von KI-Agenten mit dem Agent Development Kit (ADK) Earned Jun 15, 2026 EDT

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

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

Erhalten Sie ein Skill-Logo, indem Sie den Kurs „Umgebung für die Anwendungsentwicklung in Google Cloud einrichten“ abschließen. Dabei lernen Sie, wie Sie eine speicherorientierte Cloud-Infrastruktur mithilfe der grundlegenden Funktionen der folgenden Technologien erstellen und verbinden: Cloud Storage, Identity and Access Management, Cloud Functions und Pub/Sub.

Weitere Informationen

Mit dem Skill-Logo Serverlose Anwendungen in Cloud Run entwickeln weisen Sie Kenntnisse in den folgenden Bereichen nach: Cloud Run für Datenmanagement in Cloud Storage integrieren, mit Cloud Run und Pub/Sub die Architektur von asynchronen, ausfallsicheren Systemen erstellen, REST API-Gateways basierend auf Cloud Run aufbauen und Dienste auf Cloud Run entwickeln und bereitstellen.

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