Learn how to use Gemini Notebook to create a personalized study guide for the Professional Cloud Architect certification exam. You'll review Gemini Notebook features, create a notebook in Gemini Notebook, and learn how to use a study guide to practice for a certification exam.
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.
Mit dem Kurs „Zukunftsfähige Strategie: KI-Agenten entdecken, entwerfen und Prototypen erstellen“ werfen Sie einen Blick voraus. Sie lernen, wie Sie das Framework von Google für die Transformation mit agentischer KI nutzen und einen Fortschritt von reinen Chatbots hin zu autonomen Teammitgliedern erzielen. Anhand eines Anwendungsfalls aus dem Einzelhandel lernen Sie, den Geschäftswert zu quantifizieren, KI-Projekte zu priorisieren, kritische Nutzerpfade zu ermitteln und funktionale Prototypen mit No-Code-Tools wie Google AI Studio und Gemini Enterprise zu erstellen. Dieser Kurs bietet eine solide Roadmap, die für die Geschäftsführung sowie technische Führungskräfte notwendig ist, um ihr Unternehmen in das Zeitalter der agentischen KI zu leiten.
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.
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.
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.
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.
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.
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. Learners will get hands-on practice using Agent Platform Feature Store's streaming ingestion at the SDK layer.
In diesem Kurs lernen Sie, wie Sie mit Google Antigravity Software in rasantem Tempo entwickeln, indem Sie KI-Agenten orchestrieren. In diesem praxisorientierten Kurs erfahren Sie, wie Sie Antigravity installieren und verwenden. Als Nächstes aktivieren Sie mit Firebase Dienste für die Apps, die Sie mit Antigravity entwickeln. Zum Schluss entwickeln Sie das Videospiel „Voyager“, indem Sie KI-Agenten in Antigravity anweisen, parallel zu arbeiten.
Dieser Kurs bietet einen umfassenden Überblick über die Agentenplattformen von Google Cloud, einschließlich Vertex AI Agent Builder, Gemini Enterprise, Conversational Agents und Agent Development Kit. Die Teilnehmenden erfahren, welche einzigartigen Möglichkeiten die einzelnen Angebote bieten. Sie lernen, optimale Lösungen für spezifische Anwendungsfälle auseinanderzuhalten, und erwerben grundlegende Kenntnisse in der Erstellung von Such- und Chat-Anwendungen.
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.
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.
Mit dem Skill-Logo zum Kurs Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Erstellen von Pipelines für die Datentransformation nach BigQuery mithilfe von Dataprep von Trifacta; Extrahieren, Transformieren und Laden (ETL) von Workflows mit Cloud Storage, Dataflow und BigQuery; und Erstellen von Machine-Learning-Modellen mithilfe von BigQuery ML.
Mit dem Skill-Logo zum Kurs ML-Modelle mit BigQuery ML erstellen weisen Sie fortgeschrittene Kenntnisse in folgendem Bereich nach: Erstellen und Bewerten von Machine-Learning-Modellen mit BigQuery ML, um Datenvorhersagen zu treffen.
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.
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.
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.
Sie haben grundlegende LLM-Agenten erstellt, die auf Anfragen reagieren – jetzt machen wir sie zustandsorientiert. Mit dem Sitzungsstatus können Sie KI-Agenten erstellen, die im Kontext bleiben, Nutzerpräferenzen speichern und personalisierte Interaktionen ermöglichen. So werden aus zustandslosen Agenten, die einfach nur Antworten liefern, intelligente Assistenten. Beachten Sie auch die anderen Inhalte des Programms Gemini Enterprise Agent Ready (GEAR). In unserem Community-Forum können Sie sich mit anderen austauschen.
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.
Sie haben KI-Agenten mit erweiterten Konfigurationen entwickelt – machen Sie sie jetzt bereit für den realen Einsatz. Sie können Agenten mit Tools ausstatten, die eine Suche im Web, das Ausführen von Code, das Abfragen von Datenbanken und benutzerdefinierte Aktionen ermöglichen. Damit können diese Agenten nicht nur intelligente Antworten liefern, sondern Menschen direkt unterstützen. Beachten Sie auch die anderen Inhalte des Programms Gemini Enterprise Agent Ready (GEAR). In unserem Community-Forum können Sie sich mit anderen austauschen.
Sie haben Ihren ersten KI-Agenten erstellt – jetzt ist es an der Zeit, ihn weiterzuentwickeln. In diesem weiterführenden Kurs lernen Sie, wie Sie einen einfachen KI-Agenten in einen ausgereiften, präzisen Assistenten umwandeln – durch die Anwendung fortgeschrittener Anweisungen, eine passende Modellauswahl, Planungsfunktionen und Muster für strukturierte Ausgabe. Beachten Sie auch die anderen Inhalte des Programms Gemini Enterprise Agent Ready (GEAR). In unserem Community-Forum können Sie sich mit anderen austauschen.
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.
In diesem Modul können Sie Ihr Verständnis von KI-Agenten in die Praxis umsetzen und mit dem Agent Development Kit (ADK) von Google Ihren ersten KI-Agenten erstellen, konfigurieren und ausführen. In diesem praxisorientierten Kurs richten Sie zuerst eine vollständige ADK-Entwicklungsumgebung ein. Dann erstellen Sie KI-Agenten sowohl mit Python-Code als auch mit einer YAML-Konfiguration und führen diese über verschiedene Benutzeroberflächen aus. Außerdem lernen Sie die wichtigsten Parameter kennen, die das Verhalten von KI-Agenten definieren. Dazu wenden Sie das in Kurs 1 Gelernte auf funktionierenden Code an. Beachten Sie auch die anderen Inhalte des Programms Gemini Enterprise Agent Ready (GEAR).
Wie zeigen Ihnen, wie Sie mit dem Agent Development Kit (ADK). In diesem Kurs geht es um das Open-Source-Framework des ADKs. Sie werden von der einfachen Prompt-Entwicklung zu einem Code-First-Ansatz für strukturierte Softwareentwicklung geführt.
Die Kursreihe „Einführung in das Cloud-Computing von Google“ richtet sich an Personen mit wenigen bis gar keinen Vorkenntnissen oder Erfahrungen im Bereich Cloud-Computing. Sie bietet einen detaillierten Überblick über Cloud-Grundlagen, Big Data, maschinelles Lernen und die Rolle von Google Cloud in diesem Bereich. Am Ende der Kursreihe können Teilnehmende diese Konzepte erläutern und einige praktische Fähigkeiten demonstrieren. Die Kurse sollten in folgender Reihenfolge absolviert werden: 1. Einführung in das Cloud-Computing von Google: Cloud-Computing-Grundlagen 2. Einführung in das Cloud-Computing von Google: Infrastruktur in Google Cloud 3. Einführung in das Cloud-Computing von Google: Netzwerke und Sicherheit in Google Cloud 4. Einführung in das Cloud-Computing von Google: Daten, ML und KI in Google Cloud
Die Kursreihe „Einführung in das Cloud-Computing von Google“ richtet sich an Personen mit geringen oder gar keinen Vorkenntnissen oder Erfahrungen im Bereich Cloud Computing. Sie bietet einen detaillierten Überblick über Cloud-Grundlagen, Big Data, maschinelles Lernen und die Rolle von Google Cloud in diesem Bereich. Am Ende der Kursreihe können Teilnehmende diese Konzepte erläutern und einige praktische Fähigkeiten demonstrieren. Die Kurse sollten in folgender Reihenfolge absolviert werden: 1. Einführung in das Cloud-Computing von Google: Cloud-Computing-Grundlagen 2. Einführung in das Cloud-Computing von Google: Infrastruktur in Google Cloud 3. Einführung in das Cloud-Computing von Google: Netzwerke und Sicherheit in Google Cloud 4. Einführung in das Cloud-Computing von Google: Daten, ML und KI in Google Cloud Diese Kursreihe bietet einen Überblick über Cloud-Computing, verschiedene Nutzungsmöglichkeiten von Google Cloud und verschiedene Computing-Optionen.