The Google Skills platform will be unavailable for approximately 20 minutes on Sunday, November 8, starting at 7:00 PM EST (12:00 AM UTC, Nov 9). If you have any questions, please contact support-skills@google.com
Vlad Lisovskyi
Mitglied seit 2023
Gold League
36018 Punkte
Serverlose APIs mit API Gateway bereitstellen und sichern
Earned Nov 21, 2025 EST
Generative KI-Anwendungen mit Gemini und Streamlit entwickeln
Earned Nov 10, 2025 EST
Rich-Dokumente mit Gemini Multimodal und Multimodal RAG untersuchen
Earned Nov 6, 2025 EST
Praxisorientierte KI-Anwendungen mit Gemini und Imagen entwickeln
Earned Okt 21, 2024 EDT
Generative KI in Agent Platform nutzen
Earned Okt 21, 2024 EDT
Prompt-Design mit Agent Platform
Earned Okt 21, 2024 EDT
Generative KI kennenlernen – Agent Platform
Earned Mär 29, 2024 EDT
Bilder mit der Cloud Vision API analysieren
Earned Mär 27, 2024 EDT
Sprache und Text mit Google APIs analysieren
Earned Mär 26, 2024 EDT
Aufmerksamkeitsmechanismus
Earned Mär 26, 2024 EDT
Einstieg in die Bildgenerierung
Earned Mär 26, 2024 EDT
Sprachlösungen mit vortrainierten APIs implementieren
Earned Mär 26, 2024 EDT
Sentimentanalyse mit der Natural Language API
Earned Mär 25, 2024 EDT
Datenerfassung mit Document AI automatisieren
Earned Mär 25, 2024 EDT
Build Custom Processors with Document AI [Deprecated]
Earned Mär 25, 2024 EDT
Generative AI Fundamentals
Earned Mär 6, 2024 EST
Einführung in die verantwortungsbewusste Anwendung von KI
Earned Mär 6, 2024 EST
Einführung in generative KI
Earned Mär 6, 2024 EST
Einführung in Large Language Models
Earned Mär 6, 2024 EST
MLOps with Agent Platform: Manage Features
Earned Feb 27, 2024 EST
ML Pipelines on Google Cloud
Earned Feb 27, 2024 EST
Machine Learning in the Enterprise
Earned Feb 22, 2024 EST
Einführung in KI und maschinelles Lernen in Google Cloud
Earned Feb 20, 2024 EST
Production Machine Learning Systems
Earned Apr 21, 2023 EDT
[DEPRECATED] Feature Engineering
Earned Apr 18, 2023 EDT
Machine Learning Operations (MLOps): Getting Started
Earned Apr 14, 2023 EDT
Recommendation Systems on Google Cloud
Earned Apr 14, 2023 EDT
Natural Language Processing on Google Cloud
Earned Apr 13, 2023 EDT
[Depricated] Build, Train and Deploy ML Models with Keras on Google Cloud
Earned Apr 13, 2023 EDT
Computer Vision Fundamentals with Google Cloud
Earned Apr 13, 2023 EDT
Launching into Machine Learning
Earned Apr 12, 2023 EDT
How Google Does Machine Learning
Earned Apr 4, 2023 EDT
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals
Earned Mär 31, 2023 EDT
Website in Google Cloud erstellen
Earned Mär 31, 2023 EDT
CI/CD-Pipelines in Google Cloud umsetzen
Earned Mär 30, 2023 EDT
Umgebung für die Anwendungsentwicklung in Google Cloud einrichten
Earned Mär 28, 2023 EDT
Bilder mit TensorFlow in Google Cloud klassifizieren
Earned Mär 28, 2023 EDT
Automate Interactions with Contact Center AI
Earned Mär 27, 2023 EDT
Data Warehouse mit BigQuery erstellen
Earned Mär 16, 2023 EDT
ML-Modelle mit BigQuery ML erstellen
Earned Mär 15, 2023 EDT
Prädiktive Datenanalyse in BigQuery durchführen
Earned Mär 14, 2023 EDT
APIs für Machine Learning in Google Cloud verwenden
Earned Mär 13, 2023 EDT
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten
Earned Mär 7, 2023 EST
ML-Lösungen mit Vertex AI erstellen und bereitstellen
Earned Mär 6, 2023 EST
DEPRECATED Detect Manufacturing Defects Using Visual Inspection AI
Earned Mär 6, 2023 EST
Informationen aus BigQuery-Daten ableiten
Earned Mär 2, 2023 EST
Daten für ML-APIs in Google Cloud vorbereiten
Earned Mär 1, 2023 EST
Cloud Load Balancing in der Compute Engine implementieren
Earned Feb 23, 2023 EST
Sichern Sie sich ein Skill-Logo, indem Sie die Aufgabenreihe Serverlose APIs mit API Gateway bereitstellen und sichern abschließen. Dort lernen Sie, wie Sie mit dem vollständig verwalteten API Gateway APIs bereitstellen, schützen und verwalten.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Generative KI-Anwendungen mit Gemini und Streamlit entwickeln weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Texterstellung, Anwendung von Funktionsaufrufen mit dem Python SDK und der Gemini API und Bereitstellung einer Streamlit-Anwendung mit Cloud Run. Dabei lernen Sie, wie Sie mithilfe von Gemini und entsprechenden Prompts Text erstellen, Cloud Shell zum Testen und Iterieren einer Streamlit-Anwendung nutzen und diese Anwendung dann als Docker-Container zur Bereitstellung in Cloud Run verpacken.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Rich-Dokumente mit Gemini Multimodal und Multimodal RAG untersuchen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Verwenden von multimodalen Prompts, um Informationen aus Text- und Bilddaten zu gewinnen; Erstellen einer Videobeschreibung und Abrufen von zusätzlichen, über das Video hinausgehenden Informationen unter Verwendung von Multimodalität mit Gemini; Erstellen von Metadaten von Dokumenten mit Text und Bildern; Ermitteln aller relevanten Textabschnitte und Drucken von Zitationen durch Nutzung von multimodaler Retrieval-Augmented Generation (RAG) mit Gemini.
Weitere Informationen
Mit dem Skill-Logo „Praxisorientierte KI-Anwendungen mit Gemini und Imagen entwickeln“ weisen Sie Grundkenntnisse
in folgenden Bereichen nach: Bilderkennung, Natural Language Processing, Bildgenerierung mit den leistungsstarken
Gemini- und Imagen-Modellen von Google sowie Bereitstellen von Anwendungen auf der Vertex AI-Plattform.
Weitere Informationen
Mit dem Skill-Logo Generative KI in Agent Platform nutzen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Textgenerierung, Bild- und Videoanalyse für eine verbesserte Erstellung von Inhalten und die Verwendung von Funktionsaufrufen in der Gemini API. Sie erfahren, wie Sie ausgefeilte Gemini-Techniken einsetzen, multimodale Inhalte erstellen und in KI-Projekten noch mehr Möglichkeiten nutzen können.
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
Der Kurs „Generative KI kennenlernen – Agent Platform“ umfasst eine Reihe von Labs zur Verwendung von generativer KI in Google Cloud. In den Labs lernen Sie, wie Sie die Gemini-Modelle in der Agent Platform verwenden. Sie erfahren, wie Sie Prompts erstellen, Best Practices anwenden und die Modelle für Ideenfindung, Textklassifizierung, Textextraktion, Textzusammenfassung und mehr nutzen. Außerdem zeigen wir Ihnen, wie Sie ein Foundation Model durch benutzerdefiniertes Training in der Agent Platform abstimmen und auf einem Endpunkt in der Agent Platform bereitstellen.
Weitere Informationen
Sichern Sie sich ein Skill-Logo für den Kurs Bilder mit der Cloud Vision API analysieren. Darin erfahren Sie, wie Sie die Cloud Vision API für verschiedene Aufgaben nutzen können, zum Beispiel zum Extrahieren von Text aus Bildern.
Weitere Informationen
Sichern Sie sich ein Skill-Logo, indem Sie die Aufgabenreihe Sprache und Text mit Google APIs analysieren abschließen, in der Sie lernen, wie Sie die Natural Language API und die Speech API in praxisnahen Umgebungen einsetzen.
Weitere Informationen
In diesem Kurs wird der Aufmerksamkeitsmechanismus vorgestellt. Dies ist ein leistungsstarkes Verfahren, das die Fokussierung neuronaler Netzwerke auf bestimmte Abschnitte einer Eingabesequenz ermöglicht. Sie erfahren, wie der Aufmerksamkeitsmechanismus funktioniert und wie Sie damit die Leistung verschiedener Machine Learning-Tasks wie maschinelle Übersetzungen, Zusammenfassungen von Texten und Question Answering verbessern können.
Weitere Informationen
In diesem Kurs werden Diffusion-Modelle vorgestellt, eine Gruppe verschiedener Machine Learning-Modelle, die kürzlich einige vielversprechende Fortschritte im Bereich Bildgenerierung gemacht haben. Diffusion-Modelle basieren auf physikalischen Konzepten der Thermodynamik und sind in den letzten Jahren in der Forschung und Industrie sehr beliebt geworden. Dabei stützen sich Diffusion-Modelle auf viele innovative Modelle und Tools zur Bildgenerierung in Google Cloud. In diesem Kurs werden Ihnen die theoretischen Grundlagen der Diffusion-Modelle erläutert und wie Sie diese Modelle über Vertex AI trainieren und bereitstellen können.
Weitere Informationen
Verdienen Sie das Skill Badge, indem Sie den Kurs Sprachlösungen mit vortrainierten APIs implementieren absolvieren, in dem Sie lernen, wie Sie sprachbezogene API-Tools verwenden, um Sprache zu synthetisieren und zu transkribieren.
Weitere Informationen
Erhalten Sie ein Skill-Logo, für den Abschluss der Aufgabenreihe Sentimentanalyse mit der Natural Language API, in der Sie lernen, wie die API die Stimmung eines Textes bestimmt.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Datenerfassung mit Document AI automatisieren weisen Sie Grundkenntnisse nach. In diesem Kurs lernen Sie, wie Sie mit Document AI Daten extrahieren, verarbeiten und erheben.
Weitere Informationen
Earn a skill badge by completing the Build Custom Processors with Document AI course. You learn how to extract data and classify documents by creating custom ML models specific to your business needs. This course teaches the foundation skills of building your own processors, working with optical character recognition, form parsing, processor creation, and uptraining the DocumentAI model.
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 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
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
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.
Weitere Informationen
In this course, you will be learning from ML Engineers and Trainers who work with the state-of-the-art development of ML pipelines here at Google Cloud. The first few modules will cover about TensorFlow Extended (or TFX), which is Google’s production machine learning platform based on TensorFlow for management of ML pipelines and metadata. You will learn about pipeline components and pipeline orchestration with TFX. You will also learn how you can automate your pipeline through continuous integration and continuous deployment, and how to manage ML metadata. Then we will change focus to discuss how we can automate and reuse ML pipelines across multiple ML frameworks such as tensorflow, pytorch, scikit learn, and xgboost. You will also learn how to use another tool on Google Cloud, Cloud Composer, to orchestrate your continuous training pipelines. And finally, we will go over how to use MLflow for managing the complete machine learning life cycle.
Weitere Informationen
This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing.
The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.
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
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 explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.
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
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 covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.
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
The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.
Weitere Informationen
This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models.
The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.
Weitere Informationen
This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Website in Google Cloud erstellen weisen Sie Grundkenntnisse nach. Dieser Kurs basiert auf der Videoreihe Get Cooking in Cloud und behandelt folgende Themen:Website in Cloud Run bereitstellenWebanwendung in Compute Engine hostenWebsite in der Google Kubernetes Engine erstellen, bereitstellen und skalierenVon einer monolithischen Anwendung zu einer Microservices-Architektur mit Cloud Build migrieren
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
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 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
Earn a skill badge by completing the Automate Interactions with Contact Center AI quest, where you will learn about the features of Contact Center AI, including how to Build a virtual agent, Design conversation flows for your virtual agent; Add a phone gateway to your virtual agent; Use Dialogflow for troubleshooting; Review logs and debug your virtual agent. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the skill badge quest, and final assessment challenge lab, to receive a digital badge that you can share with your network.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Data Warehouse mit BigQuery erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Daten zusammenführen, um neue Tabellen zu erstellen, Probleme mit Joins lösen, Daten mit Unions anhängen, nach Daten partitionierte Tabellen erstellen und JSON, Arrays sowie Strukturen in BigQuery nutzen.
Weitere Informationen
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.
Weitere Informationen
Mit dem Skill-Logo zum Fortgeschrittenen-Kurs Prädiktive Datenanalyse in BigQuery durchführen weisen Sie Kenntnisse in folgenden Bereichen nach: Datasets in BigQuery erstellen durch Importieren von CSV- und JSON-Dateien; Leistungsfähigkeit von BigQuery mit ausgefeilten SQL-Analysekonzepten nutzen, einschließlich BigQuery ML zum Trainieren eines Modells für Torvorhersagen auf Grundlage von Fußballereignisdaten und zum Bewerten der Besonderheit von WM-Toren.
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
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.
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
Earn a skill badge by completing the Detect Manufacturing Defects using Visual Inspection AI course, where you learn how to use Visual Inspection AI to deploy a solution artifact and test that it can successfully identify defects in a manufacturing process.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Informationen aus BigQuery-Daten ableiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Schreiben von SQL-Abfragen, Abfragen öffentlicher Tabellen, Laden von Beispieldaten in BigQuery, Beheben häufig auftretender Syntaxfehler mithilfe der Abfragevalidierung in BigQuery und Erstellen von Berichten in Data Studio durch Herstellen einer Verbindung zu BigQuery-Daten.
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
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
