Teilnehmen Anmelden

Tushar Patil

Mitglied seit 2025

Gold League

3967 Punkte
KI‑Infrastruktur: Netzwerktechniken Earned Jun 23, 2026 EDT
KI-Infrastruktur: Speicheroptionen Earned Jun 23, 2026 EDT
KI-Infrastruktur: Bereitstellungsarten Earned Jun 23, 2026 EDT
KI-Infrastruktur: Cloud TPUs Earned Jun 23, 2026 EDT
KI-Infrastruktur: Cloud-GPUs Earned Jun 23, 2026 EDT
KI-Infrastruktur: Einführung in AI Hypercomputer Earned Jun 23, 2026 EDT
Machine Learning Operations (MLOps) mit Vertex AI: Modellbewertung Earned Jun 16, 2026 EDT
DevOps – Grundlagen Earned Jun 16, 2026 EDT
Machine Learning Operations (MLOps) für generative KI Earned Jun 4, 2026 EDT

Willkommen zum Kurs „KI-Infrastruktur: Netzwerktechniken“. In diesem Kurs lernen Sie, die Infrastruktur von Google Cloud mit hoher Bandbreite und geringer Latenz zu nutzen, um die Datenübermittlung und die Kommunikation zwischen allen Komponenten Ihres KI-Systems zu optimieren. Am Ende sind Sie in der Lage, die wichtige Rolle von Netzwerken in der gesamten KI-Pipeline – von der Datenaufnahme über das Training bis hin zur Inferenz – zu verstehen und Best Practices anzuwenden, um dafür zu sorgen, dass Ihre Workloads mit maximaler Geschwindigkeit ausgeführt werden.

Weitere Informationen

In diesem Kurs erhalten Sie einen umfassenden Überblick über die Speicherlösungen von Google Cloud, die speziell auf KI- und Hochleistungs-Computing-Arbeitslasten (HPC-Arbeitslasten) zugeschnitten sind. Sie erfahren, wie Sie für jede Phase des ML-Lebenszyklus den richtigen Speicher auswählen. Sie lernen, wie Sie die I/O-Leistung während des Trainings optimieren, riesige Datasets im Rahmen der Datenvorbereitung verwalten und Modellartefakte mit geringer Latenz bereitstellen. Anhand praktischer Beispiele und Demonstrationen erwerben Sie das nötige Fachwissen, um solide Speicherlösungen zu entwickeln, die Ihre KI-Innovationen beschleunigen.

Weitere Informationen

Dieser Kurs bietet einen umfassenden Leitfaden zum Bereitstellen, Verwalten und Optimieren von KI- und HPC-Arbeitslasten (Hochleistungs-Computing) auf Google Cloud. In einer Reihe von Lektionen und praktischen Demonstrationen lernen Sie verschiedene Bereitstellungsstrategien kennen – von hochgradig anpassbaren Umgebungen mit der Google Compute Engine (GCE) bis hin zu verwalteten Lösungen wie der Google Kubernetes Engine (GKE). Dabei lernen Sie, wie Sie Cluster erstellen und GKE für Inferenzprozesse bereitstellen.

Weitere Informationen

Willkommen beim Kurs „Cloud TPUs“. Wir sehen uns die Vor- und Nachteile von TPUs in verschiedenen Szenarien an und vergleichen unterschiedliche TPU-Beschleuniger, um Ihnen bei der Auswahl des richtigen Produkts zu helfen. Sie lernen Strategien zur Maximierung der Leistung und Effizienz Ihrer KI-Modelle sowie die Bedeutung der GPU/TPU-Interoperabilität für flexible Machine-Learning-Workflows kennen. Mithilfe ansprechender Inhalte und praktischer Demos zeigen wir Ihnen Schritt für Schritt, wie Sie TPUs effektiv einsetzen können.

Weitere Informationen

Möchten Sie mehr über die leistungsstarke Hardware hinter KI erfahren? Dieses Modul erklärt die Funktionsweise von leistungsoptimierten KI-Computern und zeigt Ihnen, warum sie so wichtig sind. Wir gehen dabei darauf ein, wie CPUs, GPUs und TPUs die Ausführung von KI-Aufgaben extrem beschleunigen, was die einzelnen Komponenten auszeichnet und wie deren Potenzial durch KI-Software optimal genutzt werden kann. Am Ende dieses Moduls wissen Sie genau, wie Sie die richtige GPU für Ihre KI-Projekte auswählen, und können so die optimale Lösung für Ihre KI-Workloads finden.

Weitere Informationen

Sind Sie bereit, mit AI Hypercomputer loszulegen? Dieser Grundlagenkurs erleichtert Ihnen den Einstieg. Er vermittelt Ihnen, was AI Hypercomputer ist und wie damit KI bei KI-Arbeitslasten unterstützt wird. Sie lernen die verschiedenen Komponenten eines Hypercomputers kennen, wie GPUs, TPUs und CPUs, und erfahren, wie Sie den richtigen Ansatz hinsichtlich der Bereitstellung Ihren Anforderungen entsprechend auswählen.

Weitere Informationen

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.

Weitere Informationen

Verschaffen Sie sich einen Wettbewerbsvorteil durch DevOps. DevOps ist eine organisationsbezogene und kulturelle Bewegung, deren Ziel darin besteht, Software schneller bereitzustellen, die Zuverlässigkeit der Dienste zu verbessern und ein gemeinsames Verantwortungsbewusstsein unter den Software-Stakeholdern aufzubauen. In diesem Kurs erfahren Sie, wie Sie mit Google Cloud die Geschwindigkeit, Stabilität, Verfügbarkeit und Sicherheit bei der Softwarebereitstellung verbessern. DevOps Research and Assessment ist jetzt Teil von Google Cloud. Wie sieht es bei Ihrem Team aus? Absolvieren Sie dieses Multiple-Choice-Quiz mit fünf Fragen und finden Sie es heraus!

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