Bhavik Parmar
Mitglied seit 2021
Data Mesh mit Knowledge Catalog aufbauen
Earned Aug 7, 2026 EDT
Workflows mit mehreren KI-Agenten mit Gemini Enterprise orchestrieren
Earned Aug 3, 2026 EDT
Software-Engineering von KI-Agenten mit dem Agent Development Kit (ADK)
Earned Aug 3, 2026 EDT
KI-Agenten in der Produktion erstellen und bereitstellen
Earned Aug 3, 2026 EDT
Agentische Funktionen über Tools hinzufügen
Earned Aug 3, 2026 EDT
Agent-Speicher und ‑Zustand verwalten
Earned Jul 31, 2026 EDT
Agent-Verhalten optimieren
Earned Jul 29, 2026 EDT
Den ersten Agent mit dem Agent Development Kit (ADK) erstellen
Earned Jul 29, 2026 EDT
Ihre Organisation mit generativen KI-Agenten voranbringen
Earned Jul 27, 2026 EDT
KI, bei der der Mensch im Mittelpunkt steht
Earned Jul 24, 2026 EDT
AI Boost Bites: Guided Learning with Gemini
Earned Jul 24, 2026 EDT
Model Armor: KI-Bereitstellungen absichern
Earned Jan 23, 2026 EST
Generative KI-Anwendungen mit Gemini und Streamlit entwickeln
Earned Jan 23, 2026 EST
Auf generativer KI basierende Anwendungen in Google Cloud entwickeln
Earned Dez 16, 2025 EST
Build a Certification Study Guide: PDE Exam Prep
Earned Aug 4, 2023 EDT
[DEPRECATED] Data Engineering
Earned Jul 31, 2023 EDT
Serverless Data Processing with Dataflow: Foundations
Earned Jul 3, 2023 EDT
Data Warehouse mit BigQuery erstellen
Earned Jul 2, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud
Earned Jun 25, 2023 EDT
Build Streaming Data Pipelines on Google Cloud
Earned Jun 13, 2023 EDT
Daten für ML-APIs in Google Cloud vorbereiten
Earned Jun 11, 2023 EDT
Build Batch Data Pipelines on Google Cloud
Earned Jun 5, 2023 EDT
[DEPRECATED] Google Cloud Big Data and Machine Learning Fundamentals
Earned Mai 27, 2023 EDT
Cloud Load Balancing in der Compute Engine implementieren
Earned Jan 1, 2022 EST
Mit dem Skill-Logo Data Mesh mit Knowledge Catalog aufbauen weisen Sie die folgenden Kenntnisse nach: Aufbauen eines Data Mesh mit Knowledge Catalog für mehr Datensicherheit, Governance und Discovery in Google Cloud. Sie fördern und testen Ihre Fähigkeiten beim Tagging von Assets, Zuweisen von IAM-Rollen und Bewerten der Datenqualität in Knowledge Catalog.
Weitere Informationen
Mit dem Skill-Logo Workflows mit mehreren KI-Agenten mit Gemini Enterprise orchestrieren weisen Sie nach, dass Sie Folgendes können: KI-Agenten auf Basis von Gemini Enterprise verwenden, um Daten aus internen und externen Quellen zusammenzuführen, Multimedia-Marketingmaterialien zu entwickeln und Geschäftsabläufe systemübergreifend zu automatisieren.
Mit Skill-Logos weisen Sie Ihr Wissen zu bestimmten Produkten im Rahmen praxisorientierter Labs und Challenge-Prüfungen nach. Absolvieren Sie einen Kurs, um ein Logo zu erhalten, oder nehmen Sie an einem Challenge-Lab teil, damit Sie Ihr Logo noch heute bekommen. Mit Logos können Sie Kenntnisse nachweisen, Ihr berufliches Profil schärfen und so Ihre Karrierechancen verbessern. Die bisher erhaltenen Logos können Sie in Ihrem Profil ansehen.
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
In diesem Kurs lernen Sie die Architektur und Bereitstellung von Multi-Agenten-Systemen mit dem Agent Development Kit (ADK) von Google und der umfassenden Infrastruktur von Google Cloud kennen. Sie erfahren, wie Sie hierarchische KI-Agentenbäume und deterministische Workflow-Agenten entwerfen und die ideale Hosting-Umgebung ermitteln – von serverlosem Cloud Run bis hin zur leistungsstarken GKE – und sorgen auf diese Weise dafür, dass Ihre KI-Agenten sicher, skalierbar und produktionsreif sind.
Weitere Informationen
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.
Weitere Informationen
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.
Weitere Informationen
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.
In unserem Community-Forum können Sie sich mit anderen austauschen.
Weitere Informationen
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.
Weitere Informationen
„Ihre Organisation mit generativen KI-Agenten voranbringen“ ist der fünfte und letzte Kurs des Lernpfads „Gen AI Leader“. In diesem Kurs erfahren Sie, wie Unternehmen mit benutzerdefinierten generativen KI-Agenten spezifische geschäftliche Herausforderungen meistern können. Sie lernen, wie Sie einen einfachen Agenten für generative KI erstellen, und machen sich mit den Komponenten dieser Agenten vertraut, z. B. mit Modellen, Reasoning Loops und Tools.
Weitere Informationen
Erfahren Sie mehr über den wichtigen Übergang von aufgabenorientierten Workflows zu einer KI-Orchestrierung, bei der der Mensch im Mittelpunkt steht.
Weitere Informationen
In this video, you'll learn to use the Guided Learning experience in Gemini to build a deep understanding of any topic. You'll see how to start a conversation, engage with Gemini's probing questions, and use interactive tools like diagrams and quizzes to guide your learning journey.
Weitere Informationen
In diesem Kurs werden die wichtigsten Sicherheitsfunktionen von Model Armor vorgestellt. Außerdem lernen Sie, wie Sie den Dienst nutzen können. Sie erfahren mehr über die Sicherheitsrisiken, die mit LLMs verbunden sind, und wie Model Armor Ihre KI-Anwendungen schützt.
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 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
Learn how to use Gemini Notebook to create a personalized study guide for the Professional Data Engineer 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.
Weitere Informationen
This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.
Weitere Informationen
This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.
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
Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.
Weitere Informationen
In this course you will get hands-on in order to work through real-world challenges faced when building streaming data pipelines. The primary focus is on managing continuous, unbounded data with Google Cloud products.
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 this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting.
Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.
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 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
