Teilnehmen Anmelden

Volodymyr Bordovskyi

Mitglied seit 2023

Gold League

16273 Punkte
Agent-Verhalten optimieren Earned Apr 15, 2026 EDT
Den ersten Agent mit dem Agent Development Kit (ADK) erstellen Earned Apr 10, 2026 EDT
Agents mit dem Agent Development Kit (ADK) erstellen Earned Apr 3, 2026 EDT
Grundlagen zu KI-Agenten Earned Apr 3, 2026 EDT
Bigtable-Instanzen erstellen und verwalten Earned Okt 25, 2023 EDT
Cloud Spanner-Instanzen erstellen und verwalten Earned Okt 20, 2023 EDT
LookML-Objekte in Looker erstellen Earned Okt 16, 2023 EDT
Freigegebene Daten über die Daten-Cloud von Google nutzen Earned Okt 13, 2023 EDT
Erste Schritte mit Looker Earned Okt 13, 2023 EDT
Daten für Looker-Dashboards und ‑Berichte vorbereiten Earned Okt 12, 2023 EDT
Generative AI Fundamentals Earned Sep 27, 2023 EDT
Einführung in die verantwortungsbewusste Anwendung von KI Earned Sep 27, 2023 EDT
Einführung in Large Language Models Earned Sep 27, 2023 EDT
Informationen aus BigQuery-Daten ableiten Earned Sep 27, 2023 EDT
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten Earned Aug 8, 2023 EDT
Data Warehouse mit BigQuery erstellen Earned Jul 18, 2023 EDT
Serverless Data Processing with Dataflow: Foundations Earned Jul 10, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud Earned Jun 18, 2023 EDT
Build Streaming Data Pipelines on Google Cloud Earned Jun 12, 2023 EDT
Build Batch Data Pipelines on Google Cloud Earned Jun 6, 2023 EDT
Build Data Lakes and Data Warehouses on Google Cloud Earned Jun 2, 2023 EDT

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.

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. Beachten Sie auch die anderen Inhalte des Programms Gemini Enterprise Agent Ready (GEAR).

Weitere Informationen

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.

Weitere Informationen

Dieser Kurs behandelt die Grundlagen zu KI‑Agenten und zeigt, welchen Mehrwert sie für die Praxis bieten. Er bietet eine Wissensgrundlage für Personen in der Softwareentwicklung und -Architektur sowie für alle, die technische Entscheidungen fällen müssen und KI‑Systeme im Kontext von selbstständigen, zielorientierten Handlungen verstehen möchten.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Bigtable-Instanzen erstellen und verwalten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Instanzen erstellen, Schemas entwerfen, Daten abfragen und Verwaltungsaufgaben in Bigtable ausführen (unter anderem Leistung überwachen sowie Autoscaling und Replikation von Knoten konfigurieren).

Weitere Informationen

Mit dem Skill-Logo zum Kurs Cloud Spanner-Instanzen erstellen und verwalten für Einsteigerinnen und Einsteiger weisen Sie Kenntnisse in folgenden Bereichen nach: Cloud Spanner-Instanzen und ‑Datenbanken erstellen und sie verwenden; Cloud Spanner-Datenbanken über verschiedene Verfahren laden; Cloud Spanner-Datenbanken sichern, Datenbankschemas definieren und Abfragepläne verstehen sowie eine moderne Web-App bereitstellen, die mit einer Cloud Spanner-Instanz verbunden ist.

Weitere Informationen

Mit dem Skill-Logo zum Einsteigerkurs LookML-Objekte in Looker erstellen weisen Sie Kenntnisse über Folgendes nach: neue Dimensionen und Messwerte, Ansichten und abgeleitete Tabellen erstellen, Messwertfilter und Typen basierend auf Anforderungen festlegen, Dimensionen und Messwerte aktualisieren, Explores erstellen und verfeinern, Ansichten mit vorhandenen Explores verknüpfen und entscheiden, welche LookML- Objekte aufgrund von Geschäftsanforderungen erstellt werden sollen.

Weitere Informationen

Holen Sie sich ein Skill-Logo, indem Sie den Kurs Freigegebene Daten über die Daten-Cloud von Google nutzen abschließen. In diesem Kurs erwerben Sie praktische Kenntnisse mit Google Cloud-Partnern für die Datenfreigabe, die eigene Datasets haben, die Kundinnen und Kunden für ihre Anwendungsfälle in der Analyse verwenden können. Kundinnen und Kunden können diese Daten abonnieren, sie in ihrer eigenen Plattform abfragen und um ihre eigenen Datasets erweitern sowie ihre Visualisierungstools für kundenorientierte Dashboards verwenden.

Weitere Informationen

Sichern Sie sich ein Skill-Logo, indem Sie die Aufgabenreihe Erste Schritte mit Looker abschließen. Dabei lernen Sie, wie Sie Daten mit Looker Studio und Looker analysieren, visualisieren und kuratieren.

Weitere Informationen

MMit dem Skill-Logo zum Kurs Daten für Looker-Dashboards und ‑Berichte vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Filtern, Sortieren und Pivotieren von Daten, Zusammenführen der Ergebnisse von verschiedenen Looker-Explores sowie Verwenden von Funktionen und Operatoren zum Erstellen von Looker-Dashboards und ‑Berichten für Analyse und Visualisierung von Daten.

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 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

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 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 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

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

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

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

While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.

Weitere Informationen