sarvesh Mhatre
Mitglied seit 2026
Gold League
11841 Punkte
AI Boost Bites: 3D-Sonnensystem erstellen
Earned Okt 24, 2026 EDT
Agent-Speicher und ‑Zustand verwalten
Earned Okt 24, 2026 EDT
Agent-Verhalten optimieren
Earned Okt 17, 2026 EDT
Software-Engineering von KI-Agenten mit dem Agent Development Kit (ADK)
Earned Aug 29, 2026 EDT
Den ersten Agent mit dem Agent Development Kit (ADK) erstellen
Earned Aug 7, 2026 EDT
Die erste Gemini Enterprise-Anwendung erstellen
Earned Jul 6, 2026 EDT
Enterprise-Agents und deren Anwendungsfälle
Earned Jul 6, 2026 EDT
Grundlagen zu KI-Agenten
Earned Jul 5, 2026 EDT
Einführung in Agents
Earned Jul 3, 2026 EDT
Natural Language Processing on Google Cloud
Earned Mär 21, 2026 EDT
Transformer-Modelle und BERT-Modell
Earned Mär 18, 2026 EDT
Google DeepMind: Ein kleines Sprachmodell trainieren
Earned Mär 17, 2026 EDT
Google DeepMind: 07 Accelerate Your Model
Earned Mär 17, 2026 EDT
Google DeepMind: 05 Fine-Tune Your Model
Earned Mär 17, 2026 EDT
Google DeepMind: 04 Discover The Transformer Architecture
Earned Mär 17, 2026 EDT
Google DeepMind: 03 Design And Train Neural Networks
Earned Mär 17, 2026 EDT
Google DeepMind: 02 Represent Your Language Data
Earned Mär 17, 2026 EDT
Google DeepMind: 01 Build Your Own Small Language Model
Earned Mär 17, 2026 EDT
In diesem Video erfahren Sie, wie Sie mit einfachen Text-Prompts in Gemini Canvas eine interaktive 3D-Simulation des Sonnensystems erstellen und pädagogische Funktionen hinzufügen.
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.
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
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 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
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.
Weitere Informationen
Erfahren Sie, wie KI-Agenten den Geschäftserfolg steigern können. Anschließend erfahren Sie, wie Gemini Enterprise Sie in die Lage versetzt, die richtigen KI-Agenten zu erstellen und zu orchestrieren – von No-Code- bis hin zu High-Code-Lösungen.
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
Sie erhalten einen konzeptionellen Überblick über KI-Agenten. Wir zeigen Ihnen, wie KI-Agenten autonomes Handeln und logisches Denken nutzen, um komplexe Probleme zu lösen.
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
Dieser Kurs bietet eine Einführung in die Transformer-Architektur und das BERT-Modell (Bidirectional Encoder Representations from Transformers). Sie lernen die Hauptkomponenten der Transformer-Architektur wie den Self-Attention-Mechanismus kennen und erfahren, wie Sie diesen zum Erstellen des BERT-Modells verwenden. Darüber hinaus werden verschiedene Aufgaben behandelt, für die BERT genutzt werden kann, wie etwa Textklassifizierung, Question Answering und Natural-Language-Inferenz. Der gesamte Kurs dauert ungefähr 45 Minuten.
Weitere Informationen
Mit dem Skill-Logo zum Kurs Google DeepMind: Ein kleines Sprachmodell trainieren 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. Sie können kostenlos auf dieses Lab zugreifen, wenn Sie sich für das kostenlose Abo registrieren. Sie erhalten jeden Monat 35 kostenlose Guthabenpunkte!
Weitere Informationen
Train more powerful models with a single GPU. In this course, you will learn how hardware can speed up model training and the key considerations when training models on a GPU. First, you will learn how to estimate the number of computations and the amount of computer memory required to train large neural networks. You will then discover techniques for reducing the computing and memory requirements when training a model. Techniques which you will apply for fine-tuning a Gemma model with 4 billion parameters. Finally, you will consider the potential environmental impacts of machine learning, with a focus on where questions of energy, water, and e-waste intersect with justice and equity.
Weitere Informationen
Unleash the power of language models with fine-tuning. In this course, you will learn how to adjust a pre-trained model to a specific task. You will start with full-parameter fine-tuning using a small language model. To tune larger models like Gemma, you will learn parameter-efficient techniques with a focus on LoRA. Finally, you will be briefly introduced to reinforcement learning as an alternative to supervised fine-tuning (SFT). You will also explore how AI is imagined and made sense of in cultural contexts. You will consider why responsible AI is not just about technical safety but also about building governance systems that reflect community values and protect the public interest.
Weitere Informationen
In this Google DeepMind course you will discover the mechanisms of the transformer architecture. You will investigate how transformer language models process prompts to make context-sensitive next-token predictions. Through practical activities you will explore the attention mechanism, visualize attention weights, and encounter advanced concepts like masked attention and multi-head attention. You will also learn other techniques that are necessary to build neural networks that are well-suited to be used as language models. Finally, through activities on values, stakeholder mapping and community engagement, you will practice concrete tools for ensuring AI projects are developed with communities, not just for them.
Weitere Informationen
In this Google DeepMind course you will focus on the training process for machine learning models. You will learn how to spot and mitigate issues when training a model, such as overfitting and underfitting. In practical coding labs, you will implement and evaluate the multilayer perceptron for simple classification tasks. This will provide insights into the mechanics of training a neural network model and the backpropagation algorithm. Research case studies will demonstrate how neural networks power real-world models. Additionally, you will consider the broader social impacts of innovation by looking beyond immediate benefits to anticipate potential risks, safety concerns, and further-reaching societal consequences.
Weitere Informationen
In this Google DeepMind course you will learn how to prepare text data for language models to process. You will investigate the tools and techniques used to prepare, structure, and represent text data for language models, with a focus on tokenization and embeddings. You will be encouraged to think critically about the decisions behind data preparation, and what biases within the data may be introduced into models. You will analyze trade-offs, learn how to work with vectors and matrices, how meaning is represented in language models. Finally, you will practice designing a dataset ethically using the Data Cards process, ensuring transparency, accountability, and respect for community values in AI development.
Weitere Informationen
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.
Weitere Informationen
