Muhammad Helmi Jamil
Mitglied seit 2022
Silver League
9535 Punkte
Einführung in Vertex AI Studio
Earned Mai 20, 2024 EDT
Modelle zur Bilduntertitelung erstellen
Earned Mai 19, 2024 EDT
Transformer-Modelle und BERT-Modell
Earned Mai 19, 2024 EDT
Encoder-Decoder-Architektur
Earned Mai 19, 2024 EDT
Aufmerksamkeitsmechanismus
Earned Mai 18, 2024 EDT
Einstieg in die Bildgenerierung
Earned Mai 18, 2024 EDT
Anwendungen mit Gemini in Google Cloud einbinden
Earned Mai 18, 2024 EDT
Infrastruktur mit Terraform in Google Cloud erstellen
Earned Mai 16, 2024 EDT
Daten für die Vorhersagemodellierung mit BigQuery ML vorbereiten
Earned Jun 26, 2022 EDT
Einführung in das Cloud-Computing von Google: Daten, ML und KI in Google Cloud
Earned Jun 25, 2022 EDT
Einführung in das Cloud-Computing von Google: Netzwerke und Sicherheit in Google Cloud
Earned Jun 25, 2022 EDT
Einführung in das Cloud-Computing von Google: Infrastruktur in Google Cloud
Earned Jun 24, 2022 EDT
Einführung in das Cloud-Computing von Google: Cloud-Computing-Grundlagen
Earned Jun 24, 2022 EDT
Infrastruktur mit Terraform in Google Cloud erstellen
Earned Jun 23, 2022 EDT
Dieser Kurs bietet eine Einführung in Vertex AI Studio, ein Tool für die Interaktion mit generativen KI-Modellen sowie das Prototyping von Geschäftsideen und ihre Umsetzung. Anhand eines eindrucksvollen Anwendungsfalls, ansprechender Lektionen und einer praktischen Übung lernen Sie den Lebenszyklus vom Prompt bis zum Produkt kennen und erfahren, wie Sie Vertex AI Studio für multimodale Gemini-Anwendungen, Prompt-Design, Prompt Engineering und Modellabstimmung einsetzen können. Ziel ist es, Ihnen aufzuzeigen, wie Sie das Potenzial von generativer KI in Ihren Projekten mit Vertex AI Studio ausschöpfen.
Weitere Informationen
In diesem Kurs erfahren Sie, wie Sie mithilfe von Deep Learning ein Modell zur Bilduntertitelung erstellen. Sie lernen die verschiedenen Komponenten eines solchen Modells wie den Encoder und Decoder und die Schritte zum Trainieren und Bewerten des Modells kennen. Nach Abschluss dieses Kurses haben Sie folgende Kompetenzen erworben: Erstellen eigener Modelle zur Bilduntertitelung und Verwenden der Modelle zum Generieren von Untertiteln
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
Dieser Kurs vermittelt Ihnen eine Zusammenfassung der Encoder-Decoder-Architektur, einer leistungsstarken und gängigen Architektur, die bei Sequenz-zu-Sequenz-Tasks wie maschinellen Übersetzungen, Textzusammenfassungen und dem Question Answering eingesetzt wird. Sie lernen die Hauptkomponenten der Encoder-Decoder-Architektur kennen und erfahren, wie Sie diese Modelle trainieren und bereitstellen können. Im dazugehörigen Lab mit Schritt-für-Schritt-Anleitung können Sie in TensorFlow von Grund auf einen Code für eine einfache Implementierung einer Encoder-Decoder-Architektur erstellen, die zum Schreiben von Gedichten dient.
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
In diesem kurzen Kurs zur Verknüpfung von Anwendungen mit Gemini in Google Cloud lernen Sie die Gemini API und die zugehörigen generativen KI-Modelle kennen. Sie erfahren, wie Sie vom Code aus auf Gemini-Modelle zugreifen. Dabei können Sie die Funktionen der Modelle mithilfe von Text-, Bild- und Videoprompts über eine Anwendung testen.
Weitere Informationen
Mit dem Skill-Logo Infrastruktur mit Terraform in Google Cloud erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Grundsätze von Infrastruktur als Code (IaC) unter Verwendung von Terraform, Bereitstellen und Verwalten von Google Cloud-Ressourcen mit Terraform-Konfigurationen, effektives Statusmanagement (lokal und remote) und die Modularisierung von Terraform-Code für Wiederverwendbarkeit und Organisation.
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
Die Kursreihe „Einführung in das Cloud-Computing von Google“ richtet sich an Personen mit geringen oder gar keinen Vorkenntnissen oder Erfahrungen im Bereich Cloud Computing. Sie bietet einen Überblick über Cloud-Grundlagen, Big Data, maschinelles Lernen und die Rolle von Google Cloud in diesem Bereich.
Am Ende der Kursreihe können Teilnehmende diese Konzepte erläutern und einige praktische Fähigkeiten demonstrieren.
Die Kurse sollten in folgender Reihenfolge absolviert werden:
1. Einführung in das Cloud-Computing von Google: Cloud-Computing-Grundlagen
2. Einführung in das Cloud-Computing von Google: Infrastruktur in Google Cloud
3. Einführung in das Cloud-Computing von Google: Netzwerke und Sicherheit in Google Cloud
4. Einführung in das Cloud-Computing von Google: Daten, ML und KI in Google Cloud
Im letzten Kurs der Reihe geht es um verwaltete Big-Data-Dienste, maschinelles Lernen und dessen Vorzüge sowie die Möglichkeit, Ihre Google Cloud-Kompetenzen durch den Erwerb von Skill-L…
Weitere Informationen
Die Kurse „Einführung in das Cloud-Computing von Google“ richten sich an Personen mit wenigen bis gar keinen Vorkenntnissen oder Erfahrungen im Bereich Cloud-Computing Sie bieten einen detaillierten Überblick über Cloud-Grundlagen, Big Data, maschinelles Lernen und die Rolle von Google Cloud in diesem Bereich.
Am Ende der Kursreihe können Teilnehmende diese Konzepte erläutern und einige praktische Fähigkeiten demonstrieren.
Die Kurse sollten in folgender Reihenfolge absolviert werden:
1. Einführung in das Cloud-Computing von Google: Cloud-Computing-Grundlagen
2. Einführung in das Cloud-Computing von Google: Infrastruktur in Google Cloud
3. Einführung in das Cloud-Computing von Google: Netzwerke und Sicherheit in Google Cloud
4. Einführung in das Cloud-Computing von Google: Daten, ML und KI in Google Cloud
Dieser dritte Kurs behandelt Tools zur Cloud-Automatisierung- und -Verwaltung sowie den Aufbau sicherer Netzwerke.
Weitere Informationen
Die Kursreihe „Einführung in das Cloud-Computing von Google“ richtet sich an Personen mit wenigen bis gar keinen Vorkenntnissen oder Erfahrungen im Bereich Cloud-Computing. Sie bietet einen detaillierten Überblick über Cloud-Grundlagen, Big Data, maschinelles Lernen und die Rolle von Google Cloud in diesem Bereich.
Am Ende der Kursreihe können Teilnehmende diese Konzepte erläutern und einige praktische Fähigkeiten demonstrieren.
Die Kurse sollten in folgender Reihenfolge absolviert werden:
1. Einführung in das Cloud-Computing von Google: Cloud-Computing-Grundlagen
2. Einführung in das Cloud-Computing von Google: Infrastruktur in Google Cloud
3. Einführung in das Cloud-Computing von Google: Netzwerke und Sicherheit in Google Cloud
4. Einführung in das Cloud-Computing von Google: Daten, ML und KI in Google Cloud
Weitere Informationen
Die Kursreihe „Einführung in das Cloud-Computing von Google“ richtet sich an Personen mit geringen oder gar keinen Vorkenntnissen oder Erfahrungen im Bereich Cloud Computing. Sie bietet einen detaillierten Überblick über Cloud-Grundlagen, Big Data, maschinelles Lernen und die Rolle von Google Cloud in diesem Bereich.
Am Ende der Kursreihe können Teilnehmende diese Konzepte erläutern und einige praktische Fähigkeiten demonstrieren.
Die Kurse sollten in folgender Reihenfolge absolviert werden:
1. Einführung in das Cloud-Computing von Google: Cloud-Computing-Grundlagen
2. Einführung in das Cloud-Computing von Google: Infrastruktur in Google Cloud
3. Einführung in das Cloud-Computing von Google: Netzwerke und Sicherheit in Google Cloud
4. Einführung in das Cloud-Computing von Google: Daten, ML und KI in Google Cloud
Diese Kursreihe bietet einen Überblick über Cloud-Computing, verschiedene Nutzungsmöglichkeiten von Google Cloud und verschiedene Computing-Optionen.
Weitere Informationen
Mit dem Skill-Logo Infrastruktur mit Terraform in Google Cloud erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Grundsätze von Infrastruktur als Code (IaC) unter Verwendung von Terraform, Bereitstellen und Verwalten von Google Cloud-Ressourcen mit Terraform-Konfigurationen, effektives Statusmanagement (lokal und remote) und die Modularisierung von Terraform-Code für Wiederverwendbarkeit und Organisation.
Weitere Informationen
