Teilnehmen Anmelden

Swetha Dhanasekar

Mitglied seit 2023

Diamond League

26580 Punkte
Generative AI Fundamentals Earned Feb 21, 2025 EST
Einführung in Vertex AI Studio Earned Feb 21, 2025 EST
Verantwortungsbewusste Anwendung von KI: KI-Grundsätze in Google Cloud anwenden Earned Feb 21, 2025 EST
Einführung in die verantwortungsbewusste Anwendung von KI Earned Feb 21, 2025 EST
Generative AI for Business Leaders Earned Feb 21, 2025 EST
ML Pipelines on Google Cloud Earned Feb 13, 2025 EST
Machine Learning Operations (MLOps): Getting Started Earned Feb 13, 2025 EST
Recommendation Systems on Google Cloud Earned Feb 12, 2025 EST
Production Machine Learning Systems Earned Dez 26, 2024 EST
Machine Learning in the Enterprise Earned Dez 23, 2024 EST
Feature Engineering Earned Dez 18, 2024 EST
Build, Train and Deploy ML Models with Keras on Google Cloud Earned Dez 17, 2024 EST
Launching into Machine Learning Earned Dez 17, 2024 EST
Einführung in KI und maschinelles Lernen in Google Cloud Earned Dez 17, 2024 EST
Einführung in generative KI Earned Mai 7, 2024 EDT
Kubernetes-Anwendungen in Google Cloud bereitstellen Earned Mär 6, 2023 EST
Serverlose Anwendungen in Cloud Run entwickeln Earned Mär 2, 2023 EST
App Deployment, Debugging, and Performance Earned Mär 1, 2023 EST
Application Development with Cloud Run Earned Mär 1, 2023 EST
Securing and Integrating Components of your Application Earned Feb 28, 2023 EST
Google Cloud-Grundlagen: Kerninfrastruktur Earned Feb 10, 2023 EST

Earn a skill badge 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

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

Da die Nutzung von künstlicher Intelligenz und Machine Learning in Unternehmen weiter zunimmt, wird auch deren verantwortungsbewusste Entwicklung ein immer wichtigeres Thema. Dabei ist es für viele schwierig, die Überlegungen zur verantwortungsbewussten Anwendung von KI in die Praxis umzusetzen. Wenn Sie wissen möchten, wie sich die verantwortungsbewusste Anwendung von KI in die Praxis umsetzen, also operationalisieren lässt, finden Sie in diesem Kurs entsprechende Hilfestellungen. In diesem Kurs erfahren Sie, wie dies mit Google Cloud heutzutage möglich ist, inklusive entsprechender Best Practices und Erkenntnisse. Es wird gezeigt, welches Framework Google Cloud bietet, um einen eigenen Ansatz für die verantwortungsbewusste Anwendung von KI zu entwickeln.

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

A Business Leader in Generative AI can articulate the capabilities of core cloud Generative AI products and services and understand how they benefit organizations. This course provides an overview of the types of opportunities and challenges that companies often encounter in their digital transformation journey and how they can leverage Google Cloud's generative AI products to overcome these challenges.

Weitere Informationen

In this course, you will be learning from ML Engineers and Trainers who work with the state-of-the-art development of ML pipelines here at Google Cloud. The first few modules will cover about TensorFlow Extended (or TFX), which is Google’s production machine learning platform based on TensorFlow for management of ML pipelines and metadata. You will learn about pipeline components and pipeline orchestration with TFX. You will also learn how you can automate your pipeline through continuous integration and continuous deployment, and how to manage ML metadata. Then we will change focus to discuss how we can automate and reuse ML pipelines across multiple ML frameworks such as tensorflow, pytorch, scikit learn, and xgboost. You will also learn how to use another tool on Google Cloud, Cloud Composer, to orchestrate your continuous training pipelines. And finally, we will go over how to use MLflow for managing the complete machine learning life cycle.

Weitere Informationen

This course introduces participants to MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud. MLOps is a discipline focused on the deployment, testing, monitoring, and automation of ML systems in production. Machine Learning Engineering professionals use tools for continuous improvement and evaluation of deployed models. They work with (or can be) Data Scientists, who develop models, to enable velocity and rigor in deploying the best performing models.

Weitere Informationen

In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.

Weitere Informationen

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.

Weitere Informationen

This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing. The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.

Weitere Informationen

This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.

Weitere Informationen

This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.

Weitere Informationen

The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.

Weitere Informationen

In diesem Kurs lernen Sie die KI- und ML-Angebote von Google Cloud für Projekte mit prädiktiver und generativer KI kennen. Dabei werden die Technologien, Produkte und Tools vorgestellt, die für den gesamten Lebenszyklus der Datenaufbereitung für KI verfügbar sind. Der Kurs umfasst KI‑Grundlagen, ‑Entwicklung und ‑Lösungen. Data Scientists, KI-Entwickler und ML-Engineers sollen in diesem Kurs ihre Fähigkeiten und Kenntnisse durch ansprechende Lernangebote sowie praxisorientierte Übungen erweitern.

Weitere Informationen

In diesem Einführungskurs im Microlearning-Format wird erklärt, was generative KI ist, wie sie genutzt wird und wie sie sich von herkömmlichen Methoden für Machine Learning unterscheidet. Darüber hinaus werden Tools von Google behandelt, mit denen Sie eigene Anwendungen basierend auf generativer KI entwickeln können.

Weitere Informationen

Mit dem Skill-Logo Kubernetes-Anwendungen in Google Cloud bereitstellen weisen Sie Kenntnisse in folgenden Bereichen nach: Konfigurieren und Erstellen von Docker-Container-Images, Erstellen und Verwalten von Google Kubernetes Engine-Clustern, Verwenden von kubectl für eine effiziente Clusterverwaltung und Bereitstellen von Kubernetes-Anwendungen mit leistungsfähigen Continuous Delivery-Abläufen.

Weitere Informationen

Mit dem Skill-Logo Serverlose Anwendungen in Cloud Run entwickeln weisen Sie Kenntnisse in den folgenden Bereichen nach: Cloud Run für Datenmanagement in Cloud Storage integrieren, mit Cloud Run und Pub/Sub die Architektur von asynchronen, ausfallsicheren Systemen erstellen, REST API-Gateways basierend auf Cloud Run aufbauen und Dienste auf Cloud Run entwickeln und bereitstellen.

Weitere Informationen

In this course, application developers learn how to design and develop cloud-native applications that seamlessly integrate components from the Google Cloud ecosystem. Through a combination of presentations, demos, and hands-on labs, participants learn how to create repeatable deployments by treating infrastructure as code, choose the appropriate application execution environment for an application, and monitor application performance. Completing one version of each lab is required. Each lab is available in Node.js. In most cases, the same labs are also provided in Python or Java. You may complete each lab in whichever language you prefer.

Weitere Informationen

This course introduces you to fundamentals, practices, capabilities and tools applicable to modern cloud-native application development using Google Cloud Run. Through a combination of lectures, hands-on labs, and supplemental materials, you will learn how to on Google Cloud using Cloud Run.design, implement, deploy, secure, manage, and scale applications

Weitere Informationen

In this course, application developers learn how to design and develop cloud-native applications that seamlessly integrate managed services from Google Cloud. Through a combination of presentations, demos, and hands-on labs, participants learn how to develop more secure applications, implement federated identity management, and integrate application components by using messaging, event-driven processing, and API gateways. Completing one version of each lab is required. Each lab is available in Node.js. In most cases, the same labs are also provided in Python or Java. You may complete each lab in whichever language you prefer. This is the second course of the Developing Applications with Google Cloud series. After completing this course, enroll in the App Deployment, Debugging, and Performance course.

Weitere Informationen

In „Google Cloud-Grundlagen: Kerninfrastruktur“ werden wichtige Konzepte und die Terminologie für die Arbeit mit Google Cloud vorgestellt. In Videos und praxisorientierten Labs werden viele Computing- und Speicherdienste von Google Cloud sowie wichtige Tools für die Ressourcen- und Richtlinienverwaltung präsentiert und miteinander verglichen.

Weitere Informationen