Kurs
Digicomp Code AIMLGC
Introduction to AI and Machine Learning on Google Cloud («AIMLGC»)
In diesem Kurs werden die AI- und ML-Angebote in der Google Cloud vorgestellt, mit denen sich sowohl prädiktive als auch generative AI-Projekte erstellen lassen.
Dauer
1 Tag
Preis
850.–
zzgl. 8.1% MWST
Kursdokumente
Offizielle Google-Cloud-Unterlagen
Kurs-Facts
- Erkennen der von Google Cloud bereitgestellten Data-to-AI-Technologien und -Tools
- Aufbauen von generativen AI-Projekten mit Hilfe von Gemini multimodal, effizienten Prompts und Modelloptimierung
- Erkunden verschiedener Optionen für die Entwicklung eines AI-Projekts in Google Cloud
- Erstellen eines ML-Modells von Anfang bis Ende mithilfe von Vertex AI
Erforschen Sie die Technologien, Produkte und Tools, die während des gesamten Lebenszyklus von Daten zu AI verfügbar sind, und lernen Sie die Grundlagen, Entwicklung und Lösungen von AI kennen. Dieser Kurs zielt darauf ab, Datenwissenschaftlern, AI-Entwicklern und ML-Ingenieuren zu helfen, ihre Fähigkeiten und Kenntnisse durch fesselnde Lernerfahrungen und praktische Übungen zu erweitern.
1 AI-Grundlagen
- Warum AI?
- AI/ML-Framework in der Google Cloud
- Google-Cloud-Infrastruktur
- Daten und AI-Produkte
- ML-Modell-Kategorien
- BigQuery ML
- Lab-Einführung: BigQuery ML
- Erkennen des AI/ML-Frameworks in der Google Cloud
- Identifizieren der Hauptkomponenten der Google Cloud-Infrastruktur
- Definieren der Daten- und ML-Produkte in Google Cloud und wie sie den Lebenszyklus von Daten zu AI unterstützen
- Erstellen eines ML-Modells mit BigQueryML, um Daten in AI zu überführen
- Lab: Vorhersage von Besucherkäufen mit BigQuery ML
2 AI-Entwicklungsoptionen
- Vorgefertigte APIs
- Vertex-AI
- AutoML
- Benutzerdefiniertes Training
- Lab-Einführung: API für natürliche Sprache
- Definieren verschiedener Optionen zur Erstellung eines ML-Modells in Google Cloud
- Erkennen der Hauptmerkmale und der anwendbaren Situationen von vortrainierten APIs, AutoML und benutzerdefiniertem Training
- Verwenden der Natural Language API zur Text-Analyse
- Lab: Entity- und Sentiment-Analyse mit Natural Language API
3 AI-Entwicklungsworkflow
- ML-Arbeitsablauf
- Datenaufbereitung
- Entwicklung von Modellen
- Modell-Bereitstellung
- MLOps und Automatisierung von Arbeitsabläufen
- Lab-Einführung: AutoML
- Wie eine Maschine lernt
- Definieren des Arbeitsablaufs beim Aufbau eines ML-Modells
- Beschreiben Sie MLOps und Workflow-Automatisierung auf Google Cloud
- Erstellen eines ML-Modells von Ende zu Ende mit AutoML auf Vertex AI
- Lab: Vertex AI: Vorhersage von Darlehensrisiken mit AutoML
4 Generative AI
- Generative AI und Arbeitsabläufe
- Gemini multimodal
- Prompt-Design
- Modell-Abstimmung
- Modell Garten
- AI-Lösungen
- Lab-Einführung: Vertex AI Studio
- Definieren von generativen AI- und Foundation-Modellen
- Verwenden von Gemini multimodal mit Vertex AI Studio
- Entwerfen effizienter Prompts und Abstimmen von Modelle mit verschiedenen Methoden
- Erkennen Sie die AI-Lösungen und die eingebetteten Gen AI-Funktionen
- Lab: Erste Schritte mit Vertex AI Studio
Professionelle AI-Entwickler, Datenwissenschaftler und ML-Ingenieure, die prädiktive und generative AI-Projekte auf Google Cloud erstellen möchten
- Grundkenntnisse über Konzepte des maschinellen Lernens
- Erfahrungen mit Programmiersprachen wie SQL und Python
Produkte
- Vertex AI
- Gemini multimodal
- AutoML
- BigQuery ML
- Vertex AI Pipelines
- TensorFlow
- Model Garden
- Vertex AI Studio
- Natural Language API
- Contact Center AI (CCAI)