Kurs
digicode: AIMLGC
Introduction to AI and Machine Learning on Google Cloud
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
800.–
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
Erkunde die Technologien, Produkte und Tools, die während des gesamten Lebenszyklus von Daten bis hin zu Künstlicher Intelligenz (AI) zur Verfügung stehen, und lerne die Grundlagen, Entwicklungsoptionen und Lösungsansätze von AI kennen. Der Kurs richtet sich an Datenwissenschaftler/innen, AI-Entwickler/innen und ML-Ingenieur/innen, die ihre Fähigkeiten durch praxisnahe Lernerfahrungen und Übungen erweitern möchten.
1. AI-Grundlagen
- Warum AI?
- AI/ML-Framework in der Google Cloud
- Google-Cloud-Infrastruktur
- Daten- und AI-Produkte
- ML-Modellkategorien
- BigQuery ML
- Lab-Einführung: BigQuery ML
- Verstehe das AI/ML-Framework in der Google Cloud
- Identifiziere die Hauptkomponenten der Google Cloud-Infrastruktur
- Definiere die Daten- und ML-Produkte in Google Cloud und wie sie den AI-Lebenszyklus unterstützen
- Erstelle ein ML-Modell mit BigQuery ML
- Lab: Vorhersage von Besucherkäufen mit BigQuery ML
2. AI-Entwicklungsoptionen
- Vorgefertigte APIs
- Vertex AI
- AutoML
- Benutzerdefiniertes Training
- Lab-Einführung: Natural Language API
- Lerne verschiedene Optionen zur Erstellung von ML-Modellen in Google Cloud kennen
- Erkenne die Einsatzmöglichkeiten von vortrainierten APIs, AutoML und benutzerdefiniertem Training
- Nutze die Natural Language API zur Textanalyse
- Lab: Entity- und Sentiment-Analyse mit der Natural Language API
3. AI-Entwicklungsworkflow
- ML-Arbeitsablauf
- Datenaufbereitung
- Modellentwicklung
- Modellbereitstellung
- MLOps und Workflow-Automatisierung
- Lab-Einführung: AutoML
- Verstehe, wie eine Maschine lernt
- Definiere den End-to-End-Workflow für die Erstellung eines ML-Modells
- Beschreibe MLOps und Automatisierung in der Google Cloud
- Erstelle ein ML-Modell mit AutoML auf Vertex AI
- Lab: Vorhersage von Darlehensrisiken mit Vertex AI AutoML
4. Generative AI
- Generative AI und zugehörige Arbeitsabläufe
- Gemini Multimodal
- Prompt-Design
- Modellabstimmung
- Model Garden
- AI-Lösungen
- Lab-Einführung: Vertex AI Studio
- Definiere generative AI- und Foundation-Modelle
- Nutze Gemini Multimodal mit Vertex AI Studio
- Entwerfe effektive Prompts und stimme Modelle ab
- Erkenne AI-Lösungen und eingebettete generative AI-Funktionen
- Lab: Erste Schritte mit Vertex AI Studio
Professionelle AI-Entwickler/innen, Datenwissenschaftler/innen 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)