Introduction to AI and Machine Learning on Google Cloud (AIMLGC)

Ziele der Schulung

In diesem Kurs werden die KI- und ML-Funktionen von Google Cloud vorgestellt, wobei der Schwerpunkt auf der Entwicklung generativer und prädiktiver KI-Projekte liegt. Er erforscht die verschiedenen Technologien, Produkte und Tools, die während des gesamten Lebenszyklus von Daten zu KI verfügbar sind, und ermöglicht es Datenwissenschaftlern, KI-Entwicklern und ML-Ingenieuren, ihr Fachwissen durch interaktive Übungen zu erweitern.

• Erkennen Sie die von Google Cloud bereitgestellten Data-to-AI-Technologien und -Tools.

• Erstellen Sie generative KI-Projekte mit den multimodalen, effizienten Prompts und KI-Agenten-Buildern von Gemini.

• Wählen Sie zwischen verschiedenen Google Cloud-Produktoptionen, um ein KI-Projekt zu entwickeln.

• Erstellen Sie ein ML-Modell von Anfang bis Ende mit Vertex AI.

• Einführung

• KI-Grundlagen

• Generative KI

• AI-Entwicklungsoptionen

• AI-Entwicklungsarbeit

• Zusammenfassung

Zielgruppe Seminar

• Professionelle KI-Entwickler
• Datenwissenschaftler
• ML-Ingenieure, die prädiktive und generative KI-Projekte auf Google Cloud erstellen möchten.

Voraussetzungen

• Grundkenntnisse über Konzepte des maschinellen Lernens
• Frühere Erfahrungen mit Programmiersprachen wie SQL und Python

Seminarinhalt

Einführung

Diese Lektion führt die Lernenden durch die Kursstruktur, die auf einem dreistufigen KI-Rahmen aufgebaut ist: KI-Infrastruktur, Entwicklung und Lösungen. Sie umreißt die Lernziele und führt die Lernenden in Googles umfassende Suite von KI-Entwicklungstools ein.

• Definieren Sie die Kursziele.
• Erkennen Sie die Kursstruktur.

KI-Grundlagen

Dieses Modul beginnt mit einem Anwendungsfall, der die KI-Funktionen demonstriert. Anschließend wird auf die KI-Infrastruktur wie Rechenleistung und Speicherplatz eingegangen. Außerdem werden die primären Daten- und KI-Entwicklungsprodukte auf Google Cloud erläutert. Schließlich wird gezeigt, wie BigQuery ML verwendet wird, um ein ML-Modell zu erstellen, das den Übergang von Daten zu KI unterstützt.

• Erkennen Sie das AI/ML-Framework auf Google Cloud.
• Identifizierung der wichtigsten Komponenten der KI-Infrastruktur.
• Definieren Sie die Daten- und ML-Produkte in Google Cloud und wie sie den Lebenszyklus von Daten zu KI unterstützen.
• Erstellen Sie ein ML-Modell mit BigQuery ML, um Daten mit KI zu verbinden.

Generative KI

Dieses Modul führt in die generative KI (gen AI) ein, den neuesten Fortschritt in der KI, und in die Google Cloud Toolkits für die Entwicklung von gen AI-Projekten. Es beginnt mit der Untersuchung der Grundmodelle. Anschließend wird der Lebenszyklus vom Prompt bis zur Produktion mit VertexAI Studio untersucht, einschließlich Prompt-Engineering, App-Implementierung und Modellabstimmung.2 Darüber hinaus werden in diesem Modul KI-Agenten und Googles umfassendes Angebot an KI-Agenten-Entwicklungstools untersucht.

• Definieren Sie generative KI und Grundlagenmodelle.
• Erkennen Sie den Lebenszyklus von der Eingabeaufforderung bis zur Produktion und die damit verbundenen Werkzeuge.
• Definition der KI-Agenten und ihrer Kernkomponenten.
• Identifizierung von Google Cloud-Tools und -Technologien für den Aufbau von KI-Agenten.

AI-Entwicklungsoptionen

In diesem Modul werden die verschiedenen Optionen für die Entwicklung eines KI-Projekts auf GoogleCloud untersucht, von vorgefertigten Lösungen wie vortrainierten APIs über No-Code- und Low-Code-Lösungen wie AutoML bis hin zu codebasierten Lösungen wie benutzerdefinierten Schulungen. Es vergleicht die Vor- und Nachteile jeder Option, um die Entscheidung für die richtigen Entwicklungswerkzeuge zu erleichtern.

• Definieren Sie verschiedene Optionen zur Erstellung eines ML-Modells mit Vertex AI auf Google Cloud.
• Identifizieren Sie die Funktionen und Anwendungsfälle von vortrainierten APIs, AutoML und benutzerdefiniertem Training.
• Verwenden Sie die Natural Language API zur Analyse von Text.

AI-Entwicklungsarbeit

Dieses Modul führt Sie durch den ML-Workflow von der Datenvorbereitung über die Modellentwicklung bis hin zum Modellserving auf Vertex AI. Es wird auch gezeigt, wie der Arbeitsablauf mit Vertex AI Pipelines in eine automatisierte Pipeline umgewandelt werden kann.

• Definieren Sie den Arbeitsablauf für die Erstellung eines ML-Modells.
• Beschreiben Sie MLOps und Workflow-Automatisierung in Google Cloud.
• Erstellen Sie ein ML-Modell von Anfang bis Ende mit AutoML und Vertex AI.

Zusammenfassung

Diese Lektion fasst den Kurs zusammen, indem die wichtigsten Konzepte, Werkzeuge, Technologien und Produkte für jedes Modul behandelt werden.

• Erkennen der wichtigsten Konzepte, Werkzeuge, Technologien und Produkte, die im Kurs gelernt wurden.

Hinweise

Partner

Dieses Seminar bieten wir in Kooperation mit unserem Google Cloud Learning Partner Fast Lane Institute for Knowledge Transfer GmbH an.

Open Badge für dieses Seminar - Ihr digitaler Kompetenznachweis

Durch die erfolgreiche Teilnahme an einem Kurs bei IT-Schulungen.com erhalten Sie zusätzlich zu Ihrem Teilnehmerzertifikat ein digitales Open Badge (Zertifikat) – Ihren modernen Nachweis für erworbene Kompetenzen.

Ihr Open Badge ist jederzeit in Ihrem persönlichen und kostenfreien Mein IT-Schulungen.com-Konto verfügbar. Mit wenigen Klicks können Sie diesen digitalen Nachweis in sozialen Netzwerken teilen, um Ihre Expertise sichtbar zu machen und Ihr berufliches Profil gezielt zu stärken.

Übersicht: Google Cloud Schulungen Portfolio

Mehr zu den Vorteilen von Badges

Gesicherte Kurstermine