Introduction to AI and Machine Learning on GC - Deutsch

Overview

Google, IBM & Meta Certificates — All 10,000+ Courses at 40% Off

One annual plan covers every course and certificate on Coursera. 40% off for a limited time.

In diesem Kurs lernen Sie die KI- und ML-Funktionen von Google Cloud kennen. Der Schwerpunkt liegt auf der Entwicklung von Projekten mit generativer und prädiktiver KI. Dabei werden die verschiedenen Technologien, Produkte und Tools vorgestellt, die für den gesamten Lebenszyklus der Datenaufbereitung für KI verfügbar sind. Data Scientists, KI-Entwickler*innen und ML-Engineers können ihr Fachwissen durch interaktive Übungen erweitern.

Syllabus

Einführung

In dieser Lektion wird die Kursstruktur erläutert, die auf einem KI-Framework mit den drei Ebenen KI-Infrastruktur, ‑Entwicklung und ‑Lösungen basiert. Es werden die Lernziele erläutert und die umfassende Suite von Full-Stack-KI-Entwicklungstools von Google vorgestellt.

KI-Grundlagen

Dieses Modul beginnt mit einem Anwendungsfall zur Demonstration der Möglichkeiten von KI. Anschließend geht es um die KI-Infrastruktur für beispielsweise Computing und Speicher. Außerdem werden die wesentlichen Daten- und KI-Entwicklungsprodukte in Google Cloud erklärt. Zum Schluss wird gezeigt, wie mit BigQuery ML ein ML-Modell entwickelt werden kann, mit dem Sie von Daten zu KI gelangen.

Generative KI

In diesem Modul werden generative KI – die neueste Entwicklung im KI-Bereich – sowie die Google Cloud-Toolkits zum Erstellen von Projekten auf der Basis von generativer KI vorgestellt. Zuerst werfen wir einen Blick auf die Foundation Models. Anschließend wird der Lebenszyklus vom Prompt bis zur Produktion mit Vertex AI Studio erläutert, einschließlich Prompt Engineering, Anwendungsbereitstellung und Modellabstimmung. Außerdem werden KI-Agenten und die vollständige Palette von Google-Tools zur Entwicklung von KI-Agenten vorgestellt.

KI-Entwicklungsoptionen

In diesem Modul geht es um die verschiedenen Optionen zum Entwickeln eines KI-Projekts in Google Cloud – von vorgefertigten Lösungen wie vortrainierten APIs über No-Code- und Low-Code-Lösungen wie AutoML bis zu codebasierten Lösungen wie benutzerdefiniertem Training. Die Vor- und Nachteile jeder Option werden erläutert, um die Entscheidung für die richtigen Entwicklungstools zu erleichtern.

KI-Entwicklungsworkflow

In diesem Modul wird der ML-Workflow von der Datenvorbereitung über die Modellentwicklung bis zur Modellbereitstellung in Vertex AI vorgestellt. Außerdem wird gezeigt, wie sich der Workflow mit Vertex AI Pipelines in eine automatisierte Pipeline umwandeln lässt.