Dieses Modul beginnt mit einem Anwendungsfall, der die KI-Funktionen demonstriert. Es konzentriert sich dann auf die KI-Grundlagen, einschließlich der Cloud-Infrastruktur wie Datenverarbeitung und Speicherung. 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 erleichtert.

Dieses Modul untersucht die verschiedenen Optionen für die Entwicklung eines ML-Projekts in der Google Cloud, von vorgefertigten Lösungen wie vortrainierten APIs über No-Code- und Low-Code-Lösungen wie AutoML bis hin zu codebasierten Lösungen wie benutzerdefiniertes Training. Es vergleicht die Vor- und Nachteile jeder Option, um die Entscheidung für die richtigen Entwicklungstools zu erleichtern.

Dieses Modul führt Sie durch den ML-Workflow von der Datenaufbereitung über die Modellentwicklung bis hin zur Modellbereitstellung auf Vertex AI. Es zeigt auch, wie Sie den Arbeitsablauf mit Vertex AI Pipelines in eine automatisierte Pipeline umwandeln können.

Dieses Modul führt in die generative KI (gen AI) ein, den neuesten Fortschritt in der KI, sowie in die wesentlichen Toolkits für die Entwicklung von gen AI-Projekten. Es beginnt mit einer Untersuchung des Gen AI-Workflows in der Google Cloud. Anschließend wird untersucht, wie Gen AI Studio und Model Garden verwendet werden, um auf multimodale Gemini-Modelle zuzugreifen, Prompts zu entwerfen und Modelle abzustimmen. Schließlich werden die integrierten Gen AI-Funktionen von KI-Lösungen untersucht.

Dieses Modul bietet eine Zusammenfassung des gesamten Kurses, indem es die wichtigsten Konzepte, Tools, Technologien und Produkte behandelt.