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

Voraussetzungen

Mit einer oder mehreren der folgenden Eigenschaften:

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

Zielgruppe

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

Detaillierter Kursinhalt

Modul 1 - AI-Grundlagen

Themen:

• Warum AI?
• AI/ML-Framework in der Google Cloud
• Google Cloud-Infrastruktur
• Daten und KI-Produkte
• ML-Modell-Kategorien
• BigQuery ML
• Einführung ins Labor: BigQuery ML

Zielsetzungen:

• Erkennen Sie das AI/ML-Framework auf Google Cloud.
• Identifizieren Sie die wichtigsten Komponenten der Google Cloud-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 BigQueryML, um Daten mit KI zu verbinden.

Aktivitäten:

• Übung: Vorhersage von Besucherkäufen mit BigQuery ML
• Quiz
• Lesen

Modul 2 - AI-Entwicklungsoptionen

Themen:

• AI-Entwicklungsoptionen
• Vorgefertigte APIs
• Vertex AI
• AutoML
• Individuelle Ausbildung
• Einführung ins Labor: API für natürliche Sprache

Zielsetzungen:

• Definieren Sie verschiedene Optionen zur Erstellung eines ML-Modells in der Google Cloud.
• Erkennen der wichtigsten Merkmale und Anwendungsfälle von vortrainierten APIs, AutoML und benutzerdefiniertem Training.
• Verwenden Sie die Natural Language API zur Analyse von Text.

Aktivitäten:

• Übung: Entity- und Sentiment-Analyse mit Natural Language API
• Quiz
• Lesen

Modul 3 - Arbeitsablauf der KI-Entwicklung

Themen:

• ML-Arbeitsablauf
• Vorbereitung der Daten
• Entwicklung von Modellen
• Das Modell dient
• MLOps und Automatisierung von Arbeitsabläufen
• Einführung ins Labor: AutoML
• Wie eine Maschine lernt

Zielsetzungen:

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

Aktivitäten:

• Labor: Vertex AI: Vorhersage von Darlehensrisiken mit AutoML
• Quiz
• Lesen

Modul 4 - Generative KI

Themen:

• Generative KI und Arbeitsabläufe
• Gemini multimodal
• Promptes Design
• Modell-Tuning
• Modell Garten
• AI-Lösungen
• Einführung ins Labor: Vertex AI Studio

Zielsetzungen:

• Definieren Sie generative KI und Grundlagenmodelle.
• Verwenden Sie Gemini multimodal mit Vertex AI Studio.
• Entwerfen Sie effiziente Eingabeaufforderungen und stimmen Sie Modelle mit verschiedenen Methoden ab.
• Erkennen Sie die KI-Lösungen und die eingebetteten Funktionen von Gen AI.

Aktivitäten:

• Übung: Erste Schritte mit Vertex AI Studio
• Quiz
• Lesen

Modul 5 - Kurszusammenfassung

Themen:

• Zusammenfassung des Kurses

Zielsetzungen:

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