Dieses Modul beginnt mit einem Anwendungsfall zur Demonstration der KI-Fähigkeiten. Es konzentriert sich dann auf die KI-Infrastruktur wie Rechenleistung und Speicher. Außerdem werden die primären Daten- und KI-Entwicklungsprodukte in der 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 führt in die generative KI (gen KI), die neueste Weiterentwicklung der KI, und in die Google Cloud-Toolkits zur Entwicklung von gen KI-Projekten ein. Es beginnt mit der Untersuchung der grundlegenden Modelle. Anschließend wird der Lebenszyklus vom Prompt bis zur Produktion mit Vertex KI Studio untersucht, einschließlich Prompt Engineering, App-Bereitstellung und Modellabstimmung. Darüber hinaus befasst sich dieses Modul mit KI-Agenten und dem Full Stack von Google für die Entwicklung von KI-Agenten.

Dieses Modul untersucht die verschiedenen Optionen für die Entwicklung eines KI-Projekts in der Google Cloud, von vorgefertigten Lösungen wie Pre-Training-APIs über No-Code- und Low-Code-Lösungen wie AutoML bis hin zu Code-basierten Lösungen wie Custom Training. Es vergleicht die Vor- und Nachteile der einzelnen Optionen, 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.

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