Dieses Modul beginnt mit einem Anwendungsfall zur Demonstration der Möglichkeiten von KI. Anschließend geht es um die KI-Grundlagen, einschließlich der Cloud-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.

In diesem Modul geht es um die verschiedenen Optionen zum Entwickeln eines ML-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.

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.

In diesem Modul werden generative KI – die neueste Entwicklung im KI-Bereich – sowie die wichtigsten Toolkits zum Erstellen von Projekten auf der Basis von generativer KI vorgestellt. Zuerst wird der Workflow von generativer KI in Google Cloud erklärt. Anschließend wird gezeigt, wie Gen AI Studio und Model Garden für den Zugriff auf Gemini Multimodal, das Prompt-Design und die Modellabstimmung verwendet werden können. Zum Schluss geht es noch um die integrierten, auf generativer KI basierenden Funktionen von KI-Lösungen.

Dieses Modul beinhaltet eine Zusammenfassung des gesamten Kurses und bietet noch einmal einen Überblick über die wichtigsten Konzepte, Tools, Technologien und Produkte.