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.

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.

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.

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 dieser Lektion werden die wichtigsten Konzepte, Tools, Technologien und Produkte der einzelnen Module zusammengefasst.