Detaillierter Kursinhalt
Einführung
Diese Lektion führt die Lernenden durch die Kursstruktur, die auf einem dreistufigen KI-Rahmen aufgebaut ist: KI-Infrastruktur, Entwicklung und Lösungen. Sie umreißt die Lernziele und führt die Lernenden in Googles umfassende Suite von KI-Entwicklungstools ein.
- Definieren Sie die Kursziele.
- Erkennen Sie die Kursstruktur.
KI-Grundlagen
Dieses Modul beginnt mit einem Anwendungsfall, der die KI-Funktionen demonstriert. Anschließend wird auf die KI-Infrastruktur wie Rechenleistung und Speicherplatz eingegangen. 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 unterstützt.
- Erkennen Sie das AI/ML-Framework auf Google Cloud.
- Identifizierung der wichtigsten Komponenten der KI-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 BigQuery ML, um Daten mit KI zu verbinden.
Generative KI
Dieses Modul führt in die generative KI (gen AI) ein, den neuesten Fortschritt in der KI, und in die Google Cloud Toolkits für die Entwicklung von gen AI-Projekten. Es beginnt mit der Untersuchung der Grundmodelle. Anschließend wird der Lebenszyklus vom Prompt bis zur Produktion mit VertexAI Studio untersucht, einschließlich Prompt-Engineering, App-Implementierung und Modellabstimmung.2 Darüber hinaus werden in diesem Modul KI-Agenten und Googles umfassendes Angebot an KI-Agenten-Entwicklungstools untersucht.
- Definieren Sie generative KI und Grundlagenmodelle.
- Erkennen Sie den Lebenszyklus von der Eingabeaufforderung bis zur Produktion und die damit verbundenen Werkzeuge.
- Definition der KI-Agenten und ihrer Kernkomponenten.
- Identifizierung von Google Cloud-Tools und -Technologien für den Aufbau von KI-Agenten.
AI-Entwicklungsoptionen
In diesem Modul werden die verschiedenen Optionen für die Entwicklung eines KI-Projekts auf GoogleCloud untersucht, von vorgefertigten Lösungen wie vortrainierten APIs über No-Code- und Low-Code-Lösungen wie AutoML bis hin zu codebasierten Lösungen wie benutzerdefinierten Schulungen. Es vergleicht die Vor- und Nachteile jeder Option, um die Entscheidung für die richtigen Entwicklungswerkzeuge zu erleichtern.
- Definieren Sie verschiedene Optionen zur Erstellung eines ML-Modells mit Vertex AI auf Google Cloud.
- Identifizieren Sie die Funktionen und Anwendungsfälle von vortrainierten APIs, AutoML und benutzerdefiniertem Training.
- Verwenden Sie die Natural Language API zur Analyse von Text.
AI-Entwicklungsarbeit
Dieses Modul führt Sie durch den ML-Workflow von der Datenvorbereitung über die Modellentwicklung bis hin zum Modellserving auf Vertex AI. Es wird auch gezeigt, wie der Arbeitsablauf mit Vertex AI Pipelines in eine automatisierte Pipeline umgewandelt werden kann.
- Definieren Sie den Arbeitsablauf für die Erstellung eines ML-Modells.
- Beschreiben Sie MLOps und Workflow-Automatisierung in Google Cloud.
- Erstellen Sie ein ML-Modell von Anfang bis Ende mit AutoML und Vertex AI.
Zusammenfassung
Diese Lektion fasst den Kurs zusammen, indem die wichtigsten Konzepte, Werkzeuge, Technologien und Produkte für jedes Modul behandelt werden.
- Erkennen der wichtigsten Konzepte, Werkzeuge, Technologien und Produkte, die im Kurs gelernt wurden.