Teilnehmen Anmelden

Sophie Sepp

Mitglied seit 2020

Bronze League

20037 Punkte
Build and Deploy Customer Experience Agents Earned Mär 9, 2026 EDT
Extend Gemini Enterprise Assistant Capabilities Earned Jun 9, 2025 EDT
Multi-Agent-Systeme mit dem Agent Development Kit (ADK) und der Agent Engine bereitstellen Earned Mai 30, 2025 EDT
Virtual Agent Development in Dialogflow CX for Citizen Devs Earned Mär 2, 2025 EST
Intro to Conversational AI and Conversational AI Engagement Framework Earned Feb 21, 2025 EST
Den Wissensaustausch mit Gemini Enterprise beschleunigen Earned Jan 26, 2025 EST
Einführung in KI und maschinelles Lernen in Google Cloud Earned Mai 5, 2024 EDT
End-to-End Machine Learning with TensorFlow on Google Cloud Earned Jan 13, 2024 EST
Generative AI Fundamentals Earned Aug 6, 2023 EDT
Modelle zur Bilduntertitelung erstellen Earned Jun 11, 2023 EDT
Transformer-Modelle und BERT-Modell Earned Jun 10, 2023 EDT
Encoder-Decoder-Architektur Earned Jun 10, 2023 EDT
Aufmerksamkeitsmechanismus Earned Jun 10, 2023 EDT
Einstieg in die Bildgenerierung Earned Jun 10, 2023 EDT
Generative AI Fundamentals Earned Jun 10, 2023 EDT
Einführung in die verantwortungsbewusste Anwendung von KI Earned Jun 10, 2023 EDT
Einführung in Large Language Models Earned Jun 10, 2023 EDT
Einführung in generative KI Earned Jun 10, 2023 EDT
Build, Train and Deploy ML Models with Keras on Google Cloud Earned Jan 7, 2023 EST
Machine Learning in the Enterprise - Locales Earned Dez 31, 2022 EST
Certification Learning Path: Professional Machine Learning Engineer Earned Aug 22, 2022 EDT
Computer Vision Fundamentals with Google Cloud Earned Apr 28, 2022 EDT
Production Machine Learning Systems Earned Apr 28, 2022 EDT
Machine Learning in the Enterprise - Locales Earned Apr 27, 2022 EDT
Machine Learning in the Enterprise Earned Apr 27, 2022 EDT
Feature Engineering Earned Apr 26, 2022 EDT
Build, Train and Deploy ML Models with Keras on Google Cloud Earned Mär 5, 2022 EST
Launching into Machine Learning Earned Feb 9, 2022 EST
How Google Does Machine Learning Earned Jan 8, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals Earned Dez 5, 2021 EST

In this course you will discover the exciting new features and capabilities of Customer Experience Agent Studio (CX Agent Studio), design AI agents from the CLI using MCP servers, learn how to evaluate your agent's performance and implement the Quality Hill Climbing process. You will also find out how to set up your agent's memory to store, retrieve, and use information across conversation turns and implement callbacks for logging or authentication, configure guardrails to protect against malicious attempts and ensure aligned responses, and deploy the agent to various channels. Additionally, you will explore the possible integrations between CX Agent Studio and CCaaS services and providers, including first party digital channel integrations with Google Telephony Platform (GTP), widgets and APIs, escalations to human agents through Google Cloud CCaaS and Gemini Enterprise for Customer Experience, and third party telephony and CCaaS integrations with providers such as Twillio or Salesfor…

Weitere Informationen

Complete the Extend Gemini Enterprise Assistant Capabilities skill badge to demonstrate your ability to extend Gemini Enterprise assistant's capabilities with actions, grounding with Google Search, and a conversational agent. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network. When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!

Weitere Informationen

In diesem Kurs lernen Sie, wie Sie mit dem Google Agent Development Kit komplexe Multi-Agent-Systeme entwickeln. Sie erstellen Agenten mit Tools und verbinden sie durch über- und untergeordnete Beziehungen und Abläufe, um festzulegen, wie sie interagieren. Sie führen Ihre Agenten lokal aus und stellen sie in der Vertex AI Agent Engine bereit, um sie als verwalteten Agent-Ablauf auszuführen. Die Entscheidungen zur Infrastruktur und die Ressourcenskalierung werden von der Agent Engine übernommen. Bitte beachten Sie, dass diese Labs auf einer Vorabversion dieses Produkts basieren. Bei diesen Labs kann es zu Verzögerungen kommen, da wir Wartungsupdates bereitstellen.

Weitere Informationen

Welcome to "Virtual Agent Development in Dialogflow CX for Citizen Devs", the second course in the "Customer Experiences with Contact Center AI" series. In this course, learn how to develop customer conversational solutions using Contact Center Artificial Intelligence (CCAI). In this course, you'll be introduced to adding voice (telephony) as a communication channel to your virtual agent conversations using Dialogflow CX.

Weitere Informationen

This is an introductory course to all solutions in the Conversational AI portfolio and the Gen AI features that are available to transform them. The course also explores the business case around Conversational AI, and the use cases and user personas addressed by the solution. Please note Dialogflow CX was recently renamed to Conversational Agents and this course is in the process of being updated to reflect the new product name for Dialogflow CX.

Weitere Informationen

Gemini Enterprise ist ein leistungsstarkes Tool, das das Fachwissen von Google in den Bereichen Suche und KI zusammenbringt. Mitarbeitende können damit bestimmte Informationen in Dokumentenspeichern, E‑Mails, Chats, Ticketsystemen und anderen Datenquellen über eine einzige Suchleiste finden. Der Gemini Enterprise-Assistent kann sie auch beim Brainstorming, der Recherche oder der Strukturierung von Dokumenten unterstützen und zum Beispiel Kollegen zu einem Kalendertermin einladen, um die Wissensarbeit und Zusammenarbeit zu beschleunigen. (Gemini Enterprise hieß früher Google Agentspace. In diesem Kurs kann es daher noch Verweise auf den alten Produktnamen geben.)

Weitere Informationen

In diesem Kurs lernen Sie die KI- und ML-Funktionen von Google Cloud kennen. Der Schwerpunkt liegt auf der Entwicklung von Projekten mit generativer und prädiktiver KI. Dabei werden die verschiedenen Technologien, Produkte und Tools vorgestellt, die für den gesamten Lebenszyklus der Datenaufbereitung für KI verfügbar sind. Data Scientists, KI-Entwickler*innen und ML-Engineers können ihr Fachwissen durch interaktive Übungen erweitern.

Weitere Informationen

One of the best ways to review something is to work with the concepts and technologies that you have learned. So, this course is set up as a workshop and in this workshop, you will do End-to-End Machine Learning with TensorFlow on Google Cloud Platform. It involves building an end-to-end model from data exploration all the way to deploying an ML model and getting predictions from it. This is the first course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Production Machine Learning Systems course.

Weitere Informationen

Earn a skill badge by passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI. A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.

Weitere Informationen

In diesem Kurs erfahren Sie, wie Sie mithilfe von Deep Learning ein Modell zur Bilduntertitelung erstellen. Sie lernen die verschiedenen Komponenten eines solchen Modells wie den Encoder und Decoder und die Schritte zum Trainieren und Bewerten des Modells kennen. Nach Abschluss dieses Kurses haben Sie folgende Kompetenzen erworben: Erstellen eigener Modelle zur Bilduntertitelung und Verwenden der Modelle zum Generieren von Untertiteln

Weitere Informationen

Dieser Kurs bietet eine Einführung in die Transformer-Architektur und das BERT-Modell (Bidirectional Encoder Representations from Transformers). Sie lernen die Hauptkomponenten der Transformer-Architektur wie den Self-Attention-Mechanismus kennen und erfahren, wie Sie diesen zum Erstellen des BERT-Modells verwenden. Darüber hinaus werden verschiedene Aufgaben behandelt, für die BERT genutzt werden kann, wie etwa Textklassifizierung, Question Answering und Natural-Language-Inferenz. Der gesamte Kurs dauert ungefähr 45 Minuten.

Weitere Informationen

Dieser Kurs vermittelt Ihnen eine Zusammenfassung der Encoder-Decoder-Architektur, einer leistungsstarken und gängigen Architektur, die bei Sequenz-zu-Sequenz-Tasks wie maschinellen Übersetzungen, Textzusammenfassungen und dem Question Answering eingesetzt wird. Sie lernen die Hauptkomponenten der Encoder-Decoder-Architektur kennen und erfahren, wie Sie diese Modelle trainieren und bereitstellen können. Im dazugehörigen Lab mit Schritt-für-Schritt-Anleitung können Sie in TensorFlow von Grund auf einen Code für eine einfache Implementierung einer Encoder-Decoder-Architektur erstellen, die zum Schreiben von Gedichten dient.

Weitere Informationen

In diesem Kurs wird der Aufmerksamkeitsmechanismus vorgestellt. Dies ist ein leistungsstarkes Verfahren, das die Fokussierung neuronaler Netzwerke auf bestimmte Abschnitte einer Eingabesequenz ermöglicht. Sie erfahren, wie der Aufmerksamkeitsmechanismus funktioniert und wie Sie damit die Leistung verschiedener Machine Learning-Tasks wie maschinelle Übersetzungen, Zusammenfassungen von Texten und Question Answering verbessern können.

Weitere Informationen

In diesem Kurs werden Diffusion-Modelle vorgestellt, eine Gruppe verschiedener Machine Learning-Modelle, die kürzlich einige vielversprechende Fortschritte im Bereich Bildgenerierung gemacht haben. Diffusion-Modelle basieren auf physikalischen Konzepten der Thermodynamik und sind in den letzten Jahren in der Forschung und Industrie sehr beliebt geworden. Dabei stützen sich Diffusion-Modelle auf viele innovative Modelle und Tools zur Bildgenerierung in Google Cloud. In diesem Kurs werden Ihnen die theoretischen Grundlagen der Diffusion-Modelle erläutert und wie Sie diese Modelle über Vertex AI trainieren und bereitstellen können.

Weitere Informationen

Earn a skill badge by completing the Introduction to Generative AI, Introduction to Large Language Models and Introduction to Responsible AI courses. By passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI. A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.

Weitere Informationen

In diesem Einführungskurs im Microlearning-Format wird erklärt, was verantwortungsbewusste Anwendung von KI bedeutet, warum sie wichtig ist und wie Google dies in seinen Produkten berücksichtigt. Darüber hinaus werden die 7 KI-Grundsätze von Google behandelt.

Weitere Informationen

In diesem Einführungskurs im Microlearning-Format wird untersucht, was Large Language Models (LLM) sind, für welche Anwendungsfälle sie genutzt werden können und wie die LLM-Leistung durch Feinabstimmung von Prompts gesteigert werden kann. Darüber hinaus werden Tools von Google behandelt, die das Entwickeln eigener Anwendungen basierend auf generativer KI ermöglichen.

Weitere Informationen

In diesem Einführungskurs im Microlearning-Format wird erklärt, was generative KI ist, wie sie genutzt wird und wie sie sich von herkömmlichen Methoden für Machine Learning unterscheidet. Darüber hinaus werden Tools von Google behandelt, mit denen Sie eigene Anwendungen basierend auf generativer KI entwickeln können.

Weitere Informationen

This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.

Weitere Informationen

"This course, Machine Learning in the Enterprise - Locales, is intended for non-English learners. If you want to take this course in English, please enroll inMachine Learning in the Enterprise". This course encompasses a real-world practical approach to the ML Workflow: a case study approach that presents an ML team faced with several ML business requirements and use cases. This team must understand the tools required for data management and governance and consider the best approach for data preprocessing: from providing an overview of Dataflow and Dataprep to using BigQuery for preprocessing tasks. The team is presented with three options to build machine learning models for two specific use cases. This course explains why the team would use AutoML, BigQuery ML, or custom training to achieve their objectives. A deeper dive into custom training is presented in this course. We describe custom training requirements from training code structure, storage, and loading large datasets to e…

Weitere Informationen

Good news! There’s a new updated version of this learning path available for you!Open the new Professional Machine Learning Engineer Certification Learning Path to begin, once you’ve selected the new path all your current progress will be reflected in the new version.

Weitere Informationen

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

Weitere Informationen

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.

Weitere Informationen

"This course, Machine Learning in the Enterprise - Locales, is intended for non-English learners. If you want to take this course in English, please enroll inMachine Learning in the Enterprise". This course encompasses a real-world practical approach to the ML Workflow: a case study approach that presents an ML team faced with several ML business requirements and use cases. This team must understand the tools required for data management and governance and consider the best approach for data preprocessing: from providing an overview of Dataflow and Dataprep to using BigQuery for preprocessing tasks. The team is presented with three options to build machine learning models for two specific use cases. This course explains why the team would use AutoML, BigQuery ML, or custom training to achieve their objectives. A deeper dive into custom training is presented in this course. We describe custom training requirements from training code structure, storage, and loading large datasets to e…

Weitere Informationen

This course takes a real-world approach to the ML Workflow through a case study. An ML team faces several ML business requirements and use cases. The team must understand the tools required for data management and governance and consider the best approach for data preprocessing. The team is presented with three options to build ML models for two use cases. The course explains why they would use AutoML, BigQuery ML, or custom training to achieve their objectives.

Weitere Informationen

This course explores the benefits of using Vertex AI Feature Store, how to improve the accuracy of ML models, and how to find which data columns make the most useful features. This course also includes content and labs on feature engineering using BigQuery ML, Keras, and TensorFlow.

Weitere Informationen

This course covers building ML models with TensorFlow and Keras, improving the accuracy of ML models and writing ML models for scaled use.

Weitere Informationen

The course begins with a discussion about data: how to improve data quality and perform exploratory data analysis. We describe Vertex AI AutoML and how to build, train, and deploy an ML model without writing a single line of code. You will understand the benefits of Big Query ML. We then discuss how to optimize a machine learning (ML) model and how generalization and sampling can help assess the quality of ML models for custom training.

Weitere Informationen

This course explores what ML is and what problems it can solve. The course also discusses best practices for implementing machine learning. You’re introduced to Vertex AI, a unified platform to quickly build, train, and deploy AutoML machine learning models. The course discusses the five phases of converting a candidate use case to be driven by machine learning, and why it’s important to not skip them. The course ends with recognizing the biases that ML can amplify and how to recognize them.

Weitere Informationen

This course introduces the Google Cloud big data and machine learning products and services that support the data-to-AI lifecycle. It explores the processes, challenges, and benefits of building a big data pipeline and machine learning models with Vertex AI on Google Cloud.

Weitere Informationen