Data stores represent a simple way to make content available to many types of generative AI applications, including search applications, recommendations engines, Gemini Enterprise apps, Agent Development Kit agents, and apps built with Google Gen AI or LangChain SDKs. Connect data from many sources include Cloud Storage, Google Drive, chat apps, mail apps, ticketing systems, third-party file storage providers, Salesforce, and many more.
Complete the Build search and recommendations AI Applications skill badge to demonstrate your proficiency in deploying search and recommendation applications through AI Applications. Additionally, emphasis is placed on constructing a tailored Q&A system utilizing data stores. Please note that AI Applications was previously named Agent Builder, so you may encounter this older name within the lab content. 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!
This course introduces AI Applications. You will learn about the types of apps that you can create using AI Applications, the high-level steps that its data stores automate for you, and what advanced features can be enabled for Search apps. (Please note Gemini Enterprise was previously named Google Agentspace, there may be references to the previous product name in this course.)
Demonstrate your ability to implement updated prompt engineering techniques and utilize several of Gemini's key capacilities including multimodal understanding and function calling. Then integrate generative AI into a RAG application deployed to Cloud Run. This course contains labs that are to be used as a test environment. They are deployed to test your understanding as a learner with a limited scope. These technologies can be used with fewer limitations in a real world environment.
Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.
This course on Integrate Vertex AI Search and Conversation into Voice and Chat Apps is composed of a set of labs to give you a hands on experience to interacting with new Generative AI technologies. You will learn how to create end-to-end search and conversational experiences by following examples. These technologies complement predefined intent-based chat experiences created in Dialogflow with LLM-based, generative answers that can be based on your own data. Also, they allow you to porvide enterprise-grade search experiences for internal and external websites to search documents, structure data and public websites.
This course explores how to leverage Looker to create data experiences and gain insights with modern business intelligence (BI) and reporting.
Learn to use LangChain to call Google Cloud LLMs and Generative AI Services and Datastores to simplify complex applications' code.
Da die Nutzung von künstlicher Intelligenz und Machine Learning in Unternehmen weiter zunimmt, wird auch deren verantwortungsbewusste Entwicklung ein immer wichtigeres Thema. Dabei ist es für viele schwierig, die Überlegungen zur verantwortungsbewussten Anwendung von KI in die Praxis umzusetzen. Wenn Sie wissen möchten, wie sich die verantwortungsbewusste Anwendung von KI in die Praxis umsetzen, also operationalisieren lässt, finden Sie in diesem Kurs entsprechende Hilfestellungen. In diesem Kurs erfahren Sie, wie dies mit Google Cloud heutzutage möglich ist, inklusive entsprechender Best Practices und Erkenntnisse. Es wird gezeigt, welches Framework Google Cloud bietet, um einen eigenen Ansatz für die verantwortungsbewusste Anwendung von KI zu entwickeln.
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.
Mit dem Skill-Logo zum Kurs Datenmodelle in Looker verwalten weisen Sie fortgeschrittene Kenntnisse in den folgenden Bereichen nach: Aufrechterhaltung des Zustands von LookML-Projekten, Verwendung von SQL-Runner zur Datenvalidierung, Umsetzung von Best Practices für LookML, Leistungsoptimierung von Abfragen und Berichten sowie Implementierung von persistenten abgeleiteten Tabellen und Caching-Richtlinien.
In diesem Kurs sammeln Sie praktische Erfahrungen mit dem Anwenden erweiterter LookML-Konzepte in Looker. Sie lernen, wie Sie Liquid verwenden, um dynamische Dimensionen und Measures zu erstellen und anzupassen. Außerdem erfahren Sie, wie Sie dynamische abgeleitete SQL-Tabellen und benutzerdefinierte native abgeleitete Tabellen erstellen sowie Erweiterungen zur Modularisierung Ihres LookML-Codes nutzen.
Mit dem Skill-Logo zum Einsteigerkurs LookML-Objekte in Looker erstellen weisen Sie Kenntnisse über Folgendes nach: neue Dimensionen und Messwerte, Ansichten und abgeleitete Tabellen erstellen, Messwertfilter und Typen basierend auf Anforderungen festlegen, Dimensionen und Messwerte aktualisieren, Explores erstellen und verfeinern, Ansichten mit vorhandenen Explores verknüpfen und entscheiden, welche LookML- Objekte aufgrund von Geschäftsanforderungen erstellt werden sollen.
MMit dem Skill-Logo zum Kurs Daten für Looker-Dashboards und ‑Berichte vorbereiten weisen Sie Grundkenntnisse in folgenden Bereichen nach: Filtern, Sortieren und Pivotieren von Daten, Zusammenführen der Ergebnisse von verschiedenen Looker-Explores sowie Verwenden von Funktionen und Operatoren zum Erstellen von Looker-Dashboards und ‑Berichten für Analyse und Visualisierung von Daten.
In this quest, you will get hands-on experience with LookML in Looker. You will learn how to write LookML code to create new dimensions and measures, create derived tables and join them to Explores, filter Explores, and define caching policies in LookML.
This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.
Incorporating machine learning into data pipelines increases the ability to extract insights from data. This course covers ways machine learning can be included in data pipelines on Google Cloud. For little to no customization, this course covers AutoML. For more tailored machine learning capabilities, this course introduces Notebooks and BigQuery machine learning (BigQuery ML). Also, this course covers how to productionalize machine learning solutions by using Vertex AI.
In this intermediate course, you will learn to design, build, and optimize robust batch data pipelines on Google Cloud. Moving beyond fundamental data handling, you will explore large-scale data transformations and efficient workflow orchestration, essential for timely business intelligence and critical reporting. Get hands-on practice using Dataflow for Apache Beam and Serverless for Apache Spark (Dataproc Serverless) for implementation, and tackle crucial considerations for data quality, monitoring, and alerting to ensure pipeline reliability and operational excellence. A basic knowledge of data warehousing, ETL/ELT, SQL, Python, and Google Cloud concepts is recommended.
While the traditional approaches of using data lakes and data warehouses can be effective, they have shortcomings, particularly in large enterprise environments. This course introduces the concept of a data lakehouse and the Google Cloud products used to create one. A lakehouse architecture uses open-standard data sources and combines the best features of data lakes and data warehouses, which addresses many of their shortcomings.
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.
Mit dem Skill-Logo Infrastruktur mit Terraform in Google Cloud erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Grundsätze von Infrastruktur als Code (IaC) unter Verwendung von Terraform, Bereitstellen und Verwalten von Google Cloud-Ressourcen mit Terraform-Konfigurationen, effektives Statusmanagement (lokal und remote) und die Modularisierung von Terraform-Code für Wiederverwendbarkeit und Organisation.
Erhalten Sie ein Skill-Logo, indem Sie den Kurs Google Cloud-Netzwerk entwickeln abschließen. Dabei wird anhand verschiedener Aufgaben behandelt, wie Sie Anwendungen bereitstellen und beobachten, darunter: IAM-Rollen prüfen, den Zugriff auf Projekte ermöglichen/entfernen, VPC-Netzwerke erstellen, Compute Engine-VMs bereitstellen und beobachten, SQL-Abfragen schreiben, VMs in der Compute Engine bereitstellen und beobachten sowie Anwendungen mithilfe von Kubernetes und mehreren Deploymentmodellen bereitstellen.
Mit dem Skill-Logo zum Kurs Cloud Load Balancing in der Compute Engine implementieren weisen Sie Kenntnisse in folgenden Bereichen nach: virtuelle Maschinen in der Compute Engine erstellen und bereitstellen und Netzwerk- und Application Load Balancer konfigurieren.
Erhalten Sie ein Skill-Logo, indem Sie den Kurs „Umgebung für die Anwendungsentwicklung in Google Cloud einrichten“ abschließen. Dabei lernen Sie, wie Sie eine speicherorientierte Cloud-Infrastruktur mithilfe der grundlegenden Funktionen der folgenden Technologien erstellen und verbinden: Cloud Storage, Identity and Access Management, Cloud Functions und Pub/Sub.
Willkommen beim Kurs „Erste Schritte mit der Google Kubernetes Engine“. Sie interessieren sich für Kubernetes, eine Software-Ebene, die sich zwischen Ihren Anwendungen und der Hardwareinfrastruktur befindet? Dann sind Sie hier genau richtig! Die Google Kubernetes Engine bietet Ihnen Kubernetes als verwalteten Dienst in Google Cloud. In diesem Kurs lernen Sie die Grundlagen der Google Kubernetes Engine (GKE) kennen und erfahren, wie Sie Anwendungen containerisieren und in Google Cloud ausführen. Er beginnt mit einer Einführung in Google Cloud, gefolgt von einem Überblick über Container und Kubernetes, die Kubernetes-Architektur sowie Kubernetes-Vorgänge.
Dieser On-Demand-Intensivkurs bietet Teilnehmenden eine Einführung in die umfangreiche und flexible Infrastruktur und die Plattformdienste von Google Cloud. In Videovorträgen, Demos und praxisorientierten Labs lernen Teilnehmende Lösungselemente kennen und stellen sie bereit. Dazu gehören sichere Interconnect-Netzwerke, Load Balancing, Autoscaling, Automatisierung der Infrastruktur und verwaltete Dienste.
This course introduces participants to the strategies to migrate from a source environment to Google Cloud. Participants are introduced to Google Cloud's fundamental concepts and more in depth topics, like creating virtual machines, configuring networks and managing access and identities. The course then covers the installation and migration process of Migrate for Compute Engine, including special features like test clones and wave migrations.
Dieser On-Demand-Intensivkurs bietet Teilnehmenden eine Einführung in die umfangreiche und flexible Infrastruktur und die Plattformdienste von Google Cloud, mit Schwerpunkt auf der Compute Engine. In Videovorträgen, Demos und praxisorientierten Labs lernen die Teilnehmenden Lösungselemente kennen und stellen sie dann bereit. Dazu gehören Infrastrukturkomponenten wie Netzwerke, Systeme und Anwendungsdienste. Außerdem werden praktische Lösungen vorgestellt, beispielsweise für von Kundinnen und Kunden bereitgestellte Verschlüsselungsschlüssel, die Sicherheits- und Zugriffsverwaltung, Kontingente und Abrechnung sowie das Ressourcenmonitoring.
Dieser On-Demand-Intensivkurs bietet Teilnehmenden eine Einführung in die umfangreiche und flexible Infrastruktur und die Plattformdienste von Google Cloud, mit Schwerpunkt auf der Compute Engine. In Videovorträgen, Demos und praxisorientierten Labs lernen Sie Lösungselemente kennen und stellen sie bereit. Dazu gehören Infrastrukturkomponenten wie Netzwerke, virtuelle Maschinen (VMs) und Anwendungsdienste. Darüber hinaus erfahren Sie, wie Sie über die Console und Cloud Shell mit Google Cloud arbeiten. Außerdem lernen Sie mehr über die Aufgaben eines Cloud Architects, über verschiedene Arten von Infrastrukturdesign und über die Konfiguration virtueller Netzwerke mithilfe von Virtual Private Cloud (VPC), Projekten, Netzwerken, Subnetzwerken, IP-Adressen, Routes und Firewallregeln.
In „Google Cloud-Grundlagen: Kerninfrastruktur“ werden wichtige Konzepte und die Terminologie für die Arbeit mit Google Cloud vorgestellt. In Videos und praxisorientierten Labs werden viele Computing- und Speicherdienste von Google Cloud sowie wichtige Tools für die Ressourcen- und Richtlinienverwaltung präsentiert und miteinander verglichen.