Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung
- Die Generative AI Leader-Zertifizierung: Nutzen und Zielgruppe
- Prüfungsformat, Domänen und Gewichtung sowie Vorbereitungsstrategien
Grundlagen von Gen AI (ca. 30%)
- Konzepte und Anwendungsfälle der Gen AI (KI, ML, LLMs, Foundation Models, Multimodalität und Diffusion Models, Prompt Engineering)
- Maschinelles Lernansätze (überwacht, unüberwacht, bestärkend) und der ML-Lebenszyklus
- Kriterien zur Auswahl von Foundation Models (Modality, Context Window, Kosten, Leistung, Anpassung)
- Datentypen und Datenqualität in Gen AI (strukturiert vs. unstrukturiert, gelabelt vs. ungelabelt)
- Die Schichten der Gen-AI-Landschaft und Googles Foundation Models (Gemini, Gemma, Imagen, Veo)
Gen-AI-Angebote von Google Cloud (ca. 35%)
- Stärken der Gen AI bei Google Cloud und KI-optimierte Infrastruktur (TPUs, GPUs, Hypercomputer)
- Fertige Angebote: Gemini App und Gemini Advanced, Gemini für Google Workspace, Gemini Enterprise
- Kundenerlebnis: Customer Engagement Suite (Conversational Agents, Agent Assist, Conversational Insights)
- Entwicklerunterstützung: Vertex AI / Agent Platform, Model Garden und RAG-Angebote
- Gen-AI-Agent-Tooling (Extensions, Funktionen, Data Stores) und relevante Google Cloud-Dienste
Techniken zur Verbesserung des Gen-AI-Modelloutputs (ca. 20%)
- Überwindung der Grenzen von Foundation Models (Knowledge Cutoff, Bias, Halluzinationen, Randfälle)
- Prompt-Engineering-Techniken (Zero-Shot, One-Shot, Few-Shot, Role, Prompt Chaining, Chain-of-Thought, ReAct)
- Grounding und Retrieval-Augmented Generation (RAG)
- Sampling-Parameter zur Steuerung des Outputs (Temperatur, Top-P, Token-Anzahl, Sicherheitseinstellungen)
Geschäftsstrategien für erfolgreiche Gen-AI-Lösungen (ca. 15%)
- Schritte der Implementierung und Methodik zur Lösungsselektion
- Secure AI und Googles Secure AI Framework (SAIF)
- Responsible AI: Datenschutz, Bias und Fairness, Verantwortungsbereitschaft und Erklärbarkeit
Vorbereitung auf die Prüfung
- Musterfragen und domänenspezifische Wiederholung
- Vollständige Mock-Prüfung und Analyse der Antworten
- Lernplan und Strategie für den Prüfungstag
Zusammenfassung und nächste Schritte
Voraussetzungen
Voraussetzungen
- Keine technischen Voraussetzungen erforderlich
- Allgemeines Verständnis von Geschäfts-IT ist hilfreich
Zielgruppe
- Führungskräfte, Manager und Entscheidungsträger
- Geschäftsprofis aller Rollen, die Generative AI einführen möchten
- Alle, die sich auf die Google Cloud Generative AI Leader-Zertifizierung vorbereiten
14 Stunden
Erfahrungsberichte (1)
Fluss, Vibe und Thema der Präsentation
Lukasz Kowalczyk - Allegro Sp. z o.o.
Kurs - Google Gemini AI for Data Analysis
Maschinelle Übersetzung