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.
Dauer 14 Stunden
Schulungsübersicht
Modul 1: Einführung in die KI und Google Gemini
- Was ist Künstliche Intelligenz (KI)?
- Überblick über Google Gemini AI und sein Ökosystem
- Wichtige Funktionen und Vorteile von Gemini im Vergleich zu anderen KI-Modellen
- Praktische Übung: Erkunden von Gemini AI über die Google AI Studio-Demo
Modul 2: Verständnis von Large Language Models (LLMs)
- Grundlagen von Large Language Models
- Architektur und Funktionsweise der Gemini-Modelle
- Vergleich von Gemini mit GPT und anderen führenden Modellen
- Praktisches Labor: Visualisierung der Tokenisierung und von Modellantworten anhand von Beispiel-Prompts
Modul 3: Erste Schritte mit Gemini
- Einrichten der Entwicklungsumgebung
- Arbeit mit der Gemini-API und dem SDK
- Authentifizierung, Tokens und API-Schlüssel
- Praktisches Labor: Ausführen Ihres ersten Gemini-Prompts mit Python
Modul 4: Arbeit mit Gemini-Modellen
- Untersuchung verschiedener Gemini-Modelltypen und -Fähigkeiten
- Auswahl geeigneter Modelle für Sprach-, Bild- oder multimodale Aufgaben
- Initialisierung und Testen generativer Modelle
- Praktische Übung: Vergleich der Ausgaben von Text-zu-Text- und Bild-zu-Text-Modellen
Modul 5: Praktische Anwendungen und Use Cases
- Integration von Gemini AI in Chat- und Q&A-Anwendungen
- Entwicklung von semantischen Such- und Zusammenfassungstools
- Ethische KI-Nutzung und Überlegungen zu Verzerrungen (Bias)
- Gruppenprojekt: Erstellung eines „Smarten Forschungsassistenten“ mit NotebookLM und Gemini
Modul 6: Fortgeschrittene Funktionen und Anpassung
- Optimierung von Prompts und fortgeschrittene Kontextverarbeitung
- Einsatz von Gemini für Codegenerierung und -Debugging
- Feinabstimmung von Workflows mit Google Cloud Vertex AI
- Praktische Übung: Anpassung der Modellantworten über Parameter und Temperature Control
Modul 7: Reale Projekte und Zusammenarbeit
- Kollaborative Projektplanung und Einrichtung von Workflows
- Integration von Gemini AI mit anderen Google-Tools (Drive, Docs, Sheets)
- Teamprojekt: Entwurf und Deployment einer kleinen KI-Anwendung (z. B. Inhalts-Zusammenfasser, Chatbot oder Ideen-Generator)
- Peer-Review und Diskussion der Projektergebnisse
Modul 8: Evaluierung und zukünftige Entwicklungen
- Beseitigung häufiger Probleme in Gemini-Projekten
- Erkundung der Gemini-API-Roadmap und bevorstehender Funktionen
- Best Practices für KI-Governance und Skalierbarkeit
- Abschlussübung: Reflexion der praktischen Lernerfahrungen und deren Karriereanwendungen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von KI-Konzepten
- Erfahrung mit APIs und Cloud-Diensten
- Programmierungserfahrung in Python
Zielgruppe
- Entwickler
- Wissenschaftler für Datenanalyse (Data Scientists)
- KI-Interessierte
Erfahrungsberichte (1)
Fluss, Vibe und Thema der Präsentation
Lukasz Kowalczyk - Allegro Sp. z o.o.
Kurs - Google Gemini AI for Data Analysis
Maschinelle Übersetzung
