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
Modul 1: Einführung in KI und Google Gemini
- Was ist Künstliche Intelligenz (KI)?
- Überblick über Google Gemini AI und dessen Ökosystem
- Wichtige Funktionen und Vorteile von Gemini gegenüber anderen KI-Modellen
- Praktische Aktivität: Erkundung von Gemini AI über die Google AI Studio-Demo
Modul 2: Verständnis von Large Language Models (LLMs)
- Grundlagen von Large Language Models
- Die Architektur und Arbeitsweise von Gemini-Modellen
- Vergleich von Gemini mit GPT und anderen führenden Modellen
- Praktisches Labor: Visualisierung der Tokenisierung und Modellantworten anhand von Beispiel-Prompts
Modul 3: Erste Schritte mit Gemini
- Einrichtung 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
- Erforschung verschiedener Gemini-Modelltypen und -fähigkeiten
- Auswahl der passenden Modelle für Sprach-, Bild- oder multimodale Aufgaben
- Initialisierung und Testen generativer Modelle
- Praktische Übung: Vergleich von Text-zu-Text- und Bild-zu-Text-Modell-Ausgaben
Modul 5: Praktische Anwendungen und Anwendungsfälle
- Integration von Gemini AI in Chat- und Q&A-Anwendungen
- Entwicklung von semantischen Such- und Zusammenfassungstools
- Ethische KI-Nutzung und Berücksichtigung von Verzerrungen (Bias)
- Gruppenprojekt: Bau eines „Smart Research Assistant“ unter Verwendung von NotebookLM und Gemini
Modul 6: Erweiterte Funktionen und Individualisierung
- Prompt-Optimierung und fortschrittliches Kontextmanagement
- Nutzung von Gemini für Code-Generierung und Debugging
- Fine-Tuning von Arbeitsabläufen mit Google Cloud Vertex AI
- Praktische Aktivität: Anpassung der Modellantworten durch Parameter und Temperaturkontrolle
Modul 7: Reale Projekte und Zusammenarbeit
- Kooperative Projektplanung und Einrichtung von Arbeitsabläufen
- Integration von Gemini AI mit anderen Google-Tools (Drive, Docs, Sheets)
- Teamprojekt: Planung und Implementierung einer kleinen KI-Anwendung (z. B. Inhaltszusammenfassung, Chatbot oder Ideenfinder)
- Peer-Review und Diskussion der Projektergebnisse
Modul 8: Bewertung und zukünftige Entwicklungen
- Problembehebung bei häufigen Problemen in Gemini-Projekten
- Erforschung der Gemini-API-Roadmap und kommender Funktionen
- Best Practices für KI-Governance und Skalierbarkeit
- Abschlussaktivität: Reflexion über praktische Lernerfolge und Karrieremöglichkeiten
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von KI-Konzepten
- Erfahrung mit APIs und Cloud-Diensten
- Programmiererfahrung in Python
Zielgruppe
- Entwickler
- Data Scientists
- KI-Interessierte
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