Google Cloud Next 2025

In diesem Lab erfahren Sie, wie Sie multimodale Retrieval-Augmented Generation (RAG) mit der Gemini API in Vertex AI ausführen.

In diesem Lab entwickeln und trainieren Sie einen benutzerdefinierten Dokumentextraktor zur Verarbeitung von US-Steuerformularen (Formular W-2).

In diesem Lab lernen Sie, wie Sie mit Vertex AI Studio und Gemini auf generativer KI basierende Prototypen erstellen, Prompts entwerfen und multimodale Analysen in der Console durchführen – ganz ohne Programmieren.

In diesem Lab lernen Sie, wie Sie die Gemini API in Vertex AI und das Google Gen AI SDK for Python mit dem Gemini 2.0 Flash-Modell verwenden.

In diesem Lab lernen Sie, wie Sie mit dem Gemini 2.0 Flash-Modell Code generieren und ausführen. Dafür verwenden Sie die Gemini API in Vertex AI und das Google Gen AI SDK for Python.

In diesem Lab lernen Sie die Vertex AI Embeddings API für Anwendungsfälle mit Text und multimodalen Daten (Bilder und Videos) kennen.

In diesem Lab erstellen und implementieren Sie eine KI-basierte Chatanwendung in Cloud Run, die ein Gemini-Modell verwendet.

In diesem Lab erfahren Sie, wie Sie mit Vertex AI ein Question-Answering-System erstellen, das sowohl Text als auch Bilder versteht.

In diesem Lab lernen Sie, wie Sie eine Streamlit-Anwendung bereitstellen, die in Gemini in Cloud Run eingebunden ist.

Lernen Sie, wie Sie BigQuery Machine Learning mit Remote-Modellen (Gemini) anwenden, um Kundenrezensionen mithilfe von SQL zu analysieren.

In diesem Lab lernen Sie, wie Sie die Features zur Codegenerierung und ‑erklärung sowie die Vorschläge von Gemini in BigQuery nutzen.

In diesem Lab lernen Sie, wie Sie den Tabellen-Explorer und Data Insights mit Gemini in BigQuery nutzen.

In diesem Lab lernen Sie, wie Sie eine RAG-Pipeline erstellen – von Einbettungen über die Vektorsuche bis hin zur Generierung mit Gemini in BigQuery.

In diesem Lab erfahren Sie, wie Sie ein BI-Dashboard mit Looker Studio als Frontend und BigQuery als Backend erstellen.

In diesem Lab importieren Sie Daten aus CSV-Textdateien in Cloud SQL und führen dann mit einfachen Abfragen grundlegende Datenanalysen aus.

In diesem Lab führen Sie grundlegende Verwaltungsaufgaben in einer Cloud Spanner-Instanz aus.

In diesem Lab migrieren Sie eine eigenständige, auf einer virtuellen Maschine ausgeführte PostgreSQL-Datenbank zu AlloyDB for PostgreSQL. Dazu verwenden Sie einen kontinuierlichen Database Migration Service-Job und die VPC-Peering-Verbindungsmethode.

In diesem Lab erfahren Sie, wie das Logging in GKE funktioniert, und lernen anhand einiger gängiger Anwendungsfälle Best Practices für die Logerfassung kennen.

Mit Google Cloud Deploy eine Bereitstellungspipeline erstellen, ein Release für eine einfache Anwendung erstellen und die Anwendung über eine Reihe von Google Kubernetes Engine-Zielen hochstufen

Mit Loganalysen können Sie eine detaillierte Loganalyse zur Nutzung über SQL-Abfragen auf der Cloud Logging-Seite durchführen.

In diesem Lab erfahren Sie, wie Sie ein sicheres VPN mit hohem Durchsatz erstellen und die Geschwindigkeit testen.

In diesem Lab werden folgende Aufgaben erläutert: vollständigen Kubernetes-Cluster mit der Google Kubernetes Engine bereitstellen; Docker-Container mithilfe von kubectl bereitstellen und verwalten; mit Kubernetes-Deployments und ‑Diensten eine Anwendung in Mikrodienste unterteilen.

In diesem Lab wird gezeigt, wie Sie einen HTTP(S)-Load Balancer erstellen, der Traffic an Instanzen in zwei verschiedenen Regionen weiterleitet.

In diesem praxisorientierten Lab erfahren Sie, wie Sie eine Infrastruktur mit Terraform in der Cloud-Umgebung erstellen, ändern, bereitstellen und löschen.

Hier erfahren Sie, wie Sie ein Netzwerk einrichten, drei Subnetzwerke hinzufügen und anschließend Firewallregeln anwenden.

In diesem Lab erstellen Sie ein VPC-Netzwerk im automatischen Modus mit Firewallregeln und zwei VM-Instanzen und untersuchen dann die Konnektivität für die VM-Instanzen.

In diesem Lab erstellen Sie mehrere Datenpipelines, mit denen Daten aus einem öffentlich verfügbaren Dataset aufgenommen und nach BigQuery übertragen werden.

In diesem Lab erstellen Sie ein Google Workspace-Add-on, das mit Gemini und Vertex AI die Stimmung in Gmail-Nachrichten analysiert und negative E‑Mails automatisch kennzeichnet, damit sie vorrangig bearbeitet werden können.