{"course":{"productid":36078,"modality":1,"active":true,"language":"de","title":"Preparing for Professional Machine Learning Engineer","productcode":"GCPMLE","vendorcode":"GO","vendorname":"Google","fullproductcode":"GO-GCPMLE","courseware":{"has_ekit":false,"has_printkit":true,"language":""},"url":"https:\/\/portal.flane.ch\/course\/google-gcpmle","objective":"<ul>\n<li>Nennen Sie die Bereiche, die in der Zertifizierungspr&uuml;fung zum Professional Machine Learning Engineer (PMLE) gepr&uuml;ft werden.<\/li><li>Ermitteln Sie die L&uuml;cken in Ihrem Wissen und Ihren F&auml;higkeiten in jedem Bereich.<\/li><li>Ermitteln Sie die verf&uuml;gbaren Ressourcen und Lernmittel, um Ihre Kenntnisse und F&auml;higkeiten zu erweitern.<\/li><li>Erstellen Sie einen Lernplan zur Vorbereitung auf die PMLE-Zertifizierungspr&uuml;fung.<\/li><\/ul>","audience":"<p>Googler, Partner und Kunden<\/p>","contents":"<ul>\n<li>Einf&uuml;hrung<\/li><li>Architektur von Low-Code-KI-L&ouml;sungen<\/li><li>Zusammenarbeit innerhalb von Teams und team&uuml;bergreifend zur Verwaltung von Daten und Modellen<\/li><li>Skalierung von Prototypen zu ML-Modellen<\/li><li>Bedienung von ML-Modellen<\/li><li>Automatisieren und Orchestrieren von ML-Pipelines<\/li><li>&Uuml;berwachung von ML-L&ouml;sungen<\/li><li>Ihre n&auml;chsten Schritte<\/li><\/ul>","outline":"<h5>Modul 01 Architektur von Low-Code-KI-L&ouml;sungen<\/h5><h6>Themen<\/h6><ul>\n<li>Ira muss Kundensegmente mithilfe von BigQuery und einem Clustering-Modell verstehen.<\/li><li>Sasha muss den Kundenwert mithilfe des Kundendatensatzes von AutoML Cymbal Retail vorhersagen.<\/li><li>Taylor muss mit Hilfe von Vertex AI Agent Builder und Retrieval-Augmented Generation (RAG) einen KI-Assistenten f&uuml;r die Konversation mit Kunden entwickeln<\/li><li>Diagnostische Fragen<\/li><li>&Uuml;berpr&uuml;fung und Planung von Studien<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Geben Sie Ihren Kenntnisstand bei der Entwicklung und Implementierung von BigQuery ML- und AutoML-L&ouml;sungen f&uuml;r maschinelles Lernen an.<\/li><li>Bestimmen Sie die erforderlichen F&auml;higkeiten zur Auswahl geeigneter ML-APIs, zur effektiven Datenaufbereitung und zur Erstellung benutzerdefinierter Modelle mit AutoML.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Lesen<\/li><li>Diagnostische Fragen<\/li><li>Quiz<\/li><\/ul><h5>Modul 02 Zusammenarbeit in und zwischen Teams zur Verwaltung von Daten und Modellen<\/h5><h6>Themen<\/h6><ul>\n<li>Nutzen Sie die Produkte von Google Cloud und die reichhaltigen Daten von Cymbal Retail, um ein Modell zu entwickeln, das vorhersagt, welche hochwertigen Kunden wahrscheinlich nicht mehr kaufen werden (auch bekannt als Kundenabwanderung).<\/li><li>Beantworten Sie diagnostische Fragen.<\/li><li>Pr&uuml;fen Sie die Informationen und planen Sie Ihr Studium.<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Bestimmen Sie Ihren Kenntnisstand bei der Erkundung, Vorverarbeitung und Verwaltung von unternehmensweiten Daten.<\/li><li>Ermitteln Sie Ihren Kenntnisstand in Bezug auf die Auswirkungen auf die Privatsph&auml;re und die Nutzung von Tools wie Vertex AI Feature Store.<\/li><li>Bestimmen Sie die F&auml;higkeiten, die erforderlich sind, um Modelle mit Jupyter-Notebooks auf Google Cloud zu prototypisieren.<\/li><li>Bestimmen Sie die F&auml;higkeiten, die f&uuml;r die Auswahl geeigneter Backends, die Implementierung bew&auml;hrter Sicherheitsverfahren und die Integration mit Code-Repositories erforderlich sind.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Lesen<\/li><li>Diagnostische Fragen<\/li><li>Quiz<\/li><\/ul><h5>Modul 03 Skalierung von Prototypen zu ML-Modellen<\/h5><h6>Themen<\/h6><ul>\n<li>Nutzen Sie die Produkte von Google Cloud und die reichhaltigen Daten von Cymbal Retail, um einen Prototyp zur Kundenabwanderung zu erstellen und in ein produktionsreifes Modell zu &uuml;berf&uuml;hren.<\/li><li>Beantworten Sie diagnostische Fragen.<\/li><li>Pr&uuml;fen Sie die Informationen und planen Sie Ihr Studium.<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Ermittlung des Kenntnisstandes bei der Skalierung von ML-Prototypen in produktionsreife Modelle<\/li><li>Identifizieren Sie Ihren Kenntnisstand bei der Auswahl geeigneter ML-Frameworks, Modellarchitekturen und Modellierungstechniken auf der Grundlage der Anforderungen an die Interpretierbarkeit.<\/li><li>Bestimmen Sie die F&auml;higkeiten, die zum effektiven Trainieren von Modellen erforderlich sind, einschliesslich des Organisierens und Aufnehmens von Trainingsdaten in Google Cloud.<\/li><li>Bestimmen Sie die F&auml;higkeiten, die erforderlich sind, um verteilte Trainingstechniken zu nutzen, Hyperparameter abzustimmen und Fehler im Training zu beheben.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Lesen<\/li><li>Diagnostische Fragen<\/li><li>Quiz<\/li><\/ul><h5>Modul 04 Bedienung von ML-Modellen<\/h5><h6>Themen<\/h6><ul>\n<li>Nutzen Sie die Produkte von Google Cloud und die reichhaltigen Daten von Cymbal Retail, um ein Kundenabwanderungsmodell bereitzustellen und es in der Produktion f&uuml;r Inferenzen zu verwenden.<\/li><li>Beantworten Sie diagnostische Fragen.<\/li><li>Pr&uuml;fen Sie die Informationen und planen Sie Ihr Studium.<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Ermittlung des Wissensstands, der erforderlich ist, um Modelle in der Produktion effektiv zu bedienen.<\/li><li>Identifizieren Sie den erforderlichen Kenntnisstand, um zwischen Batch- und Online-Inferenz zu w&auml;hlen, verschiedene Serving-Frameworks zu verwenden, eine Modellregistrierung zu organisieren und A\/B-Tests zur Modelloptimierung durchzuf&uuml;hren.<\/li><li>Bestimmen Sie die F&auml;higkeiten, die f&uuml;r die Skalierung der Online-Modellbereitstellung erforderlich sind, einschliesslich der Nutzung des Vertex AI Feature Store.<\/li><li>Ermitteln Sie die erforderlichen F&auml;higkeiten f&uuml;r die Verwaltung &ouml;ffentlicher und privater Endpunkte, die Auswahl geeigneter Hardware, die Optimierung von Serving-Backends f&uuml;r den Durchsatz und die Feinabstimmung von Modellen f&uuml;r eine optimale Leistung in der Produktion.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Lesen<\/li><li>Diagnostische Fragen<\/li><li>Quiz<\/li><\/ul><h5>Modul 05 Automatisieren und Orchestrieren von ML-Pipelines<\/h5><h6>Themen<\/h6><ul>\n<li>Nutzen Sie die Produkte von Google Cloud zur Orchestrierung der gesamten Pipeline f&uuml;r maschinelles Lernen, um eine nahtlose Ausf&uuml;hrung und kontinuierliche Verbesserungen bei der Kundenabwanderung zu erreichen.<\/li><li>Beantworten Sie diagnostische Fragen.<\/li><li>Pr&uuml;fen Sie die Informationen und planen Sie Ihr Studium.<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Ermitteln Sie den Wissensstand, der f&uuml;r die Entwicklung und Wartung von End-to-End-ML-Pipelines erforderlich ist.<\/li><li>Identifizieren Sie den Wissensstand, der f&uuml;r die Validierung von Daten und Modell, konsistente Vorverarbeitung, Hosting-Optionen, Identifizierung von Komponenten, Parametrisierung, Ausl&ouml;semechanismen, Rechenanforderungen und Orchestrierungsstrategien erforderlich ist.<\/li><li>Bestimmen Sie die F&auml;higkeiten, die f&uuml;r die Automatisierung der Modellumschulung erforderlich sind, einschliesslich der Festlegung von Umschulungsrichtlinien.<\/li><li>Bestimmen Sie die F&auml;higkeiten, die f&uuml;r die Implementierung der CI\/CD-Modellbereitstellung und die Verfolgung und Pr&uuml;fung von Metadaten (Modellartefakte, Versionen, Datenabfolge) erforderlich sind.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Lesen<\/li><li>Diagnostische Fragen<\/li><li>Quiz<\/li><\/ul><h5>Modul 06 &Uuml;berwachung von ML-L&ouml;sungen<\/h5><h6>Themen<\/h6><ul>\n<li>Verwenden Sie die Produkte von Google Cloud, um sicherzustellen, dass das Kundenabwanderungsmodell stabil und zuverl&auml;ssig bleibt und mit den Grunds&auml;tzen der verantwortungsvollen KI von Google &uuml;bereinstimmt.<\/li><li>Beantworten Sie diagnostische Fragen.<\/li><li>Pr&uuml;fen Sie die Informationen und planen Sie Ihr Studium.<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>Ermittlung des Wissensstandes, der zur Bewertung und Minderung von Risiken bei ML-L&ouml;sungen erforderlich ist.<\/li><li>Ermitteln Sie den Wissensstand, der f&uuml;r den Aufbau sicherer ML-Systeme erforderlich ist, richten Sie sich an verantwortungsvollen KI-Praktiken aus, bewerten Sie die Bereitschaft der L&ouml;sung und nutzen Sie die Erkl&auml;rbarkeit von Modellen auf Vertex AI.<\/li><li>Bestimmen Sie die F&auml;higkeiten, die zur &Uuml;berwachung, Pr&uuml;fung und Fehlerbehebung von ML-L&ouml;sungen erforderlich sind.<\/li><li>Bestimmen Sie die F&auml;higkeiten, die erforderlich sind, um kontinuierliche Evaluierungsmetriken zu erstellen, die Verzerrung von Trainingsdaten und die Abweichung von Merkmalen zu &uuml;berwachen, die Modellleistung mit Baselines zu vergleichen und h&auml;ufige Trainings- und Servingfehler zu untersuchen.<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Lesen<\/li><li>Diagnostische Fragen<\/li><li>Quiz<\/li><\/ul><h5>Modul 07 Ihre n&auml;chsten Schritte<\/h5><h6>Themen<\/h6><ul>\n<li>Ein Muster-Lernplan f&uuml;r die Pr&uuml;fung<\/li><li>Wie man sich f&uuml;r die Pr&uuml;fung anmeldet<\/li><\/ul><h6>Zielsetzungen<\/h6><ul>\n<li>&Uuml;berpr&uuml;fung eines Beispielstudienplans f&uuml;r die Pr&uuml;fung<\/li><li>Erfahren Sie, wie Sie sich f&uuml;r die Pr&uuml;fung anmelden k&ouml;nnen<\/li><\/ul><h6>Aktivit&auml;ten<\/h6><ul>\n<li>Erstellen Sie Ihren Lernplan f&uuml;r die Pr&uuml;fung<\/li><li>Legen Sie einen Termin f&uuml;r die Pr&uuml;fung fest, der Ihrem Plan entspricht<\/li><li>Anmeldung zur Pr&uuml;fung<\/li><\/ul>","comments":"<p><em>Dieser Text wurde automatisiert &uuml;bersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <span class=\"cms-link-marked\"><a class=\"fl-href-prod\" href=\"\/swisscom\/en\/course\/google-gcpmle\"><svg role=\"img\" aria-hidden=\"true\" focusable=\"false\" data-nosnippet class=\"cms-linkmark\"><use xlink:href=\"\/css\/img\/icnset-linkmarks.svg#linkmark\"><\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"<p>Dieser Kurs hilft den Lernenden, einen Lernplan f&uuml;r die PMLE-Zertifizierungspr&uuml;fung (Professional Machine Learning Engineer) zu erstellen. Die Lernenden erkunden die Breite und den Umfang der in der Pr&uuml;fung abgedeckten Bereiche. Die Lernenden bewerten ihre Pr&uuml;fungsvorbereitung und erstellen ihren individuellen Studienplan.<\/p>","objective_plain":"- Nennen Sie die Bereiche, die in der Zertifizierungspr\u00fcfung zum Professional Machine Learning Engineer (PMLE) gepr\u00fcft werden.\n- Ermitteln Sie die L\u00fccken in Ihrem Wissen und Ihren F\u00e4higkeiten in jedem Bereich.\n- Ermitteln Sie die verf\u00fcgbaren Ressourcen und Lernmittel, um Ihre Kenntnisse und F\u00e4higkeiten zu erweitern.\n- Erstellen Sie einen Lernplan zur Vorbereitung auf die PMLE-Zertifizierungspr\u00fcfung.","audience_plain":"Googler, Partner und Kunden","contents_plain":"- Einf\u00fchrung\n- Architektur von Low-Code-KI-L\u00f6sungen\n- Zusammenarbeit innerhalb von Teams und team\u00fcbergreifend zur Verwaltung von Daten und Modellen\n- Skalierung von Prototypen zu ML-Modellen\n- Bedienung von ML-Modellen\n- Automatisieren und Orchestrieren von ML-Pipelines\n- \u00dcberwachung von ML-L\u00f6sungen\n- Ihre n\u00e4chsten Schritte","outline_plain":"Modul 01 Architektur von Low-Code-KI-L\u00f6sungen\n\nThemen\n\n\n- Ira muss Kundensegmente mithilfe von BigQuery und einem Clustering-Modell verstehen.\n- Sasha muss den Kundenwert mithilfe des Kundendatensatzes von AutoML Cymbal Retail vorhersagen.\n- Taylor muss mit Hilfe von Vertex AI Agent Builder und Retrieval-Augmented Generation (RAG) einen KI-Assistenten f\u00fcr die Konversation mit Kunden entwickeln\n- Diagnostische Fragen\n- \u00dcberpr\u00fcfung und Planung von Studien\nZielsetzungen\n\n\n- Geben Sie Ihren Kenntnisstand bei der Entwicklung und Implementierung von BigQuery ML- und AutoML-L\u00f6sungen f\u00fcr maschinelles Lernen an.\n- Bestimmen Sie die erforderlichen F\u00e4higkeiten zur Auswahl geeigneter ML-APIs, zur effektiven Datenaufbereitung und zur Erstellung benutzerdefinierter Modelle mit AutoML.\nAktivit\u00e4ten\n\n\n- Lesen\n- Diagnostische Fragen\n- Quiz\nModul 02 Zusammenarbeit in und zwischen Teams zur Verwaltung von Daten und Modellen\n\nThemen\n\n\n- Nutzen Sie die Produkte von Google Cloud und die reichhaltigen Daten von Cymbal Retail, um ein Modell zu entwickeln, das vorhersagt, welche hochwertigen Kunden wahrscheinlich nicht mehr kaufen werden (auch bekannt als Kundenabwanderung).\n- Beantworten Sie diagnostische Fragen.\n- Pr\u00fcfen Sie die Informationen und planen Sie Ihr Studium.\nZielsetzungen\n\n\n- Bestimmen Sie Ihren Kenntnisstand bei der Erkundung, Vorverarbeitung und Verwaltung von unternehmensweiten Daten.\n- Ermitteln Sie Ihren Kenntnisstand in Bezug auf die Auswirkungen auf die Privatsph\u00e4re und die Nutzung von Tools wie Vertex AI Feature Store.\n- Bestimmen Sie die F\u00e4higkeiten, die erforderlich sind, um Modelle mit Jupyter-Notebooks auf Google Cloud zu prototypisieren.\n- Bestimmen Sie die F\u00e4higkeiten, die f\u00fcr die Auswahl geeigneter Backends, die Implementierung bew\u00e4hrter Sicherheitsverfahren und die Integration mit Code-Repositories erforderlich sind.\nAktivit\u00e4ten\n\n\n- Lesen\n- Diagnostische Fragen\n- Quiz\nModul 03 Skalierung von Prototypen zu ML-Modellen\n\nThemen\n\n\n- Nutzen Sie die Produkte von Google Cloud und die reichhaltigen Daten von Cymbal Retail, um einen Prototyp zur Kundenabwanderung zu erstellen und in ein produktionsreifes Modell zu \u00fcberf\u00fchren.\n- Beantworten Sie diagnostische Fragen.\n- Pr\u00fcfen Sie die Informationen und planen Sie Ihr Studium.\nZielsetzungen\n\n\n- Ermittlung des Kenntnisstandes bei der Skalierung von ML-Prototypen in produktionsreife Modelle\n- Identifizieren Sie Ihren Kenntnisstand bei der Auswahl geeigneter ML-Frameworks, Modellarchitekturen und Modellierungstechniken auf der Grundlage der Anforderungen an die Interpretierbarkeit.\n- Bestimmen Sie die F\u00e4higkeiten, die zum effektiven Trainieren von Modellen erforderlich sind, einschliesslich des Organisierens und Aufnehmens von Trainingsdaten in Google Cloud.\n- Bestimmen Sie die F\u00e4higkeiten, die erforderlich sind, um verteilte Trainingstechniken zu nutzen, Hyperparameter abzustimmen und Fehler im Training zu beheben.\nAktivit\u00e4ten\n\n\n- Lesen\n- Diagnostische Fragen\n- Quiz\nModul 04 Bedienung von ML-Modellen\n\nThemen\n\n\n- Nutzen Sie die Produkte von Google Cloud und die reichhaltigen Daten von Cymbal Retail, um ein Kundenabwanderungsmodell bereitzustellen und es in der Produktion f\u00fcr Inferenzen zu verwenden.\n- Beantworten Sie diagnostische Fragen.\n- Pr\u00fcfen Sie die Informationen und planen Sie Ihr Studium.\nZielsetzungen\n\n\n- Ermittlung des Wissensstands, der erforderlich ist, um Modelle in der Produktion effektiv zu bedienen.\n- Identifizieren Sie den erforderlichen Kenntnisstand, um zwischen Batch- und Online-Inferenz zu w\u00e4hlen, verschiedene Serving-Frameworks zu verwenden, eine Modellregistrierung zu organisieren und A\/B-Tests zur Modelloptimierung durchzuf\u00fchren.\n- Bestimmen Sie die F\u00e4higkeiten, die f\u00fcr die Skalierung der Online-Modellbereitstellung erforderlich sind, einschliesslich der Nutzung des Vertex AI Feature Store.\n- Ermitteln Sie die erforderlichen F\u00e4higkeiten f\u00fcr die Verwaltung \u00f6ffentlicher und privater Endpunkte, die Auswahl geeigneter Hardware, die Optimierung von Serving-Backends f\u00fcr den Durchsatz und die Feinabstimmung von Modellen f\u00fcr eine optimale Leistung in der Produktion.\nAktivit\u00e4ten\n\n\n- Lesen\n- Diagnostische Fragen\n- Quiz\nModul 05 Automatisieren und Orchestrieren von ML-Pipelines\n\nThemen\n\n\n- Nutzen Sie die Produkte von Google Cloud zur Orchestrierung der gesamten Pipeline f\u00fcr maschinelles Lernen, um eine nahtlose Ausf\u00fchrung und kontinuierliche Verbesserungen bei der Kundenabwanderung zu erreichen.\n- Beantworten Sie diagnostische Fragen.\n- Pr\u00fcfen Sie die Informationen und planen Sie Ihr Studium.\nZielsetzungen\n\n\n- Ermitteln Sie den Wissensstand, der f\u00fcr die Entwicklung und Wartung von End-to-End-ML-Pipelines erforderlich ist.\n- Identifizieren Sie den Wissensstand, der f\u00fcr die Validierung von Daten und Modell, konsistente Vorverarbeitung, Hosting-Optionen, Identifizierung von Komponenten, Parametrisierung, Ausl\u00f6semechanismen, Rechenanforderungen und Orchestrierungsstrategien erforderlich ist.\n- Bestimmen Sie die F\u00e4higkeiten, die f\u00fcr die Automatisierung der Modellumschulung erforderlich sind, einschliesslich der Festlegung von Umschulungsrichtlinien.\n- Bestimmen Sie die F\u00e4higkeiten, die f\u00fcr die Implementierung der CI\/CD-Modellbereitstellung und die Verfolgung und Pr\u00fcfung von Metadaten (Modellartefakte, Versionen, Datenabfolge) erforderlich sind.\nAktivit\u00e4ten\n\n\n- Lesen\n- Diagnostische Fragen\n- Quiz\nModul 06 \u00dcberwachung von ML-L\u00f6sungen\n\nThemen\n\n\n- Verwenden Sie die Produkte von Google Cloud, um sicherzustellen, dass das Kundenabwanderungsmodell stabil und zuverl\u00e4ssig bleibt und mit den Grunds\u00e4tzen der verantwortungsvollen KI von Google \u00fcbereinstimmt.\n- Beantworten Sie diagnostische Fragen.\n- Pr\u00fcfen Sie die Informationen und planen Sie Ihr Studium.\nZielsetzungen\n\n\n- Ermittlung des Wissensstandes, der zur Bewertung und Minderung von Risiken bei ML-L\u00f6sungen erforderlich ist.\n- Ermitteln Sie den Wissensstand, der f\u00fcr den Aufbau sicherer ML-Systeme erforderlich ist, richten Sie sich an verantwortungsvollen KI-Praktiken aus, bewerten Sie die Bereitschaft der L\u00f6sung und nutzen Sie die Erkl\u00e4rbarkeit von Modellen auf Vertex AI.\n- Bestimmen Sie die F\u00e4higkeiten, die zur \u00dcberwachung, Pr\u00fcfung und Fehlerbehebung von ML-L\u00f6sungen erforderlich sind.\n- Bestimmen Sie die F\u00e4higkeiten, die erforderlich sind, um kontinuierliche Evaluierungsmetriken zu erstellen, die Verzerrung von Trainingsdaten und die Abweichung von Merkmalen zu \u00fcberwachen, die Modellleistung mit Baselines zu vergleichen und h\u00e4ufige Trainings- und Servingfehler zu untersuchen.\nAktivit\u00e4ten\n\n\n- Lesen\n- Diagnostische Fragen\n- Quiz\nModul 07 Ihre n\u00e4chsten Schritte\n\nThemen\n\n\n- Ein Muster-Lernplan f\u00fcr die Pr\u00fcfung\n- Wie man sich f\u00fcr die Pr\u00fcfung anmeldet\nZielsetzungen\n\n\n- \u00dcberpr\u00fcfung eines Beispielstudienplans f\u00fcr die Pr\u00fcfung\n- Erfahren Sie, wie Sie sich f\u00fcr die Pr\u00fcfung anmelden k\u00f6nnen\nAktivit\u00e4ten\n\n\n- Erstellen Sie Ihren Lernplan f\u00fcr die Pr\u00fcfung\n- Legen Sie einen Termin f\u00fcr die Pr\u00fcfung fest, der Ihrem Plan entspricht\n- Anmeldung zur Pr\u00fcfung","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"Dieser Kurs hilft den Lernenden, einen Lernplan f\u00fcr die PMLE-Zertifizierungspr\u00fcfung (Professional Machine Learning Engineer) zu erstellen. Die Lernenden erkunden die Breite und den Umfang der in der Pr\u00fcfung abgedeckten Bereiche. Die Lernenden bewerten ihre Pr\u00fcfungsvorbereitung und erstellen ihren individuellen Studienplan.","skill_level":"Intermediate","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":650},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":650},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":650},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":650},"FR":{"country":"FR","currency":"EUR","taxrate":19.6,"price":790},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":650},"CH":{"country":"CH","currency":"CHF","taxrate":8.1,"price":650}}},"lastchanged":"2025-07-29T12:18:45+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/36078","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/google-gcpmle"}}