GSP524

概要

チャレンジラボでは、シナリオと一連のタスクが提供されます。手順ガイドに沿って進める形式ではなく、コース内のラボで習得したスキルを駆使して、ご自身でタスクを完了していただきます。タスクが適切に完了したかどうかは、このページに表示される自動スコアリング システムで確認できます。

チャレンジラボは、Google Cloud の新しいコンセプトについて学習するためのものではありません。デフォルト値を変更する、エラー メッセージを読み調査を行ってミスを修正するなど、習得したスキルを応用する能力が求められます。

100% のスコアを達成するには、制限時間内に全タスクを完了する必要があります。

このラボは、「Gemini でマルチモーダル データを分析し、推論する」コースに登録している受講者を対象としています。準備が整ったらチャレンジを開始しましょう。

前提条件

このラボを開始する前に、以下について理解しておく必要があります。

• 基本的な Python プログラミング。
• 一般的な API のコンセプト。
• Vertex AI Workbench の Jupyter ノートブックでの Python コードの実行。

テスト対象トピック

このチャレンジでは、 モデルを使用して次のタスクを行います。

• 複雑なマルチモーダル プロンプトを構築して実行し、テキストデータ、画像データ、音声データ、動画データを分析する。
• 構造化された情報（感情スコア、重要なテーマ、オブジェクト検出、音声特性、動作認識など）をマルチモーダル データから抽出する。
• 複数のデータ モダリティからの分析情報を統合して、有意な結論を導き出し、実行可能な推奨事項を提示する。
• モデルの出力を構造化されたマークダウン レポートの形式にして、結果を効果的に伝える。

設定と要件

[ラボを開始] ボタンをクリックする前に

こちらの説明をお読みください。ラボには時間制限があり、一時停止することはできません。タイマーは、Google Cloud のリソースを利用できる時間を示しており、[ラボを開始] をクリックするとスタートします。

このハンズオンラボでは、シミュレーションやデモ環境ではなく実際のクラウド環境を使って、ラボのアクティビティを行います。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。

このラボを完了するためには、下記が必要です。

• 標準的なインターネット ブラウザ（Chrome を推奨）

注: このラボの実行には、シークレット モード（推奨）またはシークレット ブラウジング ウィンドウを使用してください。これにより、個人アカウントと受講者アカウント間の競合を防ぎ、個人アカウントに追加料金が発生しないようにすることができます。

• ラボを完了するための時間（開始後は一時停止できません）

注: このラボでは、受講者アカウントのみを使用してください。別の Google Cloud アカウントを使用すると、そのアカウントに料金が発生する可能性があります。

チャレンジ シナリオ

Cymbal Direct: 新商品のリリースに対するソーシャル メディアでのエンゲージメントを分析する

Cymbal Direct は、さまざまなアクティビティでパフォーマンスを高められるようにデザインされた、新しいスポーツウェア ラインをリリースしました。一般の認識と市場への潜在的影響を把握するために、Cymbal Direct は複数のプラットフォームでソーシャル メディアでのエンゲージメントを分析する必要があります。この分析では、次のことを行います。

• テキスト: 購入者レビューとソーシャル メディア投稿を分析して、感情や重要なテーマを明らかにします。
• 画像: インフルエンサーや顧客が投稿したウェアの着用画像を分析して、スタイルのトレンドや着用パターンを特定します。
• 音声 Cymbal Direct の新商品のリリースについて最近行われたインタビューのポッドキャスト エピソードの音声クリップを分析します。

目標は、マーケティング戦略の改善、商品の改良、商品のポジショニングの強化に役立つ実用的な分析情報を Cymbal Direct に提供することです。準備が整ったらチャレンジを開始しましょう。

タスク 1. Vertex AI Workbench でノートブックを開く

1. Google Cloud コンソールのナビゲーション メニュー（）で、[Vertex AI] > [ワークベンチ] の順にクリックします。

2. インスタンスを見つけて、[JupyterLab を開く] ボタンをクリックします。

Workbench インスタンスの JupyterLab インターフェースが新しいブラウザタブで開きます。

注: JupyterLab にノートブックが表示されない場合は、次の追加手順でインスタンスを再設定してください。

1. JupyterLab のブラウザタブを閉じて、Workbench のホームページに戻ります。

2. インスタンス名の横にあるチェックボックスをオンにして、[リセット] をクリックします。

3. [JupyterLab を開く] ボタンが再度有効になったら、1 分待ってから [JupyterLab を開く] をクリックします。

3. ファイルをクリックします。

4. [Select Kernel] ダイアログで、使用可能なカーネルのリストから [Python 3] を選択します。

5. ノートブックのタスク 1 を完了させて、ライブラリをインポートし、Gen AI SDK をインストールします。

タスク 1 を完了して環境を設定したら、次のセクションに進む準備が整います。

次のタスクでは、各セルの欠けている部分を入力して次のセクションに進みます。欠けている部分には TODO と表示され、行うべき手順が示されています。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 必要なライブラリをインポートして、Gen AI SDK を設定する。

タスク 2. テキストデータを分析して推論する

このタスクでは、 モデルを使用して、Cymbal Direct の新しいスポーツウェアに関する情報を収集し、テキスト形式の購入者レビューとソーシャル メディア投稿を分析します。モデルから得られた結果はマークダウン ファイルに保存します。このファイルは、最後のタスクで包括的なレポートを生成する際に使用します。

注: 実行すべきタスクは、セル内の #TODO セクションに記されています。各セルをよく読み、正しく入力してください。進行状況を確認し、セルに正しく入力したことを確認してください。

このタスクでは、ノートブック内のタスク 2. 顧客からのフィードバック（テキスト）を分析し、推論するセクションのセルを使用します。

による最初の分析

ノートブック内の「 による最初の分析」セクションで、次の操作を行います。

1. ノートブック内の「3. Gemini のプロンプトを作成する」の TODOs に入力し、Gemini モデルに購入者レビューとソーシャル メディア投稿を分析するよう指示するプロンプトを作成します。

2. ノートブック内の「4. Gemini にプロンプトを送信する」の下のセルの TODOs に入力し、Gemini モデルにプロンプトとテキストデータを送信します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 による最初の分析。

による詳細な分析: 顧客の感情に関する推論

このセクションでは、Gemini Thinking を使用して顧客の感情をさらに深く掘り下げ、改善すべき重要な分野を特定します。特に、肯定的なレビューと否定的なレビューの根拠を理解し、繰り返し出てくるテーマの中でもわかりにくいものを明らかにします。

1. ノートブック内の「 による詳細な分析: 顧客の感情に関する推論」セクションの「1. Gemini のプロンプトを作成する」の TODOs に入力し、購入者レビューとソーシャル メディア投稿をさらに詳細に分析するよう Gemini モデルに指示するプロンプトを作成します。

2. 「2. Gemini Thinking を使用してより深い推論を行う」の下の TODOs に入力し、プロンプトとテキストデータを Gemini モデルに送信します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 による詳細な分析: 顧客の感情に関する推論。

タスク 3. 視覚的コンテンツを分析し、推論する

このタスクでは、 モデルを使用して、Cymbal Direct の新しいスポーツウェア ラインに関連する画像を分析します。目標は、画像に基づいてスタイルのトレンドと顧客の行動を特定することです。モデルから得られた結果はマークダウン ファイルに保存します。このファイルは、最後のタスクで包括的なレポートを生成する際に使用します。

注: 実行すべきタスクは、セル内で #TODO セクションに記されています。各セルをよく読み、正しく入力してください。このページで進行状況を確認し、セルに正しく入力したことを確認してください。

ノートブック内のこのタスクに関する「タスク 3. 視覚的コンテンツを分析し、推論する: スタイルのトレンドと顧客の行動」セクションのセルを使用します。

による最初の分析

1. ノートブック内の「 による最初の分析」セクションの「3. Gemini のプロンプトを作成する」の TODOs に入力し、Cymbal Direct の新しいスポーツウェア ラインの画像を分析するよう Gemini モデルに指示するプロンプトを作成します。

2. 「4. Gemini にプロンプトと画像を送信する」の下の TODOs に入力し、Gemini モデルにプロンプトと画像を送信します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 による最初の分析。

による画像トレンドの推論

次に、Gemini Thinking を使用して視覚的要素のより詳細な分析を行い、コンテキスト、ターゲット オーディエンス、マーケティングへの潜在的な影響を推論します。

1. ノートブック内の「 による画像トレンドの推論」セクションの「1. Gemini のプロンプトを作成する」の下の TODOs に入力し、画像をさらに詳細に分析するよう Gemini モデルに指示するプロンプトを作成します。

2. 「2. Gemini Thinking を使用してより深い推論を行う」の下の TODOs に入力し、プロンプトと画像を Gemini モデルに送信します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 による画像トレンドの推論。

タスク 4. 音声コンテンツを分析し、推論する

このタスクでは、 モデルを使用して、Cymbal Direct の新しい衣料品ラインに関するポッドキャストを分析します。そこから情報や感情を抽出します。さらに、それらを使ってこの会社向けの分析情報を生成します。モデルから得られた結果はマークダウン ファイルに保存します。このファイルは、最後のタスクで包括的なレポートを生成する際に使用します。

この音声クリップは、新しいスポーツウェア ラインについて Cymbal Direct 担当者にインタビューした内容を収録したポッドキャスト エピソードから抽出されたものです。この会話では、デザインや機能、ターゲット オーディエンス、マーケティング戦略など、このスポーツウェアのさまざまな側面が取り上げられています。

注: 実行すべきタスクは、セル内の #TODO セクションに記されています。各セルをよく読み、正しく入力してください。進行状況を確認し、セルに正しく入力したことを確認してください。

ノートブック内のこのタスクに関する「タスク 4. 音声コンテンツを分析し、推論する: 顧客の認識」セクションのセルを使用します。

による最初の分析

1. ノートブック内の「 による最初の分析」セクションの「1. Gemini のプロンプトを作成する」の下の TODOs に入力し、Cymbal Direct の新しいスポーツウェア ラインに関する会話の音声録音を分析するよう Gemini モデルに指示するプロンプトを作成します。

2. 「2. Gemini にプロンプトと音声を送信する」の下の TODOs に入力し、Gemini モデルにプロンプトと音声データを送信します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 による最初の分析。

による音声分析情報の推論

このセクションでは、Gemini Thinking を使用して会話のより深い分析、顧客満足度の推論、影響要因の推測、データドリブンな推奨事項の生成を行います。

1. ノートブック内の「 による音声分析情報の推論」セクションの「1. Gemini のプロンプトを作成する」の下の TODOs に入力し、音声録音をさらに詳細に分析するよう Gemini モデルに指示するプロンプトを作成します。

2. 「2. Gemini Thinking を使用してより深い推論を行う」の下の TODOs に入力し、プロンプトと音声データを Gemini モデルに送信します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 による音声分析情報の推論。

タスク 5. マルチモーダル分析情報を統合する

最後のタスクでは、テキスト、画像、音声データのこれまでの分析から得られた分析情報を統合します。 モデルを使用して、各モダリティから得られた分析結果を統合した包括的なレポートを生成し、Cymbal Direct の新しいスポーツウェア ラインに関連する顧客の感情、スタイルの好み、主要なトレンドを包括的に示します。

モデルによって生成された最終レポートをマークダウン ファイルに保存し、レビューと評価のために Cloud Storage にアップロードします。この包括的なレポートは、Cymbal Direct にとって貴重なリソースとなります。同社はこのレポートを使って顧客の認識と市場動向を十分に理解したうえで、情報に基づいた意思決定を行い、戦略を最適化できるようになります。

注: 実行すべきタスクは、セル内の #TODO セクションに記されています。各セルをよく読み、正しく入力してください。このページで進行状況を確認し、セルに正しく入力したことを確認してください。

1. ノートブックの「タスク 5. マルチモーダル分析情報を統合する: 包括的なレポートの生成」セクションの「3. Gemini のプロンプトを作成する」の下の TODOs に入力し、統合された分析結果に基づいて包括的なレポートを生成するよう Gemini モデルに指示するプロンプトを作成します。

2. 「4. Gemini にプロンプトを送信する」の下の TODOs に入力し、Gemini モデルにプロンプトを送信します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 マルチモーダル分析情報を統合する: 包括的なレポートの生成。

お疲れさまでした

これで完了です。このラボでは、 モデルを活用して、テキスト、画像、音声などのマルチモーダル データを分析し、Cymbal Direct の新しいスポーツウェア ラインに関する有益な分析情報を入手しました。効果的なプロンプトの作成、推論と思考予算の活用、実用的な推奨事項を含む包括的なレポートの生成に習熟していることを示すことができました。

次のステップと詳細情報

以下のリソースで Gemini に関する理解を深めましょう。

• Gemini の概要
• Vertex AI の生成 AI に関するドキュメント
• 生成 AI に関する YouTube チャンネル
• Vertex AI クックブック。生成 AI に関するノートブックを集めた、検索可能なギャラリーです。
• Google Cloud 生成 AI レポジトリ。他のノートブックやサンプルを確認できます。

Google Cloud トレーニングと認定資格

Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。

マニュアルの最終更新日: 2025 年 10 月 27 日

ラボの最終テスト日: 2025 年 10 月 27 日

Copyright 2026 Google LLC. All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。