Garzon Moreno Brayan Esneider
メンバー加入日: 2022
ブロンズリーグ
4005 ポイント
大規模言語モデルの概要
Earned 12月 26, 2023 EST
生成 AI の概要
Earned 12月 26, 2023 EST
企業における ML
Earned 12月 25, 2023 EST
Natural Language Processing on Google Cloud
Earned 7月 15, 2023 EDT
[DEPRECATED] 特徴量エンジニアリング
Earned 3月 29, 2023 EDT
Google Cloud での Keras を使った ML モデルの構築、トレーニング、デプロイ
Earned 3月 5, 2023 EST
Launching into Machine Learning - 日本語版
Earned 2月 10, 2023 EST
How Google Does Machine Learning - 日本語版
Earned 2月 7, 2023 EST
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版
Earned 1月 31, 2023 EST
Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI
Earned 11月 9, 2022 EST
Google Cloud コンピューティングの基礎: Google Cloud のネットワークとセキュリティ
Earned 11月 7, 2022 EST
Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ
Earned 11月 2, 2022 EDT
Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本
Earned 10月 24, 2022 EDT
このコースは、大規模言語モデル（LLM）とは何か、どのようなユースケースで活用できるのか、プロンプトのチューニングで LLM のパフォーマンスを高めるにはどうすればよいかについて学習する、入門レベルのマイクロ ラーニング コースです。独自の生成 AI アプリを開発する際に利用できる Google ツールも紹介します。
詳細
この入門レベルのマイクロラーニング コースでは、生成 AI の概要、利用方法、従来の ML の手法との違いについて説明します。独自の生成 AI アプリを作成する際に利用できる Google ツールも紹介します。
詳細
このコースでは、ML ワークフローに対する実践的なアプローチを取り上げます。具体的には、いくつかの ML のビジネス要件とユースケースに取り組む ML チームをケーススタディ形式で紹介します。このチームは、データ マネジメントとガバナンスに必要なツールを理解し、データの前処理に最適なアプローチを検討する必要があります。
2 つのユースケースに対して ML モデルを構築するための 3 つのオプションがチームに提示されます。このコースでは、チームの目標を達成するために、AutoML、BigQuery ML、カスタム トレーニングを使用する理由について説明します。
詳細
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
詳細
このコースでは、Vertex AI Feature Store を使用するメリット、ML モデルの精度を向上させる方法、最も有効な特徴を抽出できるデータ列の見極め方について説明します。また、BigQuery ML、Keras、TensorFlow を使用した特徴量エンジニアリングに関するコンテンツとラボも用意されています。
詳細
このコースでは、TensorFlow と Keras を使用した ML モデルの構築、ML モデルの精度の向上、スケーリングに対応した ML モデルの作成について取り上げます。
詳細
このコースでは、まず、データ品質を向上させる方法や探索的データ分析を行う方法など、データについての議論から始めます。Vertex AI AutoML について確認し、コードを一切記述せずに ML モデルを構築、トレーニング、デプロイする方法を説明します。また、BigQuery ML のメリットを確認します。その後、ML モデルを最適化する方法、一般化とサンプリングを活用してカスタム トレーニング向けに ML モデルの品質を評価する方法を説明します。
詳細
Google Cloud で機械学習を実装する際のベスト プラクティスには何があるでしょうか。Vertex AI とは何であり、このプラットフォームを使用してコードを 1 行も記述せずに AutoML 機械学習モデルを迅速に構築、トレーニング、デプロイするにはどうすればよいでしょうか。機械学習とはどのようなもので、どのような問題の解決に役立つのでしょうか。
Google では機械学習について独自の視点で考えています。マネージド データセット、特徴量ストア、そしてコードを 1 行も記述せずに迅速に機械学習モデルを構築、トレーニング、デプロイする手段を 1 つにまとめた統合プラットフォームを提供するとともに、データにラベル付けし、TensorFlow、SciKit Learn、Pytorch、R やその他のフレームワークを使用して Workbench ノートブックを作成できるようにすることが、Google の考える機械学習の在り方です。Google の Vertex AI プラットフォームでは、カスタムモデルをトレーニングしたり、コンポーネント パイプラインを構築したりすることもできます。さらに、オンライン予測とバッチ予測の両方を実施できます。このコースでは、候補となるユースケースを機械学習で学習できる形に変換する 5 つのフェーズについても説明し、これらのフェーズを省略しないことが重要である理由について論じます。最後に、機械学習によって増幅される可能性のあるバイアスの認識と、それを識別する方法について説明します。
詳細
このコースでは、データから AI へのライフサイクルをサポートする Google Cloud のビッグデータと ML のプロダクトやサービスを紹介します。また、Google Cloud で Vertex AI を使用してビッグデータ パイプラインと ML モデルを作成する際のプロセス、課題、メリットについて説明します。
詳細
Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。
この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。
このコースは、次の順で完了する必要があります。
1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本
2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ
3. Google Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ
4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI
このシリーズの最後のコースでは、マネージド ビッグデータ サービス、ML とその価値、スキルバッジを獲得して Google Cloud に関するスキルセットをさらに実証する方法について説明します。
詳細
Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。
この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。
このコースは、次の順で完了する必要があります。
1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本
2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャGoogle Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ
4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI
この 3 番目のコースでは、クラウドの自動化、管理ツール、安全なネットワークの構築について説明します。
詳細
Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。
この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。
このコースは、次の順で完了する必要があります。
1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本
2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ
3. Google Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ
4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI
詳細
Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。
この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。
このコースは、次の順で完了する必要があります。
1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本
2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ
3. Google Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ
4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI
この最初のコースでは、クラウド コンピューティングの概要、Google Cloud の使用方法、さまざまなコンピューティング オプションについて説明します。
詳細
