参加 ログイン

Google Cloud コンソールでスキルを試す

Rana Ankur

メンバー加入日: 2023

ゴールドリーグ

10245 ポイント
本番環境 ML システム Earned 2月 4, 2026 EST
BigQuery ML を使用した予測モデリング向けのデータ エンジニアリング Earned 2月 4, 2026 EST
BigQuery ML を使用した ML モデルの作成 Earned 1月 22, 2026 EST
Google Cloud の ML API 用にデータを準備 Earned 1月 22, 2026 EST
開発者向けの責任ある AI: プライバシーと安全性 Earned 1月 20, 2026 EST
Google Cloud での生成 AI アプリの作成 Earned 1月 19, 2026 EST
開発者向けの責任ある AI: 解釈可能性と透明性 Earned 1月 18, 2026 EST
発者向けの責任ある AI: 公平性とバイアス Earned 1月 18, 2026 EST
ML オペレーション（MLOps）: 概要 Earned 1月 18, 2026 EST
Vertex AI を使用した ML オペレーション（MLOps）: 特徴の管理 Earned 1月 17, 2026 EST
Vertex AI を使用した ML オペレーション（MLOps）: モデルの評価 Earned 1月 14, 2026 EST
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 1月 9, 2026 EST
特徴量エンジニアリング Earned 1月 5, 2026 EST
生成 AI の概要 Earned 1月 1, 2026 EST
生成 AI のための ML オペレーション（MLOps) Earned 1月 1, 2026 EST
大規模言語モデルの概要 Earned 1月 1, 2026 EST
Vertex AI でノートブックを使用する Earned 12月 30, 2025 EST
Google Cloud における AI と ML の概要 Earned 12月 29, 2025 EST
Google Kubernetes Engine の費用の最適化 Earned 6月 23, 2023 EDT
Google Cloud ネットワークの設定 Earned 6月 19, 2023 EDT
Google Cloud ネットワークの構築 Earned 6月 14, 2023 EDT
Compute Engine での Cloud Load Balancing の実装 Earned 6月 12, 2023 EDT
Google Cloud におけるアプリ開発環境の設定 Earned 6月 6, 2023 EDT

このコースでは、本番環境で高パフォーマンスな ML システムを構築するためのコンポーネントとベスト プラクティスについて学習します。また、ML システムを構築するうえで最も一般的な考慮事項を紹介します。これには、静的トレーニング、動的トレーニング、静的な推論、動的な推論、分散型 TensorFlow、TPU などが含まれます。このコースでは、優れた予測能力にとどまらない、優れた ML システムの特性を探索することに焦点を当てています。

詳細

「BigQuery ML を使用した予測モデリング向けのデータ エンジニアリング」のスキルバッジを獲得できる中級コースを修了すると、 Dataprep by Trifacta を使用した BigQuery へのデータ変換パイプラインの構築、 Cloud Storage、Dataflow、BigQuery を使用した抽出、変換、読み込み（ETL）ワークフローの構築、 BigQuery ML を使用した ML モデルの構築に関するスキルを実証できます。

詳細

「BigQuery ML を使用した ML モデルの作成」コースの中級スキルバッジを獲得できるアクティビティを修了すると、 BigQuery ML を使用して ML モデルを作成および評価し、データを予測するスキルを証明できます。

詳細

「Google Cloud の ML API 用にデータを準備」コースの入門スキルバッジを獲得できるアクティビティを修了すると、 Dataprep by Trifacta を使用したデータのクリーニング、Dataflow でのデータ パイプラインの実行、Dataproc でのクラスタの作成と Apache Spark ジョブの実行、 Cloud Natural Language API、Google Cloud Speech-to-Text API、Video Intelligence API などの ML API の呼び出しに関するスキルを証明できます。

詳細

このコースでは、AI のプライバシーと安全性に関する重要なトピックを紹介します。具体的には、Google Cloud プロダクトとオープンソース ツールを使用して AI のプライバシーと安全性の推奨プラクティスを実装するための実践的な方法とツールを検証します。

詳細

生成 AI アプリケーションは、大規模言語モデル（LLM）の発明以前にはほぼ不可能であった、新しいユーザー エクスペリエンスを生み出すことができます。アプリケーション デベロッパーが Google Cloud 上で生成 AI を活用し、魅力的で強力なアプリを構築するにはどうすればよいでしょうか？ このコースでは、生成 AI アプリケーションについて学びます。また、プロンプト設計と検索拡張生成（RAG）を使用して、LLM を活用した強力なアプリケーションを構築する方法についても学びます。さらに、生成 AI アプリケーションで使用できるプロダクション レディなアーキテクチャについて学び、LLM と RAG ベースのチャット アプリケーションを構築します。

詳細

このコースでは、AI の解釈可能性と透明性のコンセプトを紹介します。デベロッパーとエンジニアにとって AI の透明性が重要であることについて説明します。データと AI モデルの両方で解釈可能性と透明性を達成できる実践的な方法とツールを検証します。

詳細

このコースでは、責任ある AI および AI に関する原則のコンセプトを紹介します。AI / ML の実践における公平性とバイアスを特定し、バイアスを軽減するための実践的な手法を取り扱います。具体的には、Google Cloud プロダクトとオープンソース ツールを使用して責任ある AI のベスト プラクティスを実装するための実践的な方法とツールを検証します。

詳細

このコースでは、Google Cloud 上で本番環境の ML システムをデプロイ、評価、モニタリング、運用するための MLOps ツールとベスト プラクティスについて説明します。MLOps は、本番環境 ML システムのデプロイ、テスト、モニタリング、自動化に重点を置いた規範です。機械学習エンジニアリングの担当者は、ツールを活用して、デプロイしたモデルの継続的な改善と評価を行います。また、データ サイエンティストと協力して、あるいは自らがデータ サイエンティストとして、最も効果的なモデルを迅速かつ正確にデプロイできるようモデルを開発します。

詳細

このコースでは、Google Cloud 上で本番環境の ML システムをデプロイ、評価、モニタリング、運用するための MLOps ツールとベスト プラクティスについて説明します。MLOps は、本番環境 ML システムのデプロイ、テスト、モニタリング、自動化に重点を置いた規範です。 受講者は、SDK レイヤで Vertex AI Feature Store のストリーミング取り込みを使用する実践的な演習を受けられます。

詳細

このコースでは、ML の実務担当者に、生成 AI モデルと予測 AI モデルの両方を評価するための重要なツール、手法、ベスト プラクティスを身につけていただきます。モデル評価は、ML システムが本番環境で信頼性が高く、正確で、高性能な結果を確実に提供するための重要な分野です。 参加者は、さまざまな評価指標、方法論のほか、さまざまなモデルタイプやタスクにおけるそれらの適切な適用について理解を深めます。このコースでは、生成 AI モデルによってもたらされる固有の課題に重点を置き、それらの課題に効果的に取り組むための戦略を提供します。参加者は、Google Cloud の Vertex AI プラットフォームを活用して、モデルの選択、最適化、継続的なモニタリングのための堅牢な評価プロセスを実装する方法を学びます。

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、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、従来の機械学習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、生成 AI モデルのデプロイと管理において MLOps チームが直面する特有の課題に対処するために必要な知識とツールを提供し、AI チームが MLOps プロセスを合理化して生成 AI プロジェクトを成功させるうえで Vertex AI がどのように役立つかを説明します。

詳細

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

このコースは、Vertex AI Notebooks に関する入門コースです。Vertex AI Notebooks は Jupyter ノートブックをベースとした環境であり、データの準備からモデルのデプロイとモニタリングに至るまで ML のワークフロー全体をサポートする統合プラットフォームを提供します。このコースでは、（1）Vertex AI Notebooks の種類とそれぞれの機能、（2）Vertex AI Notebooks の作成と管理の方法について説明します。

詳細

このコースでは、Google Cloud の AI および ML 機能について紹介します。特に、生成 AI と予測 AI の両方のプロジェクトの開発に重点を置きます。データから AI へのライフサイクル全体で利用可能なさまざまなテクノロジー、プロダクト、ツールについて説明するとともに、データ サイエンティスト、AI デベロッパー、ML エンジニアがインタラクティブな演習を通じて専門知識を強化できるよう支援します。

詳細

「Google Kubernetes Engine の費用の最適化」の中級スキルバッジを獲得すると、 マルチテナント クラスタの作成と管理、各 Namespace のリソース使用状況のモニタリング、 効率向上のためのクラスタと Pod の自動スケーリングの構成、最適なリソース配分のためのロード バランシングの設定、 アプリケーションの健全性と費用対効果を確保するための liveness プローブと readiness プローブの実装といったスキルを実証できます。

詳細

Google Cloud ネットワークの設定コースを修了してスキルバッジを獲得しましょう。 このコースでは、Google Cloud Platform で基本的なネットワーキング タスクを実行する方法を学習します。具体的には、カスタム ネットワークの作成、サブネット ファイアウォール ルールの追加、VM の作成、そして VM 同士が通信する際のレイテンシのテストについて学びます。

詳細

「Google Cloud ネットワークの構築」コースを修了してスキルバッジを獲得しましょう。このコースでは、 アプリケーションをデプロイしてモニタリングするための複数の方法について学びます。具体的には、IAM ロールの確認とプロジェクト アクセスの追加 / 削除、 VPC ネットワークの作成、Compute Engine VM のデプロイとモニタリング、 SQL クエリの記述、Compute Engine での VM のデプロイとモニタリング、Kubernetes を使用した複数のデプロイ アプローチによるアプリケーションのデプロイなどです。

詳細

「Compute Engine での Cloud Load Balancing の実装」入門コースを修了してスキルバッジを獲得すると、次のスキルを実証できます: Compute Engine における仮想マシンの作成とデプロイ、 ネットワーク ロードバランサとアプリケーション ロードバランサの構成。

詳細

「Google Cloud におけるアプリ開発環境の設定」コースを完了すると、スキルバッジを獲得できます。このコースでは、 Cloud Storage、Identity and Access Management、Cloud Functions、Pub/Sub のテクノロジーの基本機能を使用して、ストレージ中心のクラウド インフラストラクチャを構築し接続する方法を学びます。

詳細