参加 ログイン

Marrero Vizcaíno Juan Rubén

メンバー加入日: 2019

Build and Deploy a Generative AI solution using a RAG framework Earned 7月 16, 2024 EDT
[DEPRECATED] Integrate Vertex AI Search and Conversation into Voice and Chat Apps Earned 7月 3, 2024 EDT
Text Prompt Engineering Techniques Earned 6月 21, 2024 EDT
Agent Platform におけるプロンプト設計 Earned 6月 17, 2024 EDT
責任ある AI の概要 Earned 6月 17, 2024 EDT
大規模言語モデルの概要 Earned 6月 17, 2024 EDT
生成 AI の概要 Earned 6月 17, 2024 EDT
Vertex AI を使用した ML オペレーション（MLOps）: 特徴の管理 Earned 2月 21, 2024 EST
ML オペレーション（MLOps）: 概要 Earned 2月 21, 2024 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 2月 19, 2024 EST
[DEPRECATED] 特徴量エンジニアリング Earned 1月 29, 2024 EST
Google Cloud における AI と ML の概要 Earned 1月 27, 2024 EST
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版 Earned 6月 27, 2023 EDT
Building Resilient Streaming Systems on Google Cloud Platform Earned 6月 27, 2023 EDT
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 6月 26, 2023 EDT
Google Cloud の ML API 用にデータを準備 Earned 6月 26, 2023 EDT
Google Cloud でのバッチデータ パイプラインの構築 Earned 6月 13, 2023 EDT
Google Cloud ネットワークの設定 Earned 6月 5, 2023 EDT
Google Cloud でデータレイクとデータ ウェアハウスを構築する Earned 5月 31, 2023 EDT
Compute Engine での Cloud Load Balancing の実装 Earned 5月 30, 2023 EDT
認定資格試験の学習ガイドを作成する: PDE 認定試験対策 Earned 5月 19, 2023 EDT
Launching into Machine Learning - 日本語版 Earned 5月 18, 2023 EDT
How Google Does Machine Learning - 日本語版 Earned 5月 15, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 Earned 4月 26, 2023 EDT
Google Kubernetes Engine を使用した構築: 実践 Earned 6月 23, 2022 EDT
Google Kubernetes Engine を使用した構築: ワークロード Earned 6月 2, 2022 EDT
Google Kubernetes Engine を使用した構築: 基礎 Earned 5月 12, 2022 EDT
Getting Started with Application Development - 日本語版 Earned 3月 8, 2022 EST
クラウド アーキテクチャ: 設計、実装、管理 Earned 6月 22, 2020 EDT
Google Cloud におけるアプリ開発環境の設定 Earned 6月 19, 2020 EDT

Demonstrate your ability to implement updated prompt engineering techniques and utilize several of Gemini's key capacilities including multimodal understanding and function calling. Then integrate generative AI into a RAG application deployed to Cloud Run. This course contains labs that are to be used as a test environment. They are deployed to test your understanding as a learner with a limited scope. These technologies can be used with fewer limitations in a real world environment.

詳細

This course on Integrate Vertex AI Search and Conversation into Voice and Chat Apps is composed of a set of labs to give you a hands on experience to interacting with new Generative AI technologies. You will learn how to create end-to-end search and conversational experiences by following examples. These technologies complement predefined intent-based chat experiences created in Dialogflow with LLM-based, generative answers that can be based on your own data. Also, they allow you to porvide enterprise-grade search experiences for internal and external websites to search documents, structure data and public websites.

詳細

Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.

詳細

「Agent Platform におけるプロンプト設計」スキルバッジを獲得できる入門コースを修了すると、 Agent Platform のプロンプト エンジニアリング、画像分析、マルチモーダル生成手法のスキルを実証できます。効果的なプロンプトを作成する方法、目的どおりの生成 AI 出力を生成する方法、 Gemini モデルを実際のマーケティング シナリオに適用する方法を学びます。

詳細

この入門レベルのマイクロラーニング コースでは、責任ある AI の概要と重要性、および Google が責任ある AI を自社プロダクトにどのように実装しているのかについて説明します。また、Google の AI に関する 7 つの原則についても説明します。

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、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、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、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 開発者、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

ML をデータ パイプラインに組み込むと、データから分析情報を抽出する能力を向上できます。このコースでは、Google Cloud でデータ パイプラインに ML を含める複数の方法について説明します。カスタマイズがほとんど、またはまったく必要ない場合のために、このコースでは AutoML について説明します。よりカスタマイズされた ML 機能については、Notebooks と BigQuery の機械学習（BigQuery ML）を紹介します。また、Vertex AI を使用して ML ソリューションを本番環境に導入する方法も説明します。

詳細

This 1-week, accelerated on-demand course builds upon Google Cloud Platform Big Data and Machine Learning Fundamentals. Through a combination of video lectures, demonstrations, and hands-on labs, you'll learn to build streaming data pipelines using Google cloud Pub/Sub and Dataflow to enable real-time decision making. You will also learn how to build dashboards to render tailored output for various stakeholder audiences.

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

「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、Managed Service for Apache Spark 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

この中級コースでは、Google Cloud で堅牢なバッチデータ パイプラインを設計、構築、最適化する方法を学習します。基本的なデータ処理から一歩進んで、大規模なデータ変換と効率的なワークフロー オーケストレーションを確認します。この内容は、タイムリーなビジネス インテリジェンスと重要なレポートの作成に不可欠です。 実装に Apache Beam 用の Dataflow と Apache Spark 向け Serverless（Dataproc Serverless）を使用する実践的な演習を行い、パイプラインの信頼性の確保と効果的な運用を実現するために、データの品質、モニタリング、アラートに関する重要な考慮事項に対処します。データ ウェアハウジング、ETL / ELT、SQL、Python、Google Cloud のコンセプトに関する基本的な知識があることが推奨されます。

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

データレイクとデータ ウェアハウスを使用する従来のアプローチは効果的ですが、特に大規模な企業環境においては欠点があります。このコースでは、データ レイクハウスのコンセプトと、データ レイクハウスの作成に使用する Google Cloud プロダクトについて説明します。レイクハウス アーキテクチャは、オープン スタンダードのデータソースを使用し、データレイクとデータ ウェアハウスの優れた機能を組み合わせて、両者の欠点の多くに対処します。

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

Gemini Notebook を使用して、Professional Data Engineer 認定試験に向けた自分専用の学習ガイドを作成する方法を学びます。Gemini Notebook の機能を確認して、Gemini Notebook でノートブックを作成し、認定試験の対策として学習ガイドを活用する方法を身につけます。

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

このコースでは、Kubernetes と Google Kubernetes Engine（GKE）のセキュリティについて、およびロギングとモニタリングについて学びます。また、Google Cloud マネージド ストレージ サービスとデータベース サービスを GKE 内で使用する方法についても学びます。 これは「Google Kubernetes Engine を使用した構築」シリーズの 2 つ目のコースです。このコースを修了したら、「信頼性に優れた Google Cloud インフラストラクチャ: 設計とプロセス」コースか、「Hybrid Cloud Infrastructure Foundations with Anthos」コースに登録してください。

詳細

「Google Kubernetes Engine を使用した構築: ワークロード」を履修することで、クラウドネイティブ アプリケーション開発のすべてを網羅した取り組みに着手することができるようになります。学習体験全体を通して、Kubernetes オペレーション、デプロイ管理、GKE ネットワーキング、永続ストレージについて詳しく学びます。 これは「Google Kubernetes Engine を使用した構築」シリーズの最初のコースです。このコースを修了したら、「Google Kubernetes Engine を使用した構築: 実践」コースに登録してください。

詳細

このコース「Google Kubernetes Engine を使用した構築: 基礎」では、Google Cloud の全体像と基本的な考え方を確認した後、ソフトウェア コンテナを作成して管理する方法と Kubernetes のアーキテクチャについて説明します。

詳細

アプリケーション デベロッパーは、このコースを通して、Google Cloud のマネージド サービスをシームレスに統合するクラウドネイティブ アプリケーションの設計方法と開発方法を学びます。講義、デモ、ハンズオンラボを通して、アプリケーション開発のベスト プラクティスを適用する方法、さらに、オブジェクト ストレージやリレーショナル データ、キャッシュ保存、分析に適切な Google Cloud ストレージ サービスを使用する方法を学習します。 各ラボのいずれかのバージョンを修了する必要があります。各ラボは Node.js で提供されます。ほとんどの場合、同じラボが Python または Java でも提供されます。各ラボをご希望の言語で修了できます。 これは「Developing Applications with Google Cloud」シリーズの最初のコースです。このコースを修了したら、「Securing and Integrating Components of your Application」コースに登録してください。

詳細

クラウド アーキテクチャ: 設計、実装、管理 コースを修了して、スキルバッジを獲得しましょう。 Apache ウェブサーバーを使用した一般公開ウェブサイトのデプロイ、 起動スクリプトを使用した Compute Engine VM の構成、 Windows の踏み台インスタンスとファイアウォール ルールを使用したセキュアな RDP の構成、ビルドした Docker イメージの Kubernetes クラスタへのデプロイと更新、 CloudSQL インスタンスの作成と MySQL データベースのインポートといったスキルを実証できます。 このスキルバッジは、 Google Cloud Certified Professional Cloud Architect 認定資格試験に出題されるトピックを理解するのに 役立つリソースです。

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