Khan Omar Irfan
メンバー加入日: 2021
ゴールドリーグ
21305 ポイント
アテンション機構
Earned 2月 1, 2025 EST
画像生成の概要
Earned 2月 1, 2025 EST
責任ある AI: Google Cloud における AI に関する原則の適用
Earned 2月 1, 2025 EST
セキュリティ エンジニア向けの Gemini
Earned 1月 31, 2025 EST
エンドツーエンドの SDLC のための Gemini
Earned 1月 31, 2025 EST
生成 AI のための ML オペレーション（MLOps)
Earned 1月 30, 2025 EST
Gemini in Google Vids
Earned 1月 30, 2025 EST
Gemini in Google ドライブ
Earned 1月 30, 2025 EST
Gemini in Google Meet
Earned 1月 30, 2025 EST
Gemini in Google スプレッドシート
Earned 1月 30, 2025 EST
Gemini in Google スライド
Earned 1月 30, 2025 EST
Gemini in Google ドキュメント
Earned 1月 30, 2025 EST
Gemini in Gmail
Earned 1月 30, 2025 EST
Google Workspace with Gemini: AI ワークフローの基盤
Earned 1月 30, 2025 EST
Dataflow を使用したサーバーレスのデータ処理: パイプラインの開発
Earned 1月 30, 2025 EST
How Google Does Machine Learning - 日本語版
Earned 10月 31, 2021 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 10月 25, 2021 EDT
Dataflow を使用したサーバーレスのデータ処理: 基礎
Earned 10月 21, 2021 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版
Earned 10月 20, 2021 EDT
Google Cloud でストリーミング データ パイプラインを構築する
Earned 10月 19, 2021 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 10月 18, 2021 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 10月 14, 2021 EDT
Apigee API プラットフォームを使用した API の作成
Earned 10月 12, 2021 EDT
Apigee API プラットフォームを使用した API のセキュリティ
Earned 10月 12, 2021 EDT
Apigee API プラットフォームを使用した API の設計と基礎
Earned 10月 12, 2021 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版
Earned 10月 12, 2021 EDT
Google Cloud におけるアプリ開発環境の設定
Earned 10月 11, 2021 EDT
Compute Engine での Cloud Load Balancing の実装
Earned 10月 8, 2021 EDT
Google Cloud の基礎
Earned 10月 8, 2021 EDT
このコースでは、アテンション機構について学習します。アテンション機構とは、ニューラル ネットワークに入力配列の重要な部分を認識させるための高度な技術です。アテンションの仕組みと、アテンションを活用して機械翻訳、テキスト要約、質問応答といったさまざまな ML タスクのパフォーマンスを改善する方法を説明します。
詳細
このコースでは拡散モデルについて説明します。拡散モデルは ML モデル ファミリーの一つで、最近、画像生成分野での有望性が示されました。拡散モデルは物理学、特に熱力学からインスピレーションを得ています。ここ数年、拡散モデルは研究と産業界の両方で広まりました。拡散モデルは、Google Cloud の最先端の画像生成モデルやツールの多くを支える技術です。このコースでは、拡散モデルの背景にある理論と、モデルを Vertex AI でトレーニングしてデプロイする方法について説明します。
詳細
企業における AI と ML の利用が拡大し続けるなか、責任を持ってそれを構築することの重要性も増しています。多くの企業にとっての課題は、責任ある AI と口で言うのは簡単でも、それを実践するのは難しいということです。このコースは、責任ある AI を組織で運用化する方法を学びたい方に最適です。
このコースでは、Google Cloud が責任ある AI を現在どのように運用化しているかを、ベスト プラクティスや教訓と併せて学び、責任ある AI に対する独自のアプローチを構築するためのフレームワークとして活用できるようにします。
詳細
このコースでは、Google Cloud の生成 AI を活用したコラボレーターである Gemini が、クラウド環境とリソースを安全に保つうえでどのように役立つかを学習します。サンプル ワークロードを Google Cloud の環境にデプロイする方法、Gemini を使用してセキュリティ構成ミスを特定、修正する方法を学びます。ハンズオンラボでは、Gemini を使用することでクラウドのセキュリティ ポスチャーがどのように向上するかを体験します。
Duet AI は、次世代モデルである Gemini に名称変更されました。
詳細
このコースでは、Google Cloud の生成 AI を活用したコラボレーターである Gemini が、Google のプロダクトとサービスを使用してアプリケーションを開発、テスト、デプロイ、管理するうえでどのように役立つかを学習します。Gemini を利用して、ウェブ アプリケーションを開発および構築する方法、アプリケーションのエラーを修正する方法、テストを作成する方法、データをクエリする方法を学びます。ハンズオンラボでは、Gemini を使用することでソフトウェア開発ライフサイクル（SDLC）がどのように向上するかを体験します。
Duet AI は、次世代モデルである Gemini に名称変更されました。
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
このコースでは、Google Workspace の AI 搭載作成ツールである Google Vids を紹介します。Google Vids を使用すると、編集経験がなくても、未加工のドキュメントをプロフェッショナルで魅力的な動画に変換できます。テンプレートと自動化ツールを使用して下書きをすばやく生成する方法や、文字起こしベースの編集、動的な視覚効果、カスタム音楽を使用してコンテンツをカスタマイズする方法を学びます。最後に、AI アバターとナレーションを統合して、さまざまなビジネス ユースケースでプレゼンテーションのナレーションをシームレスに行う方法を学びます。
詳細
このコースでは、Gemini in Google ドライブを使用してファイルを管理および取得する方法について解説します。自然言語を使用してアセットを検索する方法、ファイルを開かずに AI による概要から特定の事実を抽出する方法、複数のメディア形式を即座に要約する方法、ファイルのコレクションをプロジェクトとして保存して調査に繰り返し活用する方法を学びます。
詳細
このコースでは、Gemini in Google Meet を使用して動画コラボレーションを強化する方法について解説します。メモの自動作成、テキストや音声のリアルタイム翻訳の活用、見逃した議論の内容を非公開で確認する方法、音声や動画の品質の瞬時に最適化する方法について学びます。
詳細
このコースでは、Gemini in Google スプレッドシートを使用して、データの整理を自動化し、複雑な数値を処理する方法について説明します。高度なスプレッドシートの専門知識がなくても、未加工のテキストからテーブルを構造化したり、自然言語を使用してデータを自動入力したり、ネイティブのスプレッドシートの数式をオンデマンドで生成したり、大まかな分析情報や可視化を迅速に抽出したりする方法を学びます。
詳細
このコースでは、Gemini in Google スライドを使用して、コンセプトを視覚的に魅力的なプレゼンテーションに変換する方法について説明します。単一のプロンプトまたは既存のソースドキュメントから構造化された資料を生成する方法、自動化されたデザイン強化を使用してスライドのレイアウトを改良する方法、カスタムのベクター グラフィックと写真を作成する方法、正確なスピーカー ノートとともにスライド上のコピーを動的に作成する方法を学びます。
詳細
このコースでは、Gemini in Google ドキュメントを使用して、文章作成とコンテンツ作成を効率化する方法について説明します。ドキュメントの新規作成、インタラクティブなツールによるトーンの調整や明瞭化、複雑なファイルの要約、長文テキストの構造化されたアセットへのシームレスな変換など、他の Google Workspace アプリケーションで利用できる機能について学びます。
詳細
このコースでは、Gemini in Gmail を使用してメール管理を最適化する方法について説明します。長いスレッドの要約、自然言語を使用した情報の取得、プロフェッショナルな返信文の下書き作成、受信トレイ内でのコミュニケーション戦略の整理などを学びます。
詳細
Gemini for Google Workspace は、Google Workspace の生成 AI 機能をお客様に提供します。この学習プログラムでは、Gemini の主な機能と、それらの機能を使用して Google Workspace の生産性と効率を向上させる方法について学びます。
詳細
Dataflow コースシリーズの 2 回目である今回は、Beam SDK を使用したパイプラインの開発について詳しく説明します。まず、Apache Beam のコンセプトについて復習します。次に、ウィンドウ、ウォーターマーク、トリガーを使用したストリーミング データの処理について説明します。さらに、パイプラインのソースとシンクのオプション、構造化データを表現するためのスキーマ、State API と Timer API を使用してステートフル変換を行う方法について説明します。続いて、パイプラインのパフォーマンスを最大化するためのベスト プラクティスを再確認します。コースの終盤では、Beam でビジネス ロジックを表現するための SQL と DataFrame、および Beam ノートブックを使用してパイプラインを反復的に開発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
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
このコースは、Dataflow を使用したサーバーレスのデータ処理に関する 3 コースシリーズのパート 1 です。この最初のコースでは、始めに Apache Beam とは何か、そして Dataflow とどのように関係しているかを復習します。次に、Apache Beam のビジョンと Beam Portability フレームワークの利点について説明します。Beam Portability フレームワークによって、デベロッパーが好みのプログラミング言語と実行バックエンドを使用できるビジョンが実現します。続いて、Dataflow によってどのように費用を節約しながらコンピューティングとストレージを分離できるか、そして識別ツール、アクセスツール、管理ツールがどのように Dataflow パイプラインと相互に機能するかを紹介します。最後に、Dataflow でそれぞれのユースケースに合った適切なセキュリティ モデルを実装する方法について学習します。
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
このコースでは、ストリーミング データ パイプラインの構築時に直面する実際の問題を解決するために、実践的な演習を行います。ポイントは、Google Cloud プロダクトを使用して、絶えず流れ続けるデータを効果的に管理することです。
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
「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
このコースでは、複数のサービスを利用する API を作成する方法と、Apigee でカスタムコードを使用する方法を学びます。また、障害処理や、プロキシ間でロジックを共有する方法についても学びます。トラフィック管理とキャッシュ保存も取り上げます。また、デベロッパー ポータルを作成し、そのポータルに API を公開します。ロギングと分析、CI / CD、Apigee でサポートされているさまざまなデプロイモデルについて学習します。
講義、ハンズオンラボ、補足的な資料を組み合わせて、Google Cloud の Apigee API プラットフォームを使用して API ソリューションを設計、構築、保護、デプロイ、管理する方法を学びます。
このコースは、3 コースから構成される「Apigee API プラットフォームを使用した API の開発」コースシリーズの最後のコースとなります。
詳細
このコースでは、API のセキュリティを確保する方法を学びます。API のセキュリティ上の懸念事項について確認し、REST API の主要な認証方法である OAuth について学びます。JSON Web Token（JWT）と連携セキュリティについても学習します。また、不正なリクエストに対するセキュリティ保護、パブリック ネットワークを介した安全なリクエストの送信、Apigee ユーザーからデータを保護する方法についても学びます。
講義、ハンズオンラボ、補足的な資料の組み合わせを通じて、Google Cloud の Apigee API プラットフォームを使用して API ソリューションを設計、構築、保護、デプロイ、管理する方法を学びます。このコースは、「Apigee API プラットフォームを使用した API の開発」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、「Apigee API プラットフォームを使用した API の開発」コースを受講してください。
詳細
このコースでは、API を設計する方法と、OpenAPI 仕様を使用してそれらを文書化する方法を学びます。API のライフサイクルについて理解し、Apigee API プラットフォームがそのライフサイクルのあらゆる側面の管理にどのように役立つかを学びます。また、API プロキシを使用して API を設計する方法と、アプリ デベロッパー向けに API を API プロダクトとしてパッケージ化する方法を学びます。
レッスン、ハンズオンラボ、補足的な資料の組み合わせを通じて、Google Cloud の Apigee API プラットフォームを使用して API ソリューションを設計、構築、保護、デプロイ、管理する方法を学びます。このコースは「Apigee API プラットフォームを使用した API の開発」シリーズの最初のコースです。このコースを修了したら、「Apigee API プラットフォームを使用した API のセキュリティ」コースを受講してください。
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 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
「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
この入門レベルのコースでは、 Google Cloud の基本的なツールやサービスに関する実践演習を行います。オプションで動画も提供されており、 ラボで取り上げられたコンセプトに関するさらなるコンテキストの確認や、復習に利用できます。「Google Cloud の基礎」は、Google Cloud の学習者に最初に推奨されるコースです。 クラウドの予備知識がほとんどなくても、 最初の Google Cloud プロジェクトに応用できる実践的な経験を積むことができます。Cloud Shell コマンドの記述、 初めての仮想マシンのデプロイ、Kubernetes Engine 上でのアプリケーションの実行や ロード バランシングなど、「Google Cloud の基礎」では、Google Cloud の 基本的な機能について学ぶことができます。
詳細
