shah Priyank
メンバー加入日: 2025
ダイヤモンド リーグ
12259 ポイント
Google DeepMind: 07 Accelerate Your Model
Earned 3月 30, 2026 EDT
Google DeepMind: 05 Fine-Tune Your Model
Earned 3月 28, 2026 EDT
Google DeepMind: 04 Discover The Transformer Architecture
Earned 3月 28, 2026 EDT
Google DeepMind: 03 Design And Train Neural Networks
Earned 3月 22, 2026 EDT
Google DeepMind: 02 Represent Your Language Data
Earned 3月 21, 2026 EDT
Google DeepMind: 01 Build Your Own Small Language Model
Earned 3月 19, 2026 EDT
AI インフラストラクチャ: ネットワーキング手法
Earned 1月 21, 2026 EST
AI Infrastructure: ストレージ オプション
Earned 1月 20, 2026 EST
AI Infrastructure: デプロイタイプ
Earned 1月 18, 2026 EST
AI Infrastructure: Cloud TPU
Earned 1月 17, 2026 EST
AI Infrastructure: Cloud GPU
Earned 1月 11, 2026 EST
AI Infrastructure: AI Hypercomputer の概要
Earned 1月 1, 2026 EST
エンドツーエンドの SDLC のための Gemini
Earned 12月 30, 2025 EST
Agent Platform におけるプロンプト設計
Earned 12月 20, 2025 EST
責任ある AI: Google Cloud における AI に関する原則の適用
Earned 12月 13, 2025 EST
責任ある AI の概要
Earned 12月 13, 2025 EST
大規模言語モデルの概要
Earned 12月 13, 2025 EST
生成 AI の概要
Earned 12月 12, 2025 EST
Train more powerful models with a single GPU. In this course, you will learn how hardware can speed up model training and the key considerations when training models on a GPU. First, you will learn how to estimate the number of computations and the amount of computer memory required to train large neural networks. You will then discover techniques for reducing the computing and memory requirements when training a model. Techniques which you will apply for fine-tuning a Gemma model with 4 billion parameters. Finally, you will consider the potential environmental impacts of machine learning, with a focus on where questions of energy, water, and e-waste intersect with justice and equity.
詳細
Unleash the power of language models with fine-tuning. In this course, you will learn how to adjust a pre-trained model to a specific task. You will start with full-parameter fine-tuning using a small language model. To tune larger models like Gemma, you will learn parameter-efficient techniques with a focus on LoRA. Finally, you will be briefly introduced to reinforcement learning as an alternative to supervised fine-tuning (SFT). You will also explore how AI is imagined and made sense of in cultural contexts. You will consider why responsible AI is not just about technical safety but also about building governance systems that reflect community values and protect the public interest.
詳細
In this Google DeepMind course you will discover the mechanisms of the transformer architecture. You will investigate how transformer language models process prompts to make context-sensitive next-token predictions. Through practical activities you will explore the attention mechanism, visualize attention weights, and encounter advanced concepts like masked attention and multi-head attention. You will also learn other techniques that are necessary to build neural networks that are well-suited to be used as language models. Finally, through activities on values, stakeholder mapping and community engagement, you will practice concrete tools for ensuring AI projects are developed with communities, not just for them.
詳細
In this Google DeepMind course you will focus on the training process for machine learning models. You will learn how to spot and mitigate issues when training a model, such as overfitting and underfitting. In practical coding labs, you will implement and evaluate the multilayer perceptron for simple classification tasks. This will provide insights into the mechanics of training a neural network model and the backpropagation algorithm. Research case studies will demonstrate how neural networks power real-world models. Additionally, you will consider the broader social impacts of innovation by looking beyond immediate benefits to anticipate potential risks, safety concerns, and further-reaching societal consequences.
詳細
In this Google DeepMind course you will learn how to prepare text data for language models to process. You will investigate the tools and techniques used to prepare, structure, and represent text data for language models, with a focus on tokenization and embeddings. You will be encouraged to think critically about the decisions behind data preparation, and what biases within the data may be introduced into models. You will analyze trade-offs, learn how to work with vectors and matrices, how meaning is represented in language models. Finally, you will practice designing a dataset ethically using the Data Cards process, ensuring transparency, accountability, and respect for community values in AI development.
詳細
In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.
詳細
「AI インフラストラクチャ: ネットワーキング手法」コースへようこそ。
このコースでは、Google Cloud の高帯域かつ低レイテンシなインフラストラクチャを活用し、AI システムを構成する各コンポーネント間のデータ転送と通信を最適化する方法を学びます。このコースを修了すると、データの取り込みやトレーニングから推論に至るまで、AI パイプライン全体においてネットワーキングが果たす重要な役割を理解し、ワークロードを最大限の速度で実行するためのベスト プラクティスを適用できるようになります。
詳細
このコースでは、Google Cloud で利用可能なストレージ ソリューションについて、AI とハイ パフォーマンス コンピューティング（HPC）のワークロードに特化した内容を包括的に学びます。ML ライフサイクルの各段階に適したストレージを選択する方法を学びます。トレーニング中の I/O パフォーマンスを最適化する方法、データ準備のために大規模なデータセットを管理する方法、モデルのアーティファクトを低レイテンシで提供する方法について学びます。実践的な例とデモを通じて、AI イノベーションを加速させる堅牢なストレージ ソリューションを設計する専門知識を習得できます。
詳細
このコースでは、Google Cloud で AI とハイ パフォーマンス コンピューティング（HPC）のワークロードをデプロイ、管理、最適化するための包括的なガイドを提供します。一連のレッスンと実践的なデモを通じて、Google Compute Engine（GCE）を使用した高度にカスタマイズ可能な環境から、Google Kubernetes Engine（GKE）などのマネージド ソリューションまで、さまざまなデプロイ戦略について学びます。具体的には、クラスタを作成し、推論用に GKE をデプロイする方法を学習します。
詳細
Cloud TPU コースへようこそ。このコースでは、さまざまなシナリオにおける TPU の長所と短所を検討し、各種 TPU アクセラレータを比較して最適なものを選択できるようにします。また、AI モデルのパフォーマンスと効率を最大化する戦略を学び、柔軟な ML ワークフローにおける GPU / TPU の相互運用性の重要性について理解を深めます。魅力的なコンテンツと実践的なデモを通じて、TPU を効果的に活用するための方法を段階的に確認していきます。
詳細
AI を支える強力なハードウェアにご関心をお持ちですか？このモジュールでは、パフォーマンスの最適化が図られた AI コンピュータについて解説し、それがなぜ重要なのかを説明します。CPU、GPU、TPU が AI タスクを高速化する仕組み、それぞれの特徴、AI ソフトウェアがそれらを最大限に活用する方法について探ります。最後には、AI プロジェクトに最適な GPU を選択する方法を正確に理解し、AI ワークロードに適した選択を行えるようになります。
詳細
AI Hypercomputer を使い始めたい方に最適なコースです。AI Hypercomputer の基礎と、それが AI ワークロードで AI を支援する仕組みについて説明します。GPU、TPU、CPU など、ハイパーコンピュータ内の各種コンポーネントについて学び、ニーズに合った適切なデプロイ アプローチを選択する方法を知ることができます。
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、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
「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
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
