参加 ログイン

Kossiński Dominik

メンバー加入日: 2023

ゴールドリーグ

52724 ポイント
ベクトル検索とエンベディング Earned 2月 3, 2026 EST
エンベディング作成、ベクトル検索、BigQuery での RAG Earned 2月 3, 2026 EST
アテンション機構 Earned 1月 23, 2026 EST
画像生成の概要 Earned 1月 23, 2026 EST
Recommendation Systems on Google Cloud Earned 8月 17, 2025 EDT
Vertex AI での ML ソリューションの構築とデプロイ Earned 12月 1, 2024 EST
開発者向けの責任ある AI: プライバシーと安全性 Earned 11月 30, 2024 EST
Google Cloud での生成 AI アプリの作成 Earned 11月 29, 2024 EST
発者向けの責任ある AI: 公平性とバイアス Earned 11月 29, 2024 EST
開発者向けの責任ある AI: 解釈可能性と透明性 Earned 11月 29, 2024 EST
ML Pipelines on Google Cloud - 日本語版 Earned 11月 27, 2024 EST
Vertex AI を使用した ML オペレーション（MLOps）: 特徴の管理 Earned 11月 26, 2024 EST
ML オペレーション（MLOps）: 概要 Earned 11月 26, 2024 EST
本番環境 ML システム Earned 11月 25, 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 11月 21, 2024 EST
Vertex AI を使用した ML オペレーション（MLOps）: モデルの評価 Earned 11月 21, 2024 EST
[DEPRECATED] 特徴量エンジニアリング Earned 11月 18, 2024 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 11月 13, 2024 EST
認定資格試験の学習ガイドを作成する: PMLE 認定試験対策 Earned 11月 12, 2024 EST
Vertex AI でノートブックを使用する Earned 11月 11, 2024 EST
生成 AI のための ML オペレーション（MLOps) Earned 11月 11, 2024 EST
Google Cloud における AI と ML の概要 Earned 11月 11, 2024 EST
Data Catalog Fundamentals Earned 7月 20, 2024 EDT
Google Cloud の ML API 用にデータを準備 Earned 7月 18, 2024 EDT
BigQuery ML を使用した ML モデルの作成 Earned 7月 15, 2024 EDT
BigQuery のデータから分析情報を引き出す Earned 7月 10, 2024 EDT
Gemini と Streamlit を使用した生成 AI アプリの開発 Earned 7月 10, 2024 EDT
[DEPRECATED] ネットワーク エンジニア向けの Gemini Earned 7月 9, 2024 EDT
[DEPRECATED] エンドツーエンドの SDLC のための Gemini Earned 6月 5, 2024 EDT
[DEPRECATED] DevOps エンジニア向けの Gemini Earned 6月 4, 2024 EDT
[DEPRECATED] データ サイエンティストとアナリスト向けの Gemini Earned 6月 3, 2024 EDT
[DEPRECATED] クラウド アーキテクト向けの Gemini Earned 6月 2, 2024 EDT
[DEPRECATED] セキュリティ エンジニア向けの Gemini Earned 6月 2, 2024 EDT
[DEPRECATED] アプリケーション開発者向けの Gemini Earned 6月 2, 2024 EDT
Agent Platform におけるプロンプト設計 Earned 6月 2, 2024 EDT
責任ある AI: Google Cloud における AI に関する原則の適用 Earned 6月 2, 2024 EDT
責任ある AI の概要 Earned 5月 27, 2024 EDT
大規模言語モデルの概要 Earned 5月 20, 2024 EDT
生成 AI の概要 Earned 5月 20, 2024 EDT
Looker でのデータモデルの管理 Earned 1月 18, 2024 EST
Looker での LookML オブジェクトの構築 Earned 1月 17, 2024 EST
Looker での高度な LookML コンセプトの適用 Earned 1月 14, 2024 EST
Developing Data Models with LookML - 日本語版 Earned 1月 7, 2024 EST
Analyzing and Visualizing Data in Looker - 日本語版 Earned 12月 21, 2023 EST
Looker ダッシュボードとレポート用にデータを準備する Earned 12月 18, 2023 EST
Looker を使ってみる Earned 12月 10, 2023 EST
Google Cloud データ分析の基礎 Earned 12月 10, 2023 EST

このコースでは、AI を活用した検索テクノロジー、ツール、アプリケーションについて学びます。ベクトル エンベディングを利用するセマンティック検索、セマンティック アプローチとキーワード アプローチを組み合わせたハイブリッド検索、グラウンディング対応 AI エージェントとして AI のハルシネーションを最小限に抑える検索拡張生成（RAG）をご紹介します。Vertex AI Vector Search を実践的な経験を積んで、インテリジェントな検索エンジンを構築しましょう。

詳細

このコースでは、BigQuery で検索拡張生成（RAG）ソリューションを使用して AI ハルシネーションを軽減する方法を説明します。エンベディングの作成、ベクトル空間の検索、改善された回答の生成を含む RAG ワークフローについて解説し、これらの手順の背後にある概念的な理由と、BigQuery を使用した実践的な実装方法についても説明します。このコースを完了すると、BigQuery、Gemini などの生成 AI モデル、エンベディング モデルを使用して RAG パイプラインを構築し、独自の AI ハルシネーションのユースケースに対処できるようになります。

詳細

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

In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.

詳細

Vertex AI での ML ソリューションの構築とデプロイ コースを修了して、 中級スキルバッジを獲得しましょう。このコースでは、Google Cloud の Vertex AI プラットフォーム、AutoML、カスタム トレーニング サービスを使用して、 ML モデルのトレーニング、評価、チューニング、説明、デプロイを行う方法を学びます。 このスキルバッジ コースは、データ サイエンティストと ML エンジニアのプロフェッショナルを 対象としています。 スキルバッジは、Google Cloud のプロダクトとサービスの習熟度を示す Google Cloud 発行の限定デジタルバッジで、 インタラクティブなハンズオン環境での知識の応用力を証明するものです。このスキルバッジと 最終評価チャレンジラボを完了し、デジタルバッジを獲得して ネットワークで共有しましょう。

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、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、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、Google Cloud で最先端の ML パイプラインに携わっている ML エンジニアおよびトレーナーたちから知識を吸収することができます。 最初のいくつかのモジュールで、ML パイプラインとメタデータの管理用 TensorFlow を基盤とする Google の本番環境向け機械学習プラットフォーム TensorFlow Extended（TFX）について説明します。パイプラインのコンポーネントについて、そして TFX を使用したパイプラインのオーケストレーションについて学習します。また、継続的インテグレーションと継続的デプロイを通じたパイプラインの自動化の方法と、ML メタデータの管理方法についても学習します。その後、焦点を変えて、TensorFlow、PyTorch、Scikit Learn、XGBoost などの複数の ML フレームワーク全体にわたる ML パイプラインの自動化と再利用の方法について説明します。 さらに、Google Cloud のもう 1 つのツール、Cloud Composer を継続的なトレーニング パイプラインのオーケストレーションに活用する方法についても学習します。最後は、MLflow を使用して機械学習の完全なライフサイクルを管理する方法の解説で締めくくります。

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、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

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、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、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

「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

Gemini Notebook を使用して、Professional Machine Learning Engineer（PMLE）認定試験に向けてパーソナライズされた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、ノートブックを作成し、その学習ガイドを使用して認定資格試験に向けて練習します。

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、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 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

Data Catalog is deprecated and will be discontinued on January 30, 2026. You can still complete this course if you want to. For steps to transition your Data Catalog users, workloads, and content to Dataplex Catalog, see Transition from Data Catalog to Dataplex Catalog (https://cloud.google.com/dataplex/docs/transition-to-dataplex-catalog). Data Catalog is a fully managed and scalable metadata management service that empowers organizations to quickly discover, understand, and manage all of their data. In this quest you will start small by learning how to search and tag data assets and metadata with Data Catalog. After learning how to build your own tag templates that map to BigQuery table data, you will learn how to build MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors.

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

「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

「BigQuery のデータから分析情報を引き出す」の入門スキルバッジを獲得すると、 SQL クエリの作成、一般公開テーブルに対するクエリの実行、BigQuery へのサンプルデータの読み込み、BigQuery でのクエリ バリデータを使用した一般的な構文エラーのトラブルシューティング、 BigQuery データへの接続による Data Studio でのレポート作成といったスキルを実証できます。

詳細

「Gemini と Streamlit を使用した生成 AI アプリの開発」の中級スキルバッジを獲得すると、 テキストの生成、Python SDK と Gemini API を使用した関数呼び出し、Cloud Run を使用した Streamlit アプリケーションのデプロイといったスキルを実証できます。 ここでは、Gemini にテキスト生成のプロンプトを与えるさまざまな方法を確認し、Cloud Shell を使用して Streamlit アプリケーションのテストとイテレーションを行い、Cloud Run にデプロイされる Docker コンテナとしてパッケージ化します。

詳細

このコースでは、生成 AI を活用した Google Cloud のコラボレーターである Gemini が、ネットワーク エンジニアによる VPC ネットワークの作成、更新、管理にどのように役立つかについて学びます。検索エンジンで調べられる内容を超えた、自身のネットワーキング タスクに固有のガイダンスの提供を Gemini に指示する方法を学習します。ハンズオンラボでは、Gemini を使用することで Google Cloud VPC ネットワークの作業がどのように簡単になるかを体験します。 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、Google Cloud の生成 AI を活用したコラボレーターである Gemini が、エンジニアによるインフラストラクチャの管理にどのように役立つかについて学習します。アプリケーション ログを検索して理解するように Gemini に指示する方法、GKE クラスタを作成する方法、ビルド環境の作成方法を調査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 DevOps ワークフロ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、生成 AI を活用した Google Cloud のコラボレーターである Gemini が、顧客データの分析や商品売上の予測にどのように役立つかについて学びます。また、BigQuery で顧客データを使用して、新規顧客を特定、分類、発見する方法も学習します。ハンズオンラボでは、Gemini でデータ分析と ML のワークフロ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、管理者によるインフラストラクチャのプロビジョニングにどのように役立つかについて学習します。Gemini にプロンプトを入力して、インフラストラクチャの説明、GKE クラスタのデプロイ、既存のインフラストラクチャの更新についての情報を取得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 GKE のデプロイ ワークフローがどのように向上するかを体験します。 Duet AI は、Google の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、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、生成 AI を活用した Google Cloud のコラボレーター、Gemini が、デベロッパーのアプリケーション構築にどのように役立つかについて学びます。コードの説明、Google Cloud サービスの提案、アプリケーションのコード生成を Gemini に指示する方法について学びます。ハンズオンラボを使用して、Gemini でアプリケーション開発ワークフロ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

「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

「Looker でのデータモデルの管理」スキルバッジを獲得できる中級コースを修了すると、 次のスキルを身につけていることを実証できます。LookML プロジェクトを健全に維持する、SQL Runner を利用してデータを検証する、 LookML のベスト プラクティスを実践する、パフォーマンス向上のためにクエリとレポートを最適化する、 永続的な派生テーブルとキャッシュ保存ポリシーを実装する。

詳細

「Looker での LookML オブジェクトの構築」スキルバッジを獲得できる入門コース を修了すると、 新しいディメンション、メジャー、ビュー、派生テーブルの構築、要件に基づくメジャー フィルタとメジャー タイプの設定、 ディメンションとメジャーの更新、 Explore の構築と改良、ビューと既存の Explore との結合、 ビジネス要件に基づいて作成すべき LookML オブジェクトの決定に関するスキルがあることを証明できます。

詳細

このコースでは、Looker における高度な LookML の概念を 実践的に学びます。Liquid を使用して動的なディメンションやメジャーをカスタマイズ、作成する方法、 動的 SQL 派生テーブルやカスタマイズされたネイティブ派生テーブルの作成方法、 さらに extends を使って LookML コードをモジュール化する方法を習得します。

詳細

このコースを受講すると、スケーラブルでパフォーマンスの高い LookML（Looker モデリング言語）モデルを開発し、ビジネス ユーザーの疑問解決に役立つ標準化されたすぐに使えるデータを提供できるようになります。このコースの修了時には、組織の Looker インスタンスでデータをキュレートして管理するための LookML モデルの構築と維持が可能になります。

詳細

このコースでは、これまで主に SQL のデベロッパーやアナリストが行っていたようなデータの探索や分析を Looker で実施する方法について学びます。このコースを修了すると、Looker の最新の分析プラットフォームを活用して、組織の Looker インスタンスにおける関連性の高いコンテンツの検索と探索、データに関する問い合わせ、必要に応じた新しい指標の作成、データドリブンな意思決定を促進するためのビジュアリゼーションとダッシュボードの作成や共有を行えるようになります。

詳細

「Looker ダッシュボードとレポート用にデータを準備する」スキルバッジを獲得できる入門コースを修了すると、 データのフィルタ、並べ替え、ピボット、異なる Looker Explore から取得した結果の統合、 関数と演算子を使用してデータを分析し可視化するための Looker ダッシュボードとレポートの作成に関するスキルを実証できます。

詳細

「Looker を使ってみる」クエストを修了すると スキルバッジを獲得できます。 このクエストでは、Looker Studio と Looker を使用してデータを分析、可視化、キュレートする方法 を学びます。

詳細

Google Cloud を活用して、生の数値データを明確かつデータドリブンな意思決定に変換する方法を学びましょう。この初級レベルのコースでは、ハンズオンラボと実践的なシナリオを通じて、BigQuery でのデータのクエリ、Looker での傾向分析、データポータルでの共有可能なインタラクティブ レポートの作成について説明します。

詳細