参加 ログイン

Google Cloud コンソールでスキルを試す

Nanyonga Maggie

メンバー加入日: 2026

シルバーリーグ

12674 ポイント
Google DeepMind: 01 Build Your Own Small Language Model Earned 2月 20, 2026 EST
AI Infrastructure: Networking Techniques Earned 2月 20, 2026 EST
AI Infrastructure: Storage Options Earned 2月 20, 2026 EST
AI Infrastructure: Deployment Types Earned 2月 20, 2026 EST
AI Infrastructure: Cloud TPU Earned 2月 20, 2026 EST
AI Infrastructure: Cloud GPU Earned 2月 20, 2026 EST
AI Infrastructure: AI Hypercomputer の概要 Earned 2月 20, 2026 EST
発者向けの責任ある AI: 公平性とバイアス Earned 2月 20, 2026 EST
開発者向けの責任ある AI: プライバシーと安全性 Earned 2月 20, 2026 EST
AI の世界におけるセキュリティの基礎 Earned 2月 20, 2026 EST
開発者向けの責任ある AI: 解釈可能性と透明性 Earned 2月 19, 2026 EST
Model Armor: AI デプロイの保護 Earned 2月 19, 2026 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 19, 2026 EST
Responsible AI for Digital Leaders with Google Cloud Earned 2月 19, 2026 EST
生成 AI エージェント: 組織の変革 Earned 2月 19, 2026 EST
生成 AI アプリ: 働き方を変革する Earned 2月 19, 2026 EST
生成 AI: 現在の状況を知る Earned 2月 19, 2026 EST
生成 AI: 基本概念の理解 Earned 2月 19, 2026 EST
生成 AI: chatbot を超えて Earned 2月 19, 2026 EST
Gemini Enterprise アプリケーションの作成を始める Earned 2月 18, 2026 EST
Enterprise のエージェントとユースケース Earned 2月 18, 2026 EST
エージェントの基礎 Earned 2月 18, 2026 EST
AI エージェントの概要 Earned 2月 18, 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 2月 18, 2026 EST
生成 AI のための ML オペレーション（MLOps) Earned 2月 18, 2026 EST

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

Welcome to the "AI Infrastructure: Networking Techniques" course. In this course, you'll learn to leverage Google Cloud's high-bandwidth, low-latency infrastructure to optimize data transfer and communication between all the components of your AI system. By the end, you'll grasp the critical role networking plays across the entire AI pipeline from data ingestion and training to inference and be able to apply best practices to ensure your workloads run at maximum speed.

詳細

In this course, you’ll take a comprehensive journey through the storage solutions available on Google Cloud, specifically tailored for AI and high-performance computing (HPC) workloads. You’ll learn how to choose the right storage for each stage of the ML lifecycle. You’ll explore how to optimize for I/O performance during training, manage massive datasets for data preparation, and serve model artifacts with low latency. Through practical examples and demonstrations, you’ll gain the expertise to design robust storage solutions that accelerate your AI innovation.

詳細

This course provides a comprehensive guide to deploying, managing, and optimizing AI and high-performance computing (HPC) workloads on Google Cloud. Through a series of lessons and practical demonstrations, you’ll explore diverse deployment strategies, ranging from highly customizable environments using Google Compute Engine (GCE) to managed solutions like Google Kubernetes Engine (GKE). Specifically, you’ll learn how to create clusters and deploy GKE for inference.

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、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

AI は、革新的な技術である一方で、新たなセキュリティ上の課題を生み出す可能性も否定できません。このコースでは、セキュリティとデータ保護の責任者を対象に、組織内で AI を安全に管理するための戦略を説明します。AI 特有のリスクを事前に特定して軽減し、機密データを保護し、コンプライアンスを確保しながら、復元力の高い AI インフラストラクチャを構築するための枠組みについて学ぶ。4 つの業界のユースケースを通して、これらの戦略が実際の場面でどのように活用されているかを探る。

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、Model Armor の重要なセキュリティ機能を復習し、このサービスを使いこなすための技術が身についていることを確認します。LLM に関連するセキュリティ リスクと、Model Armor にによる AI アプリケーションの保護の仕組み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

This course equips learners with the essential knowledge and practical tools to develop and implement artificial intelligence (AI) responsibly. Through an exploration of ethical considerations, best practices, and governance procedures, participants will gain an understanding of how to navigate the complex landscape of AI while upholding ethical standards and minimizing potential risks.

詳細

「Gen AI エージェント: 組織の変革」は、Gen AI Leader 学習プログラムの最後となる 5 番目のコースです。このコースでは、組織でカスタム生成 AI エージェントを使用して特定のビジネス課題に対処する方法を学習します。基本的な生成 AI エージェントを構築する実践演習を行うとともに、モデル、推論ループ、ツールなどのエージェントの構成要素について見ていきます。

詳細

「生成 AI アプリ: 働き方を変革する」は、生成 AI リーダー学習プログラムの 4 つ目のコースです。このコースでは、Gemini for Workspace や NotebookLM など、Google の生成 AI アプリケーションを紹介します。グラウンディング、検索拡張生成、効果的なプロンプトの作成、自動化されたワークフローの構築などのコンセプトについて学びます。

詳細

「生成 AI: 現在の状況を知る」は、生成 AI リーダー学習プログラムの 3 つ目のコースです。生成 AI は、私たちの働き方や、私たちを取り巻く世界との関わり方を変えています。リーダーは、実際のビジネス成果に結びつけるために、生成 AI の力をどのように活用できるでしょうか？このコースでは、生成 AI ソリューションの構築におけるさまざまなレイヤ、Google Cloud のサービス、ソリューションを選択する際に考慮すべき要素について学びます。

詳細

「生成 AI: 基本概念の理解」は、生成 AI リーダー学習プログラムの 2 つ目のコースです。このコースでは、AI、ML、生成 AI の違いを探り、さまざまなデータタイプが生成 AI によるビジネス課題への対処を可能にする仕組みを理解することで、生成 AI の基本概念を習得します。また、基盤モデルの限界に対処するための Google Cloud の戦略、および責任ある安全な AI の開発と導入における重要な課題に関するインサイトも得られます。

詳細

「生成 AI: chatbot を超えて」は、生成 AI リーダー学習プログラムの最初のコースで、前提条件はありません。このコースは、chatbot の基礎的な理解をさらに広げ、組織で実現できる生成 AI の真の可能性を把握することを目的としています。基盤モデルおよびプロンプト エンジニアリングなど、生成 AI の力を活用するうえで重要な概念も紹介します。また、このコースでは、組織において優れた生成 AI 戦略を策定する場合に検討するべき重要事項も見ていきます。

詳細

Gemini Enterprise アプリケーションの作成を始めて、スキルバッジを獲得しましょう。さまざまなデータソースをアプリケーションに接続し、強力で統合された検索・分析エンジンを構築します。Deep Research エージェント、マルチエージェント アイディエーション、NotebookLM を使用した集中的な分析などの高度な機能を習得します。

詳細

AI エージェントがビジネスの成果を促進する仕組みについて学習します。エージェント タイプを KPI にマッピングし、実際のボトルネックを解決するユースケースを確認します。次に、Gemini Enterprise が、ノーコード ソリューションからハイコード ソリューションまで、適切なエージェントの構築とオーケストレーションをどのように支援するのかについて学びます。

詳細

AI エージェントは、従来の大規模言語モデル（LLM）を超える大きな変化をもたらします。単にテキストベースの解決策を生成するだけでなく、自律的に行動して、それを実行に移すこともできます。このコースでは、AI エージェントの基礎、LLM API との違い、現実の場面でどのように真価を発揮するのかを解説します。また、Google のエージェント ホワイトペーパーに基づき、エージェントのコードを書き始める前に必要となる理論的基盤を提供します。単なるテキスト生成ではなく、自律的で目標指向のふるまいという観点から AI システムを理解したい開発者、アーキテクト、技術的意思決定者に適した内容です。質問やディスカッションについては、コミュニティ フォーラムにご参加ください。

詳細

AI エージェントのコンセプトの概要を理解したうえで、AI エージェントが自律的なアクションと推論を使用して複雑な問題を解決する仕組みを学習します。また、エージェントがユーザーに代わって学習、計画し、目標を達成できるようにする技術的アーキテクチャ（モデル、ツール、オーケストレーション）について学びます。

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、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