参加 ログイン

Joglekar Saket

メンバー加入日: 2017

ダイヤモンド リーグ

6979 ポイント
Google Cloud Observability を使用したモニタリングとロギング Earned 4月 25, 2026 EDT
Google Cloud でのオブザーバビリティ Earned 4月 25, 2026 EDT
Vertex AI を使用した ML オペレーション（MLOps）: モデルの評価 Earned 1月 17, 2026 EST
生成 AI のための ML オペレーション（MLOps) Earned 7月 7, 2025 EDT
Agent Platform におけるプロンプト設計 Earned 6月 9, 2025 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 15, 2024 EDT
画像生成の概要 Earned 8月 19, 2023 EDT
Generative AI Fundamentals - 日本語版 Earned 8月 18, 2023 EDT
責任ある AI の概要 Earned 8月 16, 2023 EDT
大規模言語モデルの概要 Earned 8月 16, 2023 EDT
生成 AI の概要 Earned 8月 15, 2023 EDT

入門スキルバッジ コース「Google Cloud Observability を使用したモニタリングとロギング」を修了すると、 Compute Engine における仮想マシンのモニタリング、 複数プロジェクトの監視を目的とした Cloud Monitoring の利用、モニタリング機能とロギング機能の Cloud Functions への拡張、 アプリケーションに対するカスタム指標の作成と送信、カスタム指標に基づく Cloud Monitoring アラートの構成に関するスキルを実証できます。

詳細

2 部構成でお届けするコースシリーズの第 2 部「Google Cloud でのオブザーバビリティ」へようこそ。このコースを受講する前に、パート 1 の「Google Cloud におけるロギングとモニタリング」を修了することをおすすめします。このコースでは、Error Reporting、Cloud Trace、Cloud Profiler などのアプリケーション パフォーマンス管理ツールについて学びます。

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

「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

「Introduction to Generative AI」、「Introduction to Large Language Models」、「Introduction to Responsible AI」の各コースを修了すると、スキルバッジを獲得できます。最終テストに合格することで、ジェネレーティブ AI の基礎概念を理解していることが証明されます。 スキルバッジは、Google Cloud のプロダクトとサービスに関する知識を認定するために Google Cloud が発行するデジタルバッジです。スキルバッジは、ソーシャル メディアの公開プロフィールを作成してそこに追加することで一般向けに共有できます。

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