参加 ログイン

elsanhouri ibrahim

メンバー加入日: 2025

ダイヤモンド リーグ

22879 ポイント
エンタープライズ データベースを使用した AI エージェントの構築 Earned 9月 5, 2026 EDT
Cloud Healthcare API Earned 8月 8, 2026 EDT
BigQuery でデータ ウェアハウスを構築する Earned 8月 5, 2026 EDT
BigQuery で Gemini モデルを操作する Earned 8月 2, 2026 EDT
Gemini in BigQuery で生産性を高める Earned 8月 2, 2026 EDT
Data Engineering on Google Cloud の概要 Earned 7月 29, 2026 EDT
Professional Data Engineer の取得に向けた準備 Earned 7月 29, 2026 EDT
ツールによるエージェント機能の拡張 Earned 7月 28, 2026 EDT
エージェントのメモリと状態を管理する Earned 7月 28, 2026 EDT
エージェントの動作を最適化する Earned 7月 28, 2026 EDT
Vertex AI Studio の概要 Earned 7月 27, 2026 EDT
画像キャプション モデルの作成 Earned 7月 27, 2026 EDT
Transformer モデルと BERT モデル Earned 7月 27, 2026 EDT
Encoder-Decoder アーキテクチャ Earned 7月 27, 2026 EDT
アテンション機構 Earned 7月 27, 2026 EDT
画像生成の概要 Earned 7月 27, 2026 EDT
AI の世界におけるセキュリティの基礎 Earned 7月 27, 2026 EDT
クラウド アーキテクチャ: 設計、実装、管理 Earned 7月 27, 2026 EDT
Model Armor: AI デプロイの保護 Earned 7月 23, 2026 EDT
開発者向けの責任ある AI: 解釈可能性と透明性 Earned 7月 22, 2026 EDT
開発者向けの責任ある AI: プライバシーと安全性 Earned 7月 22, 2026 EDT
Google Cloud での Kubernetes アプリケーションのデプロイ Earned 7月 19, 2026 EDT
Vertex AI を使用した ML オペレーション（MLOps）: 特徴の管理 Earned 7月 15, 2026 EDT
Google Cloud でのウェブサイトの構築 Earned 7月 14, 2026 EDT
Dataplex によるデータの整理と統制 Earned 7月 11, 2026 EDT
Lakehouse データの保護 Earned 7月 11, 2026 EDT
[DEPRECATED] Data Governance with Dataplex Universal Catalog Earned 7月 11, 2026 EDT
ベクトル検索とエンベディング Earned 7月 5, 2026 EDT
発者向けの責任ある AI: 公平性とバイアス Earned 7月 1, 2026 EDT
Eventarc を使用してイベント ドリブン アプリケーションを構築する Earned 6月 30, 2026 EDT
生成 AI のための ML オペレーション（MLOps) Earned 6月 29, 2026 EDT
Google Cloud における AI と ML の概要 Earned 6月 29, 2026 EDT
Compute Engine での Cloud Load Balancing の実装 Earned 6月 29, 2026 EDT
責任ある AI の概要 Earned 6月 28, 2026 EDT
Google Cloud ネットワークの構築 Earned 6月 28, 2026 EDT
AI インフラストラクチャ: ネットワーキング手法 Earned 6月 26, 2026 EDT
AI Infrastructure: ストレージ オプション Earned 6月 26, 2026 EDT
AI Infrastructure: デプロイタイプ Earned 6月 26, 2026 EDT
AI Infrastructure: Cloud TPU Earned 6月 26, 2026 EDT
AI Infrastructure: Cloud GPU Earned 6月 26, 2026 EDT
AI Infrastructure: AI Hypercomputer の概要 Earned 6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 6月 24, 2026 EDT
Google Cloud の ML API 用にデータを準備 Earned 6月 24, 2026 EDT
Document AI を使用して大規模なデータ キャプチャを自動化 Earned 6月 23, 2026 EDT
Agent Development Kit（ADK）を使用した AI エージェントのエンジニアリング Earned 6月 23, 2026 EDT
Google Cloud での生成 AI アプリの作成 Earned 6月 21, 2026 EDT
Cloud Run Functions を使用したサーバーレス アプリケーションの構築 Earned 6月 21, 2026 EDT
Google Cloud で Cloud Run を使用したアプリケーション開発: 基礎 Earned 6月 21, 2026 EDT
BigQuery でマルチモーダル ベクトル検索を実装する Earned 6月 14, 2026 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 6月 13, 2026 EDT
[DEPRECATED] Google Cloud Data Solutions for the Public Sector Earned 6月 10, 2026 EDT
本番環境 ML システム Earned 6月 7, 2026 EDT
Google Cloud の費用を最適化する Earned 5月 27, 2026 EDT
Agent Development Kit（ADK）を使用したエージェントの構築を始める Earned 5月 18, 2026 EDT
Agent Development Kit（ADK）を使用したエージェントの構築 Earned 5月 18, 2026 EDT
エンベディング作成、ベクトル検索、BigQuery での RAG Earned 5月 16, 2026 EDT
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 5月 12, 2026 EDT
Dataflow を使用したサーバーレスのデータ処理: 基礎 Earned 5月 9, 2026 EDT
NCAA® March Madness®: Bracketology with Google Cloud Earned 3月 29, 2026 EDT
Introduction to Vertex Forecasting and Time Series in Practice Earned 3月 27, 2026 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版 Earned 3月 12, 2026 EDT
BigQuery ML を推論に使用する Earned 3月 11, 2026 EDT
ストリーミング分析を BigQuery に読み込む Earned 3月 11, 2026 EDT
ML オペレーション（MLOps）: 概要 Earned 3月 11, 2026 EDT
Vertex AI でノートブックを使用する Earned 3月 10, 2026 EDT
ML のための BigQuery Earned 3月 9, 2026 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 2月 9, 2026 EST

データベース向け MCP ツールボックスを使用して、エンタープライズ データベースを活用できる AI エージェントを構築します。安全なデータベース操作ツールを定義し、インテリジェントなクエリ機能を実装します（ベクトル エンベディング、構造化クエリを活用）。

詳細

Cloud Healthcare API bridges the gap between care systems and applications built on Google Cloud. By supporting standards-based data formats and protocols of existing healthcare technologies, Cloud Healthcare API connects your data to advanced Google Cloud capabilities, including streaming data processing with Cloud Dataflow, scalable analytics with BigQuery, and machine learning with Cloud Machine Learning Engine. In this Quest you will use the Cloud Healthcare API to ingest and process data in the industry standard FHIR, HL7v2 and DICOM formats, train a TensorFlow model for prediction with FHIR data, and also gain practice with de-identification of datasets.

詳細

「BigQuery でデータ ウェアハウスを構築する」スキルバッジを獲得できる中級コースを修了すると、 データの結合による新しいテーブルの作成、結合のトラブルシューティング、UNION を使用したデータの連結、日付パーティション分割テーブルの作成、 BigQuery での JSON、配列、構造体の操作に関するスキルを証明できます。

詳細

このコースでは、BigQuery の生成 AI タスクで AI / ML モデルを使用する方法をご紹介します。顧客管理を含む実際のユースケースを通して、Gemini モデルを使用してビジネス上の問題を解決するワークフローを学びます。また、理解を深めるために、このコースでは SQL クエリと Python ノートブックの両方を使用したコーディング ソリューションの詳細な手順も提供しています。

詳細

このコースでは、データを AI 活用へつなげるためのワークフローに役立つ AI 搭載の機能スイート、Gemini in BigQuery について説明します。この機能スイートには、データの探索と準備、コード生成とトラブルシューティング、ワークフローの検出と可視化などが含まれます。このコースでは、概念の説明、実際のユースケース、ハンズオンラボを通じて、データ実務者が生産性を高め、開発パイプラインを迅速化できるよう支援します。

詳細

このコースでは、Google Cloud におけるデータ エンジニアリング、データ エンジニアの役割と責任、それらが Google Cloud の各サービスにどのように対応しているかについて学びます。また、データ エンジニアリングの課題に対処する方法も学習します。

詳細

このコースでは、Professional Data Engineer（PDE）認定資格試験に向けた学習計画を作成できます。学習者は、試験の範囲を把握したうえで、自分の試験への準備状況を確認し、個々の学習計画を作成できます。

詳細

高度な構成を備えたエージェントを構築できたら、次はエージェントに実際の機能を付与します。ウェブの検索、コードの実行、データベースのクエリ、カスタム アクションの実行を可能にするツールをエージェントに搭載します。エージェントを、インテリジェントな応答者から行動を起こす有能なアシスタントへと変貌させます。

詳細

クエリに応答する基本的な LLM エージェントを構築したら、次はこれをステートフルにします。セッション状態を使用して、コンテキストを維持し、ユーザーの設定を記憶し、パーソナライズされたエクスペリエンスを提供するエージェントを構築します。エージェントを、ステートレスな応答者からインテリジェントなアシスタントに変貌させます。

詳細

初めてのエージェントを構築できたところで、次のステップに進みましょう。このコースでは、高度な指示、モデル選択、計画機能、構造化出力パターンを適用して、基本的な AI エージェントを高度で正確なアシスタントに変える方法を学び、スキルを向上させます。 コミュニティ フォーラムでは質問やディスカッションを行えます。ぜひご参加ください。

詳細

このコースでは、生成 AI モデルとのやりとり、ビジネス アイデアのプロトタイプ作成、本番環境へのリリースを行うツールである Vertex AI Studio をご紹介します。現実感のあるユースケースや、興味深い講義、ハンズオンラボを通して、プロンプトの作成から成果の実現に至るまでのライフサイクルを詳細に学び、Gemini マルチモーダル アプリケーションの開発、プロンプトの設計、モデルのチューニングに Vertex AI を活用する方法を学習します。Vertex AI Studio を利用することで、生成 AI をプロジェクトに最大限に活かせるようになることを目指します。

詳細

このコースでは、ディープ ラーニングを使用して画像キャプション生成モデルを作成する方法について学習します。エンコーダやデコーダなどの画像キャプション生成モデルのさまざまなコンポーネントと、モデルをトレーニングして評価する方法を学びます。このコースを修了すると、独自の画像キャプション生成モデルを作成し、それを使用して画像のキャプションを生成できるようになります。

詳細

このコースでは、Transformer アーキテクチャと Bidirectional Encoder Representations from Transformers（BERT）モデルの概要について説明します。セルフアテンション機構をはじめとする Transformer アーキテクチャの主要コンポーネントと、それが BERT モデルの構築にどのように使用されているのかについて学習します。さらに、テキスト分類、質問応答、自然言語推論など、BERT を適用可能なその他のタスクについても学習します。このコースの推定所要時間は約 45 分です。

詳細

このコースでは、機械翻訳、テキスト要約、質問応答などのシーケンス ツー シーケンス タスクに対応する、強力かつ広く使用されている ML アーキテクチャである Encoder-Decoder アーキテクチャの概要を説明します。Encoder-Decoder アーキテクチャの主要なコンポーネントと、これらのモデルをトレーニングして提供する方法について学習します。対応するラボのチュートリアルでは、詩を生成するための Encoder-Decoder アーキテクチャの簡単な実装を、TensorFlow で最初からコーディングします。

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

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

クラウド アーキテクチャ: 設計、実装、管理 コースを修了して、スキルバッジを獲得しましょう。 Apache ウェブサーバーを使用した一般公開ウェブサイトのデプロイ、 起動スクリプトを使用した Compute Engine VM の構成、 Windows の踏み台インスタンスとファイアウォール ルールを使用したセキュアな RDP の構成、ビルドした Docker イメージの Kubernetes クラスタへのデプロイと更新、 CloudSQL インスタンスの作成と MySQL データベースのインポートといったスキルを実証できます。 このスキルバッジは、 Google Cloud Certified Professional Cloud Architect 認定資格試験に出題されるトピックを理解するのに 役立つリソースです。

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

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、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

Google Cloud での Kubernetes アプリケーションのデプロイ 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、 Docker コンテナ イメージの構成とビルド、Google Kubernetes Engine（GKE）クラスタの作成と管理、kubectl を活用した効率的な クラスタ管理、堅牢な継続的デリバリー（CD）による Kubernetes アプリケーションのデプロイ手法といったスキルを実証できます。

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

「Google Cloud でのウェブサイトの構築」スキルバッジ コースを修了して入門レベルの スキルバッジを獲得しましょう。 このコースは「Get Cooking in Cloud」シリーズに基づいており、次の内容を扱います。 Cloud Run でウェブサイトをデプロイするCompute Engine でウェブアプリをホストするGoogle Kubernetes Engine でウェブサイトを作成、デプロイ、 スケーリングするCloud Build を使用してモノリシック アプリケーションからマイクロサービス アーキテクチャに移行する

詳細

「Dataplex を使用したデータの整理と管理」入門コースを修了してスキルバッジを獲得すると、Dataplex アセットの作成、アスペクト タイプの作成、Dataplex のエントリへのアスペクトの適用に関するスキルを証明できます。 スキルバッジは、ハンズオンラボと課題の評価を通じて特定のプロダクトに関する実践的な知識を証明するものです。コースを修了してバッジを獲得することも、チャレンジラボに直接挑戦して今すぐバッジを獲得することもできます。 バッジはトピックに習熟していることの証明であり、仕事用プロフィールの充実、ひいてはキャリアの可能性拡大につながります。獲得したバッジを確認するには、プロフィールにアクセスしてください。

詳細

「Lakehouse データの保護」入門スキルバッジ コースを修了すると、Knowledge Catalog 内の IAM、BigQuery、Lakehouse、 Data Catalog を使用して Lakehouse テーブルを作成し、保護するスキルを証明できます。

詳細

This course covers the fundamentals of data governance, including its frameworks. You will gain hands-on experience using the Dataplex Universal Catalog to profile data, manage data quality, and implement automated data lineage for BigQuery data sources. Learn to effectively manage, secure, and understand your organization's data assets.

詳細

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、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

Eventarc を使用したイベント ドリブン アプリケーションの構築」コースを修了すると、スキルバッジを獲得できます。このコースでは、 Eventarc を使用して Pub/Sub トピックや Cloud Storage バケットなどのさまざまなリソースのイベント トリガーを作成します。

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 デベロッパー、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

「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

「Google Cloud ネットワークの構築」コースを修了してスキルバッジを獲得しましょう。このコースでは、 アプリケーションをデプロイしてモニタリングするための複数の方法について学びます。具体的には、IAM ロールの確認とプロジェクト アクセスの追加 / 削除、 VPC ネットワークの作成、Compute Engine VM のデプロイとモニタリング、 SQL クエリの記述、Compute Engine での VM のデプロイとモニタリング、Kubernetes を使用した複数のデプロイ アプローチによるアプリケーションのデプロイなどです。

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、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

「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

「Document AI を使用して大規模なデータ キャプチャを自動化」コースを修了して、入門レベルのスキルバッジを獲得しましょう。このコースでは、 Document AI を使用してデータを抽出、処理、取得する方法を学びます。

詳細

「Agent Development Kit（ADK）を使用した AI エージェントのエンジニアリング」の中級スキルバッジを獲得できるコースを修了すると、 現実世界の言語モデルにおける研究課題の策定、簡単なトークナイザーの構築、Transformer 言語モデルのトレーニング用データセットの準備、小規模言語モデルのトレーニング ループの実行といったスキルを実証できます。

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

「Build Serverless Applications with Cloud Run Functions」コースを修了すると、入門スキルバッジを獲得できます。このコースでは、Google Cloud コンソールとコマンドラインで Cloud Run functions を使用する方法を学びます。 スキルバッジは、ハンズオンラボと課題の評価を通じて特定のプロダクトに関する実践的な知識を証明するものです。コースを修了してバッジを獲得することも、チャレンジラボに直接挑戦して今すぐバッジを獲得することもできます。バッジはトピックに習熟していることの証明であり、 仕事用プロフィールの充実、ひいてはキャリアの可能性拡大につながります。獲得したバッジを確認するには、プロフィールにアクセスしてください。

詳細

このコースでは、アプリケーションを実行するための Cloud Run サーバーレス プラットフォームについて説明します。Cloud Run の基礎とそのリソースモデル、コンテナ ライフサイクルについて学習します。また、サービス ID、サービスへのアクセスを制御する方法、アプリケーションを Cloud Run にデプロイする前にローカルで開発、テストする方法も確認します。Google Cloud の他のサービスと統合して、フル機能のアプリケーションをビルドする方法も説明しています。

詳細

「BigQuery でマルチモーダル ベクトル検索を実装する」スキルバッジを獲得できるこの中級コースを修了すると、 Gemini in BigQuery を使用した SQL の生成とデバッグ、感情分析の実施、 テキストの要約とキーワードの特定、エンベディングの生成、検索拡張生成（RAG）パイプラインの作成、 マルチモーダル ベクトル検索の実装に関するスキルを実証できます。

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

Enterprise data sharing made easy with Dataplex and Analytics Hub Learn how to share data securely in your lakehouse with minimized data duplication and more data governance through Dataplex and Analytics Hub - enterprise data management made easy. Creating Data Pipelines with Data Fusion In this session, we will explore using Data Fusion to create code-free point and click pipelines that can ETL high-volumes of data with support for popular data sources, including file systems and object stores, relational and NoSQL databases, and SaaS systems.

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

これは、Google Cloud の請求管理と費用管理の基礎を学ぶ、2 部構成シリーズの 2 つ目の コースです。このコースは、財務 または IT の担当者で組織のクラウド インフラストラクチャの最適化を担う方に最適です。 ここでは、 予算とアラートの設定、割り当て上限の管理、確約利用割引の活用など、Google Cloud の費用を管理および最適化する方法を いくつか学びます。ハンズオンラボでは、さまざまな ツールを実際に使って Google Cloud の費用を管理および最適化したり、 費用を最適化するためのベスト プラクティスを採用するよう技術チームに働きかけたりします。

詳細

Google の Agent Development Kit（ADK）を使用して AI エージェントを初めて構築、構成、実行してみることで、エージェントに関する理解を実践に活かしましょう。 この実践的なコースでは、完全な ADK 開発環境をセットアップしたうえで、Python コードと YAML 構成の両方を使用してエージェントを作成し、複数のインターフェースを介してエージェントを実行します。また、エージェントの動作を定義するコア パラメータについても学習し、コース 1 で学習した内容を実際に使えるコードに適用します。

詳細

Agent Development Kit（ADK）を使用して、複雑でプロダクション レディな AI エージェントを構築する方法について学習します。このコースでは、ADK のオープンソース フレームワークについて学び、簡単なプロンプト エンジニアリングから、エンタープライズ クラスのマルチエージェント システムに適したコードファーストの構造化ソフトウェア開発アプローチに移行する方法を習得します。

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

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

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

In this series of labs you will learn how to use BigQuery to analyze NCAA basketball data with SQL. Build a Machine Learning Model to predict the outcomes of NCAA March Madness basketball tournament games.

詳細

This course is an introduction to building forecasting solutions with Google Cloud. You start with sequence models and time series foundations. You then walk through an end-to-end workflow: from data preparation to model development and deployment with Vertex AI. Finally, you learn the lessons and tips from a retail use case and apply the knowledge by building your own forecasting models.

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

推論のための BigQuery ML の概要、データ アナリストがこれを使用すべき理由、そのユースケース、サポートされる ML モデルについて学びます。また、これらの ML モデルを BigQuery で作成し、管理する方法も学びます。

詳細

「ストリーミング分析を BigQuery に読み込む」 スキルバッジ コースを修了してスキルバッジを獲得し、ストリーミングで Pub/Sub、Dataflow、BigQuery を組み合わせて 分析のためにデータをストリーミングしましょう。

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

SQL だけを使用して、数時間ではなく数分で ML モデルを構築したいとお考えの場合、BigQuery ML は、データ アナリストが既存の SQL ツールやスキルを使って、ML モデルを作成、トレーニング、 評価し、そのモデルで予測を行うことを可能にして、ML をより多くの人が利用できるようにします。 この一連のラボでは、さまざまなモデルタイプを試して、 優れたモデルを作成する方法を学習します。

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