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。
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。
この動画では、Gemini と Apps Script を使用して Google Workspace 全体で手動タスクを自動化する方法について説明します。Google スプレッドシートで「完了」とマークされていないタスクについて、リマインダー メールの下書きを自動作成する Apps Script コードを生成するよう Gemini に指示する方法を学びます。技術的な専門知識がほとんどなくてもワークフローを自動化できるため、より重要な作業に時間を割くことができ、手動でのフォローアップも不要になります。
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。
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。
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。
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。
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。
「Cloud Run でのサーバーレス アプリケーションの開発」コースの中級スキルバッジを獲得すると、 データ マネジメントのための Cloud Run と Cloud Storage の統合、 Cloud Run と Pub/Sub を使用した復元力のある非同期システムの構築、 Cloud Run を使用した REST API ゲートウェイの構築、Cloud Run でのサービスの構築とデプロイといったスキルを実証できます。
「Gemini モデルの機能を強化する」 の中級スキルバッジを獲得すると、次のスキルを実証できます。Gemini モデルの高度な機能 (コードの生成と実行、グラウンディング、制御されたコンテンツ生成、 合成データの作成など)を活用して、より強力で洗練された AI アプリケーションを構築できます。
「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。
「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。
「Google Cloud のサービス アカウントと IAM ロールを構成する」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、サービス アカウントやカスタムロールについてと、gcloud を使用して権限を設定する方法について学びます。
API を使用して Cloud Storage を操作する入門スキルバッジを終了すると Cloud Storage API を含む、API を使用してCloud Storage リソースを操作するスキルを証明できます。
「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。
「マルチエージェント アーキテクチャをデプロイする」の上級スキルバッジ コースを完了すると、次のスキルを証明できます。 ADK を使用したマルチエージェント システムの構築、エージェント間(A2A)プロトコルを使用したエージェントの接続、 Model Context Protocol(MCP)を使用した外部ツールの統合、完全なマルチエージェント ソリューションの Agent Engine へのデプロイ。
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。
TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.
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。
「Google Cloud コンピューティングの基礎」クエストを修了してスキルバッジを獲得しましょう。 クエストでは、Compute Engine を使用して、仮想マシン(VM)、永続ディスク、ウェブサーバーを操作する方法を学習します。
「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。
「事前トレーニング済み API を使用した音声および言語ソリューションの実装」コースを完了してスキルバッジを獲得し、音声関連の API ツールを使用して音声を合成および文字起こしする方法を学びます。
「Gemini と Imagen を使用した実際の AI アプリケーションの構築」入門スキルバッジを取得して、画像認識、自然言語処理、 Google の強力な Gemini モデルと Imagen モデルを使用した画像生成、Vertex AI プラットフォームへのアプリケーションのデプロイなどのスキルを証明しましょう。
「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。
「Generative AI Explorer - Agent Platform」コースには、Google Cloud での生成 AI の使用方法に関する複数のラボが含まれます。ラボでは、Agent Platform で Gemini モデルを 使用する方法を学びます。プロンプト設計やベスト プラクティス、さらに Agent Platform を活用したアイディエーション、テキスト分類、テキスト抽出、テキスト要約などについても学習します。 また、Agent Platform でカスタム トレーニングを通じて基盤モデルをトレーニングし、 Agent Platform のエンドポイントにデプロイして、基盤モデルをチューニングする方法も学びます。
「Google Cloud での TensorFlow を使用した画像の分類」スキルバッジ コースを修了して中級のスキルバッジを獲得しましょう。 このコースでは、TensorFlow と Vertex AI を使用して ML モデルを作成し、トレーニングします。主に Vertex AI Workbench ユーザー管理ノートブックを操作します。
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。
「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。
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。
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。
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。
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。
「Google Cloud での ML の API の使用 」コースを修了して、上級スキルバッジを獲得しましょう。このコースでは、ML と AI テクノロジーを活用する 3 つの API(Cloud Vision API、Cloud Translation API、Cloud Natural Language API) の基本機能について学習します。
Business professionals in non-technical roles have a unique opportunity to lead or influence machine learning projects. If you have questions about machine learning and want to understand how to use it, without the technical jargon, this course is for you. Learn how to translate business problems into machine learning use cases and vet them for feasibility and impact. Find out how you can discover unexpected use cases, recognize the phases of an ML project and considerations within each, and gain confidence to propose a custom ML use case to your team or leadership or translate the requirements to a technical team.
このコースでは、データから AI へのライフサイクルをサポートする Google Cloud のビッグデータと機械学習のプロダクトおよびサービスを紹介します。Google Cloud で Vertex AI を使用して、ビッグデータ パイプラインと機械学習モデルを構築するためのプロセス、課題、メリットについて説明します。
Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。 この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。 このコースは、次の順で完了する必要があります。 1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本 2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ 3. Google Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ 4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI このシリーズの最後のコースでは、マネージド ビッグデータ サービス、ML とその価値、スキルバッジを獲得して Google Cloud に関するスキルセットをさらに実証する方法について説明します。
このコースでは、データ アナリストが共通して直面する課題と、その課題を Google Cloud のビッグデータ ツールを使用して解決する方法を取り上げます。その過程で SQL を学習しながら、BigQuery と Dataprep を使用してデータセットを分析し、変換する方法について理解を深めます。 これは「From Data to Insights with Google Cloud」シリーズの最初のコースです。このコースを修了したら、「Creating New BigQuery Datasets and Visualizing Insights」コースを受講してください。
「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。
「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。
中級コース「BigQuery で予測データ分析を行う」を修了してスキルバッジを取得すると、 CSV ファイルや JSON ファイルをインポートして BigQuery にデータセットを作成し、 BigQuery の高度な SQL 分析機能を活用してデータを分析するスキルを身につけていることを示せます。たとえば、BigQuery ML を使って サッカーの試合イベント データをもとに予想得点モデルをトレーニングし、ワールドカップで決まったそれぞれのゴールがどれほど「予想外ですごかった」かを評価することなどが可能になります。
In this course you will learn how to use several BigQuery ML features to improve retail use cases. Predict the demand for bike rentals in NYC with demand forecasting, and see how to use BigQuery ML for a classification task that predicts the likelihood of a website visitor making a purchase.
Want to scale your data analysis efforts without managing database hardware? Learn the best practices for querying and getting insights from your data warehouse with this interactive series of BigQuery labs. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights.
データ ウェアハウスの構築または最適化を検討している場合は、BigQuery を使ったデータの抽出、変換、Google Cloud への読み込みに関するおすすめの方法を学びます。この一連のインタラクティブなラボでは、各種の大規模な BigQuery 一般公開データセットを使って独自のデータ ウェアハウスを作成、最適化します。BigQuery は、Google が低料金で提供する NoOps のフルマネージド分析データベースです。インフラストラクチャを所有して管理したり、データベース管理者を配置したりすることなく、テラバイト単位の大規模なデータでクエリを実行できます。また、SQL が採用されており、従量課金制モデルでご利用いただけます。このような特徴を活かし、お客様は有用な情報を得るためのデータ分析に専念できます。
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。
機械学習はもっとも迅速に成長しているテクノロジーの分野です。Google Cloud Platformは、その成長に一役かっています。APIのホストを使うことにより、GCPにはツールがあります。この上級レベルのクエストでは、「Implementing an AI Chatbot with Dialogflow」や「Detect Labels, Faces, and Landmarks in Images with the Cloud Vision API」と同様に機械学習APIについてハンズオンで演習ができます。
ビッグデータ、ML、AI は今日のコンピュータ業界ではホットなトピックですが、 これらの分野は非常に専門性が高く、 入門レベルの教材を見つけるのは困難です。幸いなことに、Google Cloud はこうした分野でユーザー フレンドリーなサービスを提供しており、 この入門レベルのコースを通じて、BigQuery、Cloud Speech API、 Video Intelligence などのツールを使い始めるための第一歩を踏み出せます。
「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。