参加 ログイン

Huỳnh Tiến Nam

メンバー加入日: 2023

ダイヤモンド リーグ

40735 ポイント
[DEPRECATED] クラウド アーキテクト向けの Gemini Earned 3月 24, 2025 EDT
[DEPRECATED] アプリケーション開発者向けの Gemini Earned 3月 24, 2025 EDT
Agent Platform で生成 AI を使ってみる Earned 2月 19, 2025 EST
生成 AI のための ML オペレーション（MLOps) Earned 2月 18, 2025 EST
開発者向けの責任ある AI: 解釈可能性と透明性 Earned 12月 23, 2024 EST
Vertex AI Studio の概要 Earned 12月 23, 2024 EST
画像キャプション モデルの作成 Earned 12月 23, 2024 EST
Transformer モデルと BERT モデル Earned 12月 23, 2024 EST
Encoder-Decoder アーキテクチャ Earned 12月 19, 2024 EST
アテンション機構 Earned 12月 19, 2024 EST
発者向けの責任ある AI: 公平性とバイアス Earned 12月 19, 2024 EST
Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチ ドキュメントの検査 Earned 12月 18, 2024 EST
ベクトル検索とエンベディング Earned 12月 10, 2024 EST
画像生成の概要 Earned 12月 9, 2024 EST
責任ある AI: Google Cloud における AI に関する原則の適用 Earned 12月 9, 2024 EST
Agent Platform におけるプロンプト設計 Earned 12月 9, 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 12月 9, 2024 EST
責任ある AI の概要 Earned 5月 15, 2024 EDT
生成 AI の概要 Earned 5月 15, 2024 EDT
大規模言語モデルの概要 Earned 5月 15, 2024 EDT
Google Cloud におけるアプリ開発環境の設定 Earned 4月 9, 2024 EDT
ベースライン: インフラストラクチャ Earned 4月 9, 2024 EDT
Applying Machine Learning to Your Data with Google Cloud - 日本語版 Earned 4月 9, 2024 EDT
Google Cloud における AI と ML の概要 Earned 4月 1, 2024 EDT
Deprecated : Managing Machine Learning Projects with Google Cloud Earned 4月 1, 2024 EDT
Natural Language API で感情分析を行う Earned 4月 1, 2024 EDT
Cloud Vision API を使用して画像を解析する Earned 4月 1, 2024 EDT
Google API を使用して音声と言語を分析する Earned 4月 1, 2024 EDT
DEPRECATED Detect Manufacturing Defects Using Visual Inspection AI Earned 3月 25, 2024 EDT
Looker での LookML オブジェクトの構築 Earned 3月 25, 2024 EDT
ML 入門: 画像処理 Earned 3月 24, 2024 EDT
ML 入門: 言語処理 Earned 3月 24, 2024 EDT
ベースライン: データ、ML、AI Earned 3月 24, 2024 EDT
Google Cloud での TensorFlow を使用した画像の分類 Earned 3月 24, 2024 EDT
Generative AI Explorer - Agent Platform Earned 3月 24, 2024 EDT
Data Catalog Fundamentals Earned 4月 9, 2023 EDT
DEPRECATED Google Cloud Solutions II: Data and Machine Learning Earned 4月 8, 2023 EDT
NCAA® March Madness®: Bracketology with Google Cloud Earned 4月 8, 2023 EDT
BigQuery ML を使用した ML モデルの作成 Earned 4月 8, 2023 EDT
BigQuery のデータから分析情報を引き出す Earned 4月 8, 2023 EDT
Intermediate ML: TensorFlow on Google Cloud Earned 4月 7, 2023 EDT
Google Cloud での DevOps ワークフローの実装 Earned 4月 7, 2023 EDT
Google Kubernetes Engine の費用の最適化 Earned 4月 7, 2023 EDT
Google Cloud での Kubernetes アプリケーションのデプロイ Earned 4月 7, 2023 EDT
Google Cloud における Terraform を使用したインフラストラクチャの構築 Earned 4月 6, 2023 EDT
Firebase を使用したサーバーレス アプリの開発 Earned 4月 6, 2023 EDT
Google Cloud におけるアプリ開発環境の設定 Earned 4月 6, 2023 EDT
Looker ダッシュボードとレポート用にデータを準備する Earned 4月 5, 2023 EDT
Compute Engine での Cloud Load Balancing の実装 Earned 4月 5, 2023 EDT
Google Cloud でのウェブサイトの構築 Earned 4月 4, 2023 EDT

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、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 で生成 AI を使ってみる」の中級スキルバッジを獲得すると、 テキスト生成、画像と動画の分析によるコンテンツ作成の強化、Gemini API 内での関数呼び出し手法の適用といったスキルを実証できます。 Gemini の高度な手法の活用、マルチモーダル コンテンツの生成、AI を活用したプロジェクトの機能拡張を行う方法を学びましょう。

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、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、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、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

Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチ ドキュメントの検査 スキルバッジを獲得できる中級コースを修了すると、次のスキルを実証できます。 Gemini を使用したマルチモダリティにより、マルチモーダル プロンプトを使用してテキストと視覚データから情報を抽出し、動画の説明を生成して、 動画の範囲を超えた追加情報を取得する。Gemini を使用したマルチモーダル検索拡張生成（RAG）により、テキストと画像を含むドキュ引用を出力する。

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

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

「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

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

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

「Google Cloud におけるアプリ開発環境の設定」コースを完了すると、スキルバッジを獲得できます。このコースでは、 Cloud Storage、Identity and Access Management、Cloud Functions、Pub/Sub のテクノロジーの基本機能を使用して、ストレージ中心のクラウド インフラストラクチャを構築し接続する方法を学びます。

詳細

これは、Google Cloud Essentials よりもレベルの高い内容の練習機会を求めている初心者のクラウド デベロッパーに おすすめのコースです。Cloud Storage だけでなく、 Monitoring や Cloud Run functions などの主要なアプリケーション サービスに関連するラボを通して、 実践的な経験を積むことが可能です。また、 あらゆる Google Cloud イニシアチブに応用できる有益なスキルを身に付けることができます。

詳細

このコースでは、ML について定義し、ビジネスで ML をどのように活用できるのかを学習します。機械学習を使用したデモをいくつか確認し、機械学習の主な用語（インスタンス、特徴、ラベルなど）について学習します。インタラクティブなラボでは、事前トレーニング済みの ML API の呼び出しを実行するほか、BigQuery ML で SQL のみを使用して独自の ML モデルを構築します。

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

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.

詳細

Natural Language API で感情分析を行うクエストを完了してスキルバッジを獲得しましょう。 このクエストでは、API が感情をどのようにしてテキストから感情を導きすかを学びます。

詳細

「Cloud Vision API を使用して画像を解析する」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、画像からのテキスト抽出など、さまざまなタスクで Cloud Vision API を活用する方法を学びます。

詳細

「Google API を使用して音声と言語を分析する」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、Natural Language and Speed API を実際の環境で使用する方法を 学習します。

詳細

Earn a skill badge by completing the Detect Manufacturing Defects using Visual Inspection AI course, where you learn how to use Visual Inspection AI to deploy a solution artifact and test that it can successfully identify defects in a manufacturing process.

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

大規模なコンピューティング能力を使用してパターンを認識し、 画像を「読み取る」ことは、自動運転車や顔認識に使用される AI の基盤技術の一つです 。 Google Cloud Platform は、 API を呼び出すだけで利用できるシステムを通じて、ワールドクラスの速度と精度を提供します。 こうした機能とさまざまな API を備えた GCP のツールを使えば、 ほぼあらゆる ML ジョブに対応できます。 この入門コースでは、 画像処理に用いられる ML の実践的な演習を行います。 ラボを活用して、画像にラベルを付けたり、顔やランドマークを検出したり、 画像内のテキストを抽出、分析、翻訳したりすることができます。

詳細

ML は、IT 分野で最も急速に成長している技術の一つであり、Google Cloud Platform はその発展に大きく貢献してきました。 Google Cloud では多数の API により、ほぼすべての ML ジョブに対応するツールを提供しています。 この入門コースでは、ラボを通じて言語処理に活用できる ML の実践演習を行います。 これにより、テキストからのエンティティの抽出、 感情分析と構文解析、音声文字変換のための Speech-to-Text API の使用方法を学ぶことができます。

詳細

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。

詳細

「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。

詳細

「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。

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

In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.

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

「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

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.

詳細

Google Cloud での DevOps ワークフローの実装 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、 Git リポジトリの作成と管理、 Google Kubernetes Engine（GKE）上でのデプロイのリリース、管理、スケール、 コンテナ イメージのビルドと GKE へのデプロイを自動化する CI / CD パイプラインの設計といったスキルを実証できます。

詳細

「Google Kubernetes Engine の費用の最適化」の中級スキルバッジを獲得すると、 マルチテナント クラスタの作成と管理、各 Namespace のリソース使用状況のモニタリング、 効率向上のためのクラスタと Pod の自動スケーリングの構成、最適なリソース配分のためのロード バランシングの設定、 アプリケーションの健全性と費用対効果を確保するための liveness プローブと readiness プローブの実装といったスキルを実証できます。

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

「Google Cloud における Terraform を使用したインフラストラクチャの構築」の中級スキルバッジを獲得すると、 Terraform を使用した Infrastructure as Code（IaC）の原則、Terraform 構成を使用した Google Cloud リソースのプロビジョニングと管理、 状態の効果的な管理（ローカルおよびリモート）、組織内での再利用性を念頭に置いた Terraform コードのモジュール化といったスキルを実証できます。

詳細

「Firebase を使用したサーバーレス アプリの開発」の中級スキルバッジを獲得すると、 Firebase を使用したサーバーレス ウェブ アプリケーションの設計とビルド、 データベース管理における Firestore の活用、Cloud Build を使用したデプロイ プロセスの自動化、 アプリケーションと Google アシスタント機能の統合といったスキルを実証できます。

詳細

「Google Cloud におけるアプリ開発環境の設定」コースを完了すると、スキルバッジを獲得できます。このコースでは、 Cloud Storage、Identity and Access Management、Cloud Functions、Pub/Sub のテクノロジーの基本機能を使用して、ストレージ中心のクラウド インフラストラクチャを構築し接続する方法を学びます。

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

「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

「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