Güngör Ömer Faruk
メンバー加入日: 2021
ダイヤモンド リーグ
19711 ポイント
開発者向けの責任ある AI: プライバシーと安全性
Earned 10月 16, 2026 EDT
開発者向けの責任ある AI: 解釈可能性と透明性
Earned 10月 16, 2026 EDT
Google Cloud での生成 AI アプリの作成
Earned 10月 16, 2026 EDT
本番環境 ML システム
Earned 10月 16, 2026 EDT
Gemini Enterprise Agent Platform を使用してマルチエージェント システムをデプロイする
Earned 10月 15, 2026 EDT
Google Cloud の基礎: コア インフラストラクチャ
Earned 9月 22, 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 9月 22, 2026 EDT
生成 AI のための ML オペレーション（MLOps)
Earned 9月 22, 2026 EDT
大規模言語モデルの概要
Earned 9月 22, 2026 EDT
Vertex AI を使用した ML オペレーション（MLOps）: 特徴の管理
Earned 9月 22, 2026 EDT
ML オペレーション（MLOps）: 概要
Earned 9月 22, 2026 EDT
BigQuery ML を使用した ML モデルの作成
Earned 9月 21, 2026 EDT
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 9月 21, 2026 EDT
Google Cloud における AI と ML の概要
Earned 9月 21, 2026 EDT
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 17, 2026 EDT
AgentOps: Google Cloud で AI エージェントを運用
Earned 9月 17, 2026 EDT
Orchestrate Workflows with the Data Agent Kit
Earned 9月 17, 2026 EDT
Build Agent Skills with Google
Earned 9月 17, 2026 EDT
ツールによるエージェント機能の拡張
Earned 9月 17, 2026 EDT
エージェントのメモリと状態を管理する
Earned 9月 17, 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 9月 17, 2026 EDT
エージェントの動作を最適化する
Earned 9月 17, 2026 EDT
エージェント戦略: 調査、設計、プロトタイプ
Earned 9月 17, 2026 EDT
Google Antigravity で離陸: AI を使用してビデオゲームを構築する
Earned 9月 17, 2026 EDT
Google Cloud エージェントの把握
Earned 9月 17, 2026 EDT
生成 AI の概要
Earned 7月 25, 2026 EDT
Google Cloud ネットワークの設定
Earned 11月 28, 2021 EST
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 11月 27, 2021 EST
Google Cloud の ML API 用にデータを準備
Earned 11月 26, 2021 EST
Google Cloud におけるアプリ開発環境の設定
Earned 11月 22, 2021 EST
DEPRECATED Cloud Architecture
Earned 11月 19, 2021 EST
Google Cloud ネットワークの構築
Earned 11月 15, 2021 EST
Compute Engine での Cloud Load Balancing の実装
Earned 11月 12, 2021 EST
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
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
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
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
このコースでは、Google Agent Development Kit を使用して複雑なマルチエージェント システムを構築する方法を学びます。各種ツールを備えた複数のエージェントを構築し、それらのエージェントを親子関係とフローで接続してエージェント間の対話方法を定義します。構築したエージェントは、ローカルで実行するとともに、Gemini Enterprise Agent Platform の Agent Runtime にデプロイしてマネージド エージェント フローとして実行します。このとき、インフラストラクチャに関する決定やリソースのスケーリングは、Agent Runtime によって行われます。
これらのラボは、このプロダクトのプレリリース版に基づいています。メンテナンスの更新が提供された場合、これらのラボにずれが生じる可能性があります。
詳細
Google Cloud の基礎: コア インストラクチャ では、Google Cloud に関する重要なコンセプトと用語について説明します。このコースでは動画とハンズオンラボを通じて学習を進めていきます。Google Cloud の多数のコンピューティング サービスとストレージ サービス、そしてリソースとポリシーを管理するための重要なツールについて比較しながら説明します。
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
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
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
「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
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
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
生成 AI エージェントをプロトタイプから本番環境に移行するために必要な AgentOps のプラクティスを学びます。このコースでは、エンドツーエンドのオブザーバビリティ、CI / CD パイプラインでの品質チェックの自動化、エンタープライズ コンプライアンスのためのエージェント インフラストラクチャの保護について説明します。Gemini Enterprise Agent Ready（GEAR）プログラムの他のコンテンツを確認する。
詳細
This course brings AI-driven, natural-language data engineering into the IDE and CLI workflows you already use. Built on the Agent Development Kit (ADK), the Data Agent Kit connects to a wide array of Google Cloud services, including BigQuery, Spanner, BigLake, Dataproc, and Managed Airflow. By using it, you can collapse days of pipeline scaffolding, data build tool (dbt) authoring, and orchestration wiring into prompt-driven sessions.
As an intermediate-to-advanced practitioner, you will learn to build a data agent with the Agent Development Kit (ADK). You'll wire up the Model Context Protocol (MCP) layer, and use your agent to explore catalogs, transform data, train models, and orchestrate scheduled pipelines on Google Cloud.
詳細
Close the gap between general AI capabilities and your domain knowledge through Agent Skills. This course walks you through the full lifecycle of custom skill building, from local scaffolding and testing to enterprise scaling and sharing using Google's agent ecosystem, including Google Antigravity, ADK, and Skill Registry. Additionally, you use Google Agents CLI toolkit to attach skills to standalone 24/7 cloud agents, equipping your team with reliable, autonomous digital coworkers.
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。
Gemini Enterprise Agent Ready（GEAR）プログラムの他のコンテンツも併せてご確認ください。
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
「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
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
調査、設計、プロトタイプの 3 要素で構成されるエージェント戦略で、未来を切り拓きましょう。このコースでは、Google のエージェント型 AI 変革フレームワークを習得します。また、chatbot から自律的なチームメイトへの進化を実現することができます。小売業者のユースケースを通じて、ビジネス価値の定量化、AI プロジェクトの優先順位付け、クリティカル ユーザー ジャーニーのマッピング、Google AI Studio や Gemini Enterprise などのノーコード ツールを使用した機能プロトタイプの構築について学びます。このコースでは、ビジネス リーダーと技術リーダーが組織をエージェント型 AI の時代へと導くために必要な、確固たるロードマップを提供します。
詳細
このコースでは、Google Antigravity でエージェントをオーケストレートして、推進力のあるスピードでソフトウェアを構築する方法を学びます。このハンズオン コースでは、まず Antigravity をインストールして使い始める方法を説明します。次に、Firebase を使用して、Antigravity で構築したアプリのサービスを有効にします。最後に、Antigravity のエージェントにプロンプトを入力して並列に作業させることで、ビデオゲーム「Voyager」を構築します。
詳細
このコースでは、Vertex AI Agent Builder、Gemini Enterprise、会話エージェント、Agent Development Kit など、Google Cloud のエージェント プラットフォームに関する包括的な概要を説明します。受講者は、各サービスの固有の機能を理解し、ユースケースごとに最適なソリューションを見極められるようになります。また、検索およびチャット アプリケーションを作成するための基礎知識を習得します。
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
Google Cloud ネットワークの設定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、Google Cloud Platform で基本的なネットワーキング タスクを実行する方法を学習します。具体的には、カスタム ネットワークの作成、サブネット ファイアウォール ルールの追加、VM の作成、そして VM 同士が通信する際のレイテンシのテストについて学びます。
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
「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
「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
この基礎レベルの クエスト は他の Qwiklabs 製品の中でもユニークです。これらのラボは、Google Cloud Certified Professional Cloud Architect 認定資格試験に出題されるトピックやサービスについて、 IT プロフェッショナルがハンズオンで演習するために作成されました。 IAM からネットワーキング、Kubernetes engine のデプロイまで、Goodle Cloud の知識が試される特定のラボで構成されています。これらのラボでの演習は スキルや能力の向上に役立ちますが、試験ガイドやその他の対策資料も参照することをお勧めします。
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
「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
