参加 ログイン

Konar Arpan

メンバー加入日: 2023

シルバーリーグ

13400 ポイント
Gemini in Google スプレッドシート Earned 1月 5, 2024 EST
Gemini in Google ドキュメント Earned 1月 5, 2024 EST
Gemini in Gmail Earned 1月 5, 2024 EST
Google Workspace with Gemini: AI ワークフローの基盤 Earned 1月 5, 2024 EST
Google Cloud での Keras を使った ML モデルの構築、トレーニング、デプロイ Earned 1月 4, 2024 EST
Analyzing and Visualizing Data in Looker - 日本語版 Earned 1月 4, 2024 EST
Google Cloud の ML API 用にデータを準備 Earned 1月 2, 2024 EST
ML オペレーション（MLOps）: 概要 Earned 12月 31, 2023 EST
Launching into Machine Learning - 日本語版 Earned 12月 31, 2023 EST
Google Cloud における AI と ML の概要 Earned 12月 28, 2023 EST

このコースでは、Gemini in Google スプレッドシートを使用して、データの整理を自動化し、複雑な数値を処理する方法について説明します。高度なスプレッドシートの専門知識がなくても、未加工のテキストからテーブルを構造化したり、自然言語を使用してデータを自動入力したり、ネイティブのスプレッドシートの数式をオンデマンドで生成したり、大まかな分析情報や可視化を迅速に抽出したりする方法を学びます。

詳細

このコースでは、Gemini in Google ドキュメントを使用して、文章作成とコンテンツ作成を効率化する方法について説明します。ドキュメントの新規作成、インタラクティブなツールによるトーンの調整や明瞭化、複雑なファイルの要約、長文テキストの構造化されたアセットへのシームレスな変換など、他の Google Workspace アプリケーションで利用できる機能について学びます。

詳細

このコースでは、Gemini in Gmail を使用してメール管理を最適化する方法について説明します。長いスレッドの要約、自然言語を使用した情報の取得、プロフェッショナルな返信文の下書き作成、受信トレイ内でのコミュニケーション戦略の整理などを学びます。

詳細

Gemini for Google Workspace は、Google Workspace の生成 AI 機能をお客様に提供します。この学習プログラムでは、Gemini の主な機能と、それらの機能を使用して Google Workspace の生産性と効率を向上させる方法について学びます。

詳細

このコースでは、TensorFlow と Keras を使用した ML モデルの構築、ML モデルの精度の向上、スケーリングに対応した ML モデルの作成について取り上げます。

詳細

このコースでは、これまで主に SQL のデベロッパーやアナリストが行っていたようなデータの探索や分析を Looker で実施する方法について学びます。このコースを修了すると、Looker の最新の分析プラットフォームを活用して、組織の Looker インスタンスにおける関連性の高いコンテンツの検索と探索、データに関する問い合わせ、必要に応じた新しい指標の作成、データドリブンな意思決定を促進するためのビジュアリゼーションとダッシュボードの作成や共有を行えるようになります。

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

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

このコースでは、まず、データ品質を向上させる方法や探索的データ分析を行う方法など、データについての議論から始めます。Vertex AI AutoML について確認し、コードを一切記述せずに ML モデルを構築、トレーニング、デプロイする方法を説明します。また、BigQuery ML のメリットを確認します。その後、ML モデルを最適化する方法、一般化とサンプリングを活用してカスタム トレーニング向けに ML モデルの品質を評価する方法を説明します。

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 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