メンバー加入日: 2024
画像生成の概要
Earned 10月 26, 2026 EDT
Encoder-Decoder アーキテクチャ
Earned 10月 26, 2026 EDT
アテンション機構
Earned 10月 26, 2026 EDT
Transformer モデルと BERT モデル
Earned 10月 26, 2026 EDT
医療分野向け生成 AI
Earned 10月 26, 2026 EDT
AI エージェントの概要
Earned 10月 26, 2026 EDT
大規模言語モデルの概要
Earned 10月 26, 2026 EDT
生成 AI の概要
Earned 10月 26, 2026 EDT
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。
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。
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。
医療従事者向けに特別に設計されたこのコースでは、AI の中で最新の画期的な進歩である生成 AI と、それを支える大規模言語モデル（LLM）の謎を解き明かします。医療現場における生成 AI の実際の応用例を学び、目標に合わせた効果的なプロンプトを作成する技術を習得します。
AI エージェントのコンセプトの概要を理解したうえで、AI エージェントが自律的なアクションと推論を使用して複雑な問題を解決する仕組みを学習します。また、エージェントがユーザーに代わって学習、計画し、目標を達成できるようにする技術的アーキテクチャ（モデル、ツール、オーケストレーション）について学びます。
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。