参加 ログイン

Google Cloud コンソールでスキルを試す

Davis Earl

メンバー加入日: 2019

シルバーリーグ

46775 ポイント
信頼性に優れた Google Cloud インフラストラクチャ: 設計とプロセス Earned 6月 5, 2024 EDT
Google の SRE 文化の醸成 Earned 5月 28, 2024 EDT
Google Cloud でデータレイクとデータ ウェアハウスを構築する Earned 5月 21, 2024 EDT
Professional Cloud Architect の取得に向けた準備 Earned 5月 18, 2024 EDT
Integrate Vertex AI Search and Conversation into Voice and Chat Apps Earned 5月 6, 2024 EDT
Text Prompt Engineering Techniques Earned 4月 28, 2024 EDT
Modernizing Mainframe Applications with Google Cloud Earned 4月 8, 2024 EDT
Develop Advanced Enterprise Search and Conversation Applications Earned 4月 4, 2024 EDT
Custom Search with Embeddings in Vertex AI Earned 3月 28, 2024 EDT
ベクトル検索とエンベディング Earned 3月 19, 2024 EDT
Dataflow を使用したサーバーレスのデータ処理: パイプラインの開発 Earned 3月 19, 2024 EDT
Data Warehousing for Partners: BigQuery Extended Capabilities Earned 9月 14, 2023 EDT
Data Warehousing for Partners: Streaming Analytics Earned 9月 13, 2023 EDT
Data Warehousing for Partners: Analyze Data with Looker Earned 9月 13, 2023 EDT
Data Warehousing for Partners: Stream Data with Pub/Sub Earned 9月 12, 2023 EDT
Data Warehousing for Partners: Process Data with Dataflow Earned 9月 11, 2023 EDT
Data Warehousing for Partners: Cloud Data Fusion Pipelines Earned 9月 11, 2023 EDT
Text Prompt Engineering Techniques Earned 9月 11, 2023 EDT
Implementing Generative AI with Vertex AI Earned 8月 28, 2023 EDT
Vertex AI Studio の概要 Earned 8月 23, 2023 EDT
Data Warehousing for Partners: Process Data with Dataproc Earned 8月 23, 2023 EDT
画像キャプション モデルの作成 Earned 8月 21, 2023 EDT
Transformer モデルと BERT モデル Earned 8月 21, 2023 EDT
Encoder-Decoder アーキテクチャ Earned 8月 21, 2023 EDT
アテンション機構 Earned 8月 21, 2023 EDT
画像生成の概要 Earned 8月 21, 2023 EDT
責任ある AI: Google Cloud における AI に関する原則の適用 Earned 8月 21, 2023 EDT
Data Warehousing for Partners: Migrate Data to BigQuery Earned 8月 18, 2023 EDT
Data Warehousing for Partners: Optimize in BigQuery Earned 8月 18, 2023 EDT
Data Warehousing for Partners: Design in BigQuery Earned 8月 17, 2023 EDT
Data Warehousing for Partners: Enable Google Cloud Customers Earned 8月 17, 2023 EDT
Generative AI Fundamentals Earned 8月 15, 2023 EDT
責任ある AI の概要 Earned 8月 15, 2023 EDT
大規模言語モデルの概要 Earned 8月 14, 2023 EDT
生成 AI の概要 Earned 8月 11, 2023 EDT
柔軟性のある Google Cloud インフラストラクチャ: スケーリングと自動化 Earned 6月 30, 2023 EDT
Recommendation Systems on Google Cloud Earned 5月 8, 2023 EDT
Natural Language Processing on Google Cloud Earned 5月 1, 2023 EDT
Computer Vision Fundamentals with Google Cloud Earned 4月 24, 2023 EDT
ML オペレーション（MLOps）: 概要 Earned 4月 19, 2023 EDT
ML Pipelines on Google Cloud - 日本語版 Earned 4月 18, 2023 EDT
本番環境 ML システム Earned 4月 14, 2023 EDT
企業における ML Earned 4月 7, 2023 EDT
特徴量エンジニアリング Earned 3月 30, 2023 EDT
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 3月 20, 2023 EDT
Launching into Machine Learning - 日本語版 Earned 3月 10, 2023 EST
How Google Does Machine Learning - 日本語版 Earned 2月 24, 2023 EST
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 12月 16, 2022 EST
Google Cloud におけるアプリ開発環境の設定 Earned 12月 2, 2022 EST
重要な Google Cloud インフラストラクチャ: コアサービス Earned 12月 2, 2022 EST
重要な Google Cloud インフラストラクチャ: 基礎 Earned 11月 18, 2022 EST
Google Cloud の基礎: コア インフラストラクチャ Earned 11月 11, 2022 EST
Dataflow を使用したサーバーレスのデータ処理: 基礎 Earned 6月 24, 2022 EDT
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 6月 22, 2022 EDT
Professional Data Engineer の取得に向けた準備 Earned 6月 22, 2022 EDT
Google Cloud でのバッチデータ パイプラインの構築 Earned 6月 15, 2022 EDT
Google Cloud でストリーミング データ パイプラインを構築する Earned 6月 8, 2022 EDT
Google Cloud の費用の把握 Earned 5月 17, 2022 EDT
Leveraging Unstructured Data with Cloud Dataproc on Google Cloud Platform Earned 5月 16, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 Earned 4月 28, 2022 EDT
Vertex AI での ML ソリューションの構築とデプロイ Earned 3月 2, 2022 EST
Google Cloud での ML の API の使用 Earned 2月 15, 2022 EST
Automate Interactions with Contact Center AI Earned 2月 8, 2022 EST
Google Kubernetes Engine の費用の最適化 Earned 12月 8, 2021 EST
BigQuery でデータ ウェアハウスを構築する Earned 11月 23, 2021 EST
Google Cloud ネットワークの構築 Earned 11月 12, 2021 EST
DEPRECATED Explore Machine Learning Models with Explainable AI Earned 3月 19, 2021 EDT
Scientific Data Processing Earned 3月 19, 2021 EDT
Advanced ML: ML Infrastructure Earned 2月 26, 2021 EST
Intermediate ML: TensorFlow on Google Cloud Earned 2月 4, 2021 EST
Google Cloud の ML API 用にデータを準備 Earned 12月 5, 2020 EST
Google Kubernetes Engine を使用した構築: 実践 Earned 11月 3, 2020 EST
Google Kubernetes Engine を使用した構築: ワークロード Earned 10月 27, 2020 EDT
Google Kubernetes Engine を使用した構築: 基礎 Earned 8月 31, 2020 EDT
Compute Engine での Cloud Load Balancing の実装 Earned 8月 31, 2020 EDT
Google Cloud の Kubernetes Earned 6月 30, 2020 EDT
[DEPRECATED] Data Engineering Earned 1月 31, 2020 EST
機械学習API Earned 1月 27, 2020 EST
ベースライン: データ、ML、AI Earned 1月 14, 2020 EST
DEPRECATED Cloud Architecture Earned 10月 15, 2019 EDT
Google Cloud の基礎 Earned 10月 8, 2019 EDT

このコースでは、実績ある設計パターンを利用して、信頼性と効率に優れたソリューションを Google Cloud で構築する方法を学習します。本コースは、Google Compute Engine を使用した構築 または Google Kubernetes Engine を使用した構築 のコースの続きで、これらのコースで取り上げているテクノロジーの実践経験があることを前提としています。参加者は、講義、設計アクティビティ、ハンズオンラボを通して、ビジネス要件と技術要件を定義し、バランスを取りながら、信頼性、可用性、安全性、費用対効果に優れた Google Cloud のデプロイを設計する方法を学びます。

詳細

多くの IT 組織では、アジリティを求める開発者と、安定性を重視する運用担当者の間で、インセンティブが調整されていません。サイト信頼性エンジニアリング（SRE）は、Google が開発と運用の間のインセンティブを調整し、ミッション クリティカルな本番環境サポートを行う方法です。SRE の文化的および技術的手法を導入することで、ビジネスと IT の連携を改善できます。このコースでは、Google の SRE の主な手法を紹介し、SRE の組織的な導入を成功させるうえで IT リーダーとビジネス リーダーが果たす重要な役割について説明します。

詳細

データレイクとデータ ウェアハウスを使用する従来のアプローチは効果的ですが、特に大規模な企業環境においては欠点があります。このコースでは、データ レイクハウスのコンセプトと、データ レイクハウスの作成に使用する Google Cloud プロダクトについて説明します。レイクハウス アーキテクチャは、オープン スタンダードのデータソースを使用し、データレイクとデータ ウェアハウスの優れた機能を組み合わせて、両者の欠点の多くに対処します。

詳細

このコースでは、PCA（Professional Cloud Architect）認定資格試験に向けた学習計画を作成できます。学習者は、試験の範囲を把握できます。また、試験への準備状況を把握して、個々の学習計画を作成します。

詳細

This course on Integrate Vertex AI Search and Conversation into Voice and Chat Apps is composed of a set of labs to give you a hands on experience to interacting with new Generative AI technologies. You will learn how to create end-to-end search and conversational experiences by following examples. These technologies complement predefined intent-based chat experiences created in Dialogflow with LLM-based, generative answers that can be based on your own data. Also, they allow you to porvide enterprise-grade search experiences for internal and external websites to search documents, structure data and public websites.

詳細

Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.

詳細

This course enables system integrators and partners to understand the principles of automated migrations, plan legacy system migrations to Google Cloud leveraging G4 Platform, and execute a trial code conversion.

詳細

In this course, you'll use text embeddings for tasks like classification, outlier detection, text clustering and semantic search. You'll combine semantic search with the text generation capabilities of an LLM to build Retrieval Augmented Generation (RAG) solutions, such as for question-answering systems, using Google Cloud's Vertex AI and Google Cloud databases.

詳細

This course explores Google Cloud technologies to create and generate embeddings. Embeddings are numerical representations of text, images, video and audio, and play a pivotal role in many tasks that involve the identification of similar items, like Google searches, online shopping recommendations, and personalized music suggestions. Specifically, you’ll use embeddings for tasks like classification, outlier detection, clustering and semantic search. You’ll combine semantic search with the text generation capabilities of an LLM to build Retrieval Augmented Generation (RAG) systems and question-answering solutions, on your own proprietary data using Google Cloud’s Vertex AI.

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

Dataflow コースシリーズの 2 回目である今回は、Beam SDK を使用したパイプラインの開発について詳しく説明します。まず、Apache Beam のコンセプトについて復習します。次に、ウィンドウ、ウォーターマーク、トリガーを使用したストリーミング データの処理について説明します。さらに、パイプラインのソースとシンクのオプション、構造化データを表現するためのスキーマ、State API と Timer API を使用してステートフル変換を行う方法について説明します。続いて、パイプラインのパフォーマンスを最大化するためのベスト プラクティスを再確認します。コースの終盤では、Beam でビジネス ロジックを表現するための SQL と DataFrame、および Beam ノートブックを使用してパイプラインを反復的に開発する方法を説明します。

詳細

This course explores the Geographic Information Systems (GIS), GIS Visualization, and machine learning enhancements to BigQuery.

詳細

This course explores how to implement a streaming analytics solution using Dataflow and BigQuery.

詳細

This course explores how to leverage Looker to create data experiences and gain insights with modern business intelligence (BI) and reporting.

詳細

This course explores how to implement a streaming analytics solution using Pub/Sub.

詳細

This course continues to explore the implementation of data load and transformation pipelines for a BigQuery Data Warehouse using Dataflow.

詳細

This course continues to explore the implementation of data load and transformation pipelines for a BigQuery Data Warehouse using Cloud Data Fusion.

詳細

Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.

詳細

This course will help ML Engineers, Developers, and Data Scientists implement Large Language Models for Generative AI use cases with Vertex AI. The first two modules of this course contain links to videos and prerequisite course materials that will build your knowledge foundation in Generative AI. Please do not skip these modules. The advanced modules in this course assume you have completed these earlier modules.

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

This course explores the implementation of data load and transformation pipelines for a BigQuery Data Warehouse using Dataproc.

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

This course identifies best practices for migrating data warehouses to BigQuery and the key skills required to perform successful migration.

詳細

Welcome to Optimize in BigQuery, where we map Enterprise Data Warehouse concepts and components to BigQuery and Google data services with a focus on optimization.

詳細

Welcome to Design in BigQuery, where we map Enterprise Data Warehouse concepts and components to BigQuery and Google data services with a focus on schema design.

詳細

This course discusses the key elements of Google's Data Warehouse solution portfolio and strategy.

詳細

Earn a skill badge by passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI. A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.

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、従来の機械学習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

このオンデマンド速習コースでは、Google Cloud が提供する包括的で柔軟なインフラストラクチャとプラットフォーム サービスについて紹介します。動画講義、デモ、ハンズオンラボを通してさまざまなソリューションの要素について学び、実際にデプロイしてみます。これにはセキュリティを維持しながらネットワークを相互接続する方法や、ロード バランシング、自動スケーリング、インフラストラクチャの自動化、マネージド サービスも含まれます。

詳細

In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.

詳細

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

詳細

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

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、Google Cloud で最先端の ML パイプラインに携わっている ML エンジニアおよびトレーナーたちから知識を吸収することができます。 最初のいくつかのモジュールで、ML パイプラインとメタデータの管理用 TensorFlow を基盤とする Google の本番環境向け機械学習プラットフォーム TensorFlow Extended（TFX）について説明します。パイプラインのコンポーネントについて、そして TFX を使用したパイプラインのオーケストレーションについて学習します。また、継続的インテグレーションと継続的デプロイを通じたパイプラインの自動化の方法と、ML メタデータの管理方法についても学習します。その後、焦点を変えて、TensorFlow、PyTorch、Scikit Learn、XGBoost などの複数の ML フレームワーク全体にわたる ML パイプラインの自動化と再利用の方法について説明します。 さらに、Google Cloud のもう 1 つのツール、Cloud Composer を継続的なトレーニング パイプラインのオーケストレーションに活用する方法についても学習します。最後は、MLflow を使用して機械学習の完全なライフサイクルを管理する方法の解説で締めくくります。

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、ML ワークフローに対する実践的なアプローチを取り上げます。具体的には、いくつかの ML のビジネス要件とユースケースに取り組む ML チームをケーススタディ形式で紹介します。このチームは、データ マネジメントとガバナンスに必要なツールを理解し、データの前処理に最適なアプローチを検討する必要があります。 2 つのユースケースに対して ML モデルを構築するための 3 つのオプションがチームに提示されます。このコースでは、チームの目標を達成するために、AutoML、BigQuery ML、カスタム トレーニングを使用する理由について説明します。

詳細

このコースでは、Vertex AI Feature Store を使用するメリット、ML モデルの精度を向上させる方法、最も有効な特徴を抽出できるデータ列の見極め方について説明します。また、BigQuery ML、Keras、TensorFlow を使用した特徴量エンジニアリングに関するコンテンツとラボも用意されています。

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、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

Google Cloud で機械学習を実装する際のベスト プラクティスには何があるでしょうか。Vertex AI とは何であり、このプラットフォームを使用してコードを 1 行も記述せずに AutoML 機械学習モデルを迅速に構築、トレーニング、デプロイするにはどうすればよいでしょうか。機械学習とはどのようなもので、どのような問題の解決に役立つのでしょうか。 Google では機械学習について独自の視点で考えています。マネージド データセット、特徴量ストア、そしてコードを 1 行も記述せずに迅速に機械学習モデルを構築、トレーニング、デプロイする手段を 1 つにまとめた統合プラットフォームを提供するとともに、データにラベル付けし、TensorFlow、SciKit Learn、Pytorch、R やその他のフレームワークを使用して Workbench ノートブックを作成できるようにすることが、Google の考える機械学習の在り方です。Google の Vertex AI プラットフォームでは、カスタムモデルをトレーニングしたり、コンポーネント パイプラインを構築したりすることもできます。さらに、オンライン予測とバッチ予測の両方を実施できます。このコースでは、候補となるユースケースを機械学習で学習できる形に変換する 5 つのフェーズについても説明し、これらのフェーズを省略しないことが重要である理由について論じます。最後に、機械学習によって増幅される可能性のあるバイアスの認識と、それを識別する方法について説明します。

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

「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

このオンデマンド速習コースでは、Google Cloud で提供される包括的かつ柔軟なインフラストラクチャとプラットフォームのサービスについて、Compute Engine を中心に紹介します。受講者は、動画講義、デモ、ハンズオンラボを通してソリューションの各要素について学習し、演習を行います。これらの要素には、ネットワーク、システム、アプリケーション サービスなどのインフラストラクチャ コンポーネントが含まれます。また、実践的なソリューションの実装も取り上げ、顧客指定の暗号鍵、セキュリティとアクセス管理、割り当てと課金、リソース モニタリングなどについても学習します。

詳細

このオンデマンド速習コースでは、Google Cloud で提供される包括的かつ柔軟なインフラストラクチャとプラットフォームのサービスについて、Compute Engine を中心に紹介します。受講者は、動画講義、デモ、ハンズオンラボを通してさまざまなソリューションの各要素について学習し、実際のデプロイを演習します。これらの要素には、ネットワークや仮想マシン、アプリケーション サービスなどのインフラストラクチャ コンポーネントが含まれます。コンソールと Cloud Shell を使用して Google Cloud を運用する方法についても学習します。また、クラウド アーキテクトの役割、インフラストラクチャ設計の方法、Virtual Private Cloud（VPC）を使用した仮想ネットワークの構成、プロジェクト、ネットワーク、サブネットワーク、IP アドレス、ルート、ファイアウォール ルールについても学習します。

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

このコースは、Dataflow を使用したサーバーレスのデータ処理に関する 3 コースシリーズのパート 1 です。この最初のコースでは、始めに Apache Beam とは何か、そして Dataflow とどのように関係しているかを復習します。次に、Apache Beam のビジョンと Beam Portability フレームワークの利点について説明します。Beam Portability フレームワークによって、デベロッパーが好みのプログラミング言語と実行バックエンドを使用できるビジョンが実現します。続いて、Dataflow によってどのように費用を節約しながらコンピューティングとストレージを分離できるか、そして識別ツール、アクセスツール、管理ツールがどのように Dataflow パイプラインと相互に機能するかを紹介します。最後に、Dataflow でそれぞれのユースケースに合った適切なセキュリティ モデルを実装する方法について学習します。

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

このコースでは、Professional Data Engineer（PDE）認定資格試験に向けた学習計画を作成できます。学習者は、試験の範囲を把握できます。また、試験への準備状況を把握して、個々の学習計画を作成します。

詳細

この中級コースでは、Google Cloud で堅牢なバッチデータ パイプラインを設計、構築、最適化する方法を学習します。基本的なデータ処理から一歩進んで、大規模なデータ変換と効率的なワークフロー オーケストレーションを確認します。この内容は、タイムリーなビジネス インテリジェンスと重要なレポートの作成に不可欠です。 実装に Apache Beam 用の Dataflow と Apache Spark 向け Serverless（Dataproc Serverless）を使用する実践的な演習を行い、パイプラインの信頼性の確保と効果的な運用を実現するために、データの品質、モニタリング、アラートに関する重要な考慮事項に対処します。データ ウェアハウジング、ETL / ELT、SQL、Python、Google Cloud のコンセプトに関する基本的な知識があることが推奨されます。

詳細

このコースでは、ストリーミング データ パイプラインの構築時に直面する実際の問題を解決するために、実践的な演習を行います。ポイントは、Google Cloud プロダクトを使用して、絶えず流れ続けるデータを効果的に管理することです。

詳細

このコースは、技術または財務の担当者で Google Cloud の費用の管理を担う方に最適です。請求先アカウントを設定する方法、 リソースを整理する方法、請求アクセス権限を管理する方法を学びます。 ハンズオンラボでは、請求書を表示する方法、 請求レポートを使用して Google Cloud の費用を追跡する方法、BigQuery や Google スプレッドシートを使用して課金データを分析する方法、 Looker Studio を使用してカスタムの課金ダッシュボードを作成する方法を習得します。動画で紹介されている関連資料には、 こちらの参考資料ドキュメントからアクセスできます。

詳細

This 1-week, accelerate course builds upon previous courses in the Data Engineering on Google Cloud Platform specialization. Through a combination of video lectures, demonstrations, and hands-on labs, you'll learn how to create and manage computing clusters to run Hadoop, Spark, Pig and/or Hive jobs on Google Cloud Platform. You will also learn how to access various cloud storage options from their compute clusters and integrate Google's machine learning capabilities into their analytics programs.

詳細

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 ML のプロダクトやサービスを紹介します。また、Google Cloud で Vertex AI を使用してビッグデータ パイプラインと ML モデルを作成する際のプロセス、課題、メリットについて説明します。

詳細

Vertex AI での ML ソリューションの構築とデプロイ コースを修了して、 中級スキルバッジを獲得しましょう。このコースでは、Google Cloud の Vertex AI プラットフォーム、AutoML、カスタム トレーニング サービスを使用して、 ML モデルのトレーニング、評価、チューニング、説明、デプロイを行う方法を学びます。 このスキルバッジ コースは、データ サイエンティストと ML エンジニアのプロフェッショナルを 対象としています。 スキルバッジは、Google Cloud のプロダクトとサービスの習熟度を示す Google Cloud 発行の限定デジタルバッジで、 インタラクティブなハンズオン環境での知識の応用力を証明するものです。このスキルバッジと 最終評価チャレンジラボを完了し、デジタルバッジを獲得して ネットワークで共有しましょう。

詳細

「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。

詳細

Contact Center AI の中核となるのはその会話力です。人間と同じような対応ができるので、AI を活用した会話の可能性が広がります。このクエストでは、仮想エージェントの構築方法のほか、仮想エージェントの会話フローの設計方法、仮想エージェントへの電話ゲートウェイの追加方法を学びます。最後のチャレンジラボも含め、このクエストを修了すると、Google Cloud の限定デジタルバッジを獲得できます。チャレンジラボには詳細な手順説明はありませんが、最小限のガイダンスを基にソリューションを構築することが求められ、Google Cloud テクノロジーのスキルがテストされます。

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

「BigQuery でデータ ウェアハウスを構築する」スキルバッジを獲得できる中級コースを修了すると、 データの結合による新しいテーブルの作成、結合のトラブルシューティング、UNION を使用したデータの連結、日付パーティション分割テーブルの作成、 BigQuery での JSON、配列、構造体の操作に関するスキルを証明できます。

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

Earn a skill badge by completing the Explore Machine Learning Models with Explainable AI quest, where you will learn how to do the following using Explainable AI: build and deploy a model to an AI platform for serving (prediction), use the What-If Tool with an image recognition model, identify bias in mortgage data using the What-If Tool, and compare models using the What-If Tool to identify potential bias. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest and the final assessment challenge lab to receive a skill badge that you can share with your network.

詳細

ビッグデータ、機械学習、科学的データ。完璧な組み合わせといえます。このクエストは上級レベルであり、実際の科学的データセットを使用するユースケースに BigQuery、Dataproc、Tensorflow などの GCP サービスを当てはめ、実践的な演習を行います。「科学的データ処理」では、地震データの分析や衛星画像の集約といったタスクを実践し、ビッグデータと機械学習に関するスキルの強化を図ります。これにより、多岐にわたる科学的分野でさまざまな問題に取り組むことができるようになります。

詳細

Machine Learning is one of the most innovative fields in technology, and the Google Cloud Platform has been instrumental in furthering its development. With a host of APIs, Google Cloud has a tool for just about any machine learning job. In this advanced-level course, you will get hands-on practice with machine learning at scale and how to employ the advanced ML infrastructure available on Google Cloud.

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 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、Dataproc 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、Kubernetes と Google Kubernetes Engine（GKE）のセキュリティについて、およびロギングとモニタリングについて学びます。また、Google Cloud マネージド ストレージ サービスとデータベース サービスを GKE 内で使用する方法についても学びます。 これは「Google Kubernetes Engine を使用した構築」シリーズの 2 つ目のコースです。このコースを修了したら、「信頼性に優れた Google Cloud インフラストラクチャ: 設計とプロセス」コースか、「Hybrid Cloud Infrastructure Foundations with Anthos」コースに登録してください。

詳細

「Google Kubernetes Engine を使用した構築: ワークロード」を履修することで、クラウドネイティブ アプリケーション開発のすべてを網羅した取り組みに着手することができるようになります。学習体験全体を通して、Kubernetes オペレーション、デプロイ管理、GKE ネットワーキング、永続ストレージについて詳しく学びます。 これは「Google Kubernetes Engine を使用した構築」シリーズの最初のコースです。このコースを修了したら、「Google Kubernetes Engine を使用した構築: 実践」コースに登録してください。

詳細

このコース「Google Kubernetes Engine を使用した構築: 基礎」では、Google Cloud の全体像と基本的な考え方を確認した後、ソフトウェア コンテナを作成して管理する方法と Kubernetes のアーキテクチャについて説明します。

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

Kubernetes は最も人気のあるコンテナ オーケストレーション システムであり、Google Kubernetes Engine は特に Google Cloud でマネージド Kubernetes Deployment をサポートするよう 設計されています。この上級レベルのコースでは、 Docker イメージとコンテナを構成し、本格的な Kubernetes Engine アプリケーションをデプロイする実践演習を行います。 また、コンテナ オーケストレーションを独自のワークフローに統合するために必要な 実践的なスキルを学びます。 ハンズオン チャレンジラボを受講して、 スキルを証明し、知識を確認することもできます。このコースの修了後、 Google Cloud での Kubernetes アプリケーションのデプロイコースの 最後にあるチャレンジラボを追加で完了して、Google Cloud の限定デジタルバッジを獲得しましょう。

詳細

This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.

詳細

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。

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

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

この入門レベルのコースでは、 Google Cloud の基本的なツールやサービスに関する実践演習を行います。オプションで動画も提供されており、 ラボで取り上げられたコンセプトに関するさらなるコンテキストの確認や、復習に利用できます。「Google Cloud の基礎」は、Google Cloud の学習者に最初に推奨されるコースです。 クラウドの予備知識がほとんどなくても、 最初の Google Cloud プロジェクトに応用できる実践的な経験を積むことができます。Cloud Shell コマンドの記述、 初めての仮想マシンのデプロイ、Kubernetes Engine 上でのアプリケーションの実行や ロード バランシングなど、「Google Cloud の基礎」では、Google Cloud の 基本的な機能について学ぶことができます。

詳細