Pereira Henry
メンバー加入日: 2026
エージェントの動作を最適化する
Earned 5月 25, 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 5月 25, 2026 EDT
Agent Development Kit（ADK）を使用したエージェントの構築を始める
Earned 5月 25, 2026 EDT
Agent Development Kit（ADK）を使用したエージェントの構築
Earned 5月 25, 2026 EDT
Gemini Enterprise アプリケーションの作成を始める
Earned 5月 25, 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 5月 25, 2026 EDT
画像キャプション モデルの作成
Earned 3月 10, 2026 EDT
Transformer モデルと BERT モデル
Earned 3月 10, 2026 EDT
Encoder-Decoder アーキテクチャ
Earned 3月 10, 2026 EDT
アテンション機構
Earned 3月 10, 2026 EDT
画像生成の概要
Earned 3月 9, 2026 EDT
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
「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
Google の Agent Development Kit（ADK）を使用して AI エージェントを初めて構築、構成、実行してみることで、エージェントに関する理解を実践に活かしましょう。
この実践的なコースでは、完全な ADK 開発環境をセットアップしたうえで、Python コードと YAML 構成の両方を使用してエージェントを作成し、複数のインターフェースを介してエージェントを実行します。また、エージェントの動作を定義するコア パラメータについても学習し、コース 1 で学習した内容を実際に使えるコードに適用します。
詳細
Agent Development Kit（ADK）を使用して、複雑でプロダクション レディな AI エージェントを構築する方法について学習します。このコースでは、ADK のオープンソース フレームワークについて学び、簡単なプロンプト エンジニアリングから、エンタープライズ クラスのマルチエージェント システムに適したコードファーストの構造化ソフトウェア開発アプローチに移行する方法を習得します。
詳細
Gemini Enterprise アプリケーションの作成を始めて、スキルバッジを獲得しましょう。さまざまなデータソースをアプリケーションに接続し、強力で統合された検索・分析エンジンを構築します。Deep Research エージェント、マルチエージェント アイディエーション、NotebookLM を使用した集中的な分析などの高度な機能を習得します。
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
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
