参加 ログイン

Sharmila Shaik

メンバー加入日: 2025

ゴールドリーグ

8851 ポイント
AI インフラストラクチャ: ネットワーキング手法 Earned 3月 12, 2026 EDT
Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチ ドキュメントの検査 Earned 3月 12, 2026 EDT
開発者向けの責任ある AI: プライバシーと安全性 Earned 3月 12, 2026 EDT
生成 AI のための ML オペレーション(MLOps) Earned 3月 12, 2026 EDT
開発者向けの責任ある AI: 解釈可能性と透明性 Earned 3月 12, 2026 EDT
ベクトル検索とエンベディング Earned 3月 12, 2026 EDT
発者向けの責任ある AI: 公平性とバイアス Earned 3月 12, 2026 EDT
Vertex AI Studio の概要 Earned 3月 12, 2026 EDT
画像キャプション モデルの作成 Earned 3月 11, 2026 EDT
Transformer モデルと BERT モデル Earned 3月 11, 2026 EDT
Encoder-Decoder アーキテクチャ Earned 3月 11, 2026 EDT
アテンション機構 Earned 3月 11, 2026 EDT
画像生成の概要 Earned 3月 11, 2026 EDT
生成 AI エージェント: 組織の変革 Earned 3月 11, 2026 EDT
生成 AI アプリ: 働き方を変革する Earned 3月 11, 2026 EDT
生成 AI: 現在の状況を知る Earned 3月 11, 2026 EDT
生成 AI: 基本概念の理解 Earned 3月 11, 2026 EDT
生成 AI: chatbot を超えて Earned 3月 11, 2026 EDT
責任ある AI の概要 Earned 3月 10, 2026 EDT
大規模言語モデルの概要 Earned 3月 10, 2026 EDT
責任ある AI: Google Cloud における AI に関する原則の適用 Earned 3月 10, 2026 EDT
Agent Platform におけるプロンプト設計 Earned 3月 10, 2026 EDT
生成 AI の概要 Earned 3月 10, 2026 EDT
AI Infrastructure: ストレージ オプション Earned 12月 25, 2025 EST
AI Infrastructure: デプロイタイプ Earned 12月 25, 2025 EST
AI Infrastructure: Cloud TPU Earned 12月 25, 2025 EST
AI Infrastructure: Cloud GPU Earned 12月 25, 2025 EST
AI Infrastructure: AI Hypercomputer の概要 Earned 12月 25, 2025 EST

「AI インフラストラクチャ: ネットワーキング手法」コースへようこそ。 このコースでは、Google Cloud の高帯域かつ低レイテンシなインフラストラクチャを活用し、AI システムを構成する各コンポーネント間のデータ転送と通信を最適化する方法を学びます。このコースを修了すると、データの取り込みやトレーニングから推論に至るまで、AI パイプライン全体においてネットワーキングが果たす重要な役割を理解し、ワークロードを最大限の速度で実行するためのベスト プラクティスを適用できるようになります。

詳細

Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチ ドキュメントの検査 スキルバッジを獲得できる中級コースを修了すると、次のスキルを実証できます。 Gemini を使用したマルチモダリティにより、マルチモーダル プロンプトを使用してテキストと視覚データから情報を抽出し、動画の説明を生成して、 動画の範囲を超えた追加情報を取得する。Gemini を使用したマルチモーダル検索拡張生成(RAG)により、テキストと画像を含むドキュ引用を出力する。

詳細

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、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

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

このコースでは、責任ある AI および AI に関する原則のコンセプトを紹介します。AI / ML の実践における公平性とバイアスを特定し、バイアスを軽減するための実践的な手法を取り扱います。具体的には、Google Cloud プロダクトとオープンソース ツールを使用して責任ある AI のベスト 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、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

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

「Gen AI エージェント: 組織の変革」は、Gen AI Leader 学習プログラムの最後となる 5 番目のコースです。このコースでは、組織でカスタム生成 AI エージェントを使用して特定のビジネス課題に対処する方法を学習します。基本的な生成 AI エージェントを構築する実践演習を行うとともに、モデル、推論ループ、ツールなどのエージェントの構成要素について見ていきます。

詳細

「生成 AI アプリ: 働き方を変革する」は、生成 AI リーダー学習プログラムの 4 つ目のコースです。このコースでは、Gemini for Workspace や NotebookLM など、Google の生成 AI アプリケーションを紹介します。グラウンディング、検索拡張生成、効果的なプロンプトの作成、自動化されたワークフローの構築などのコンセプトについて学びます。

詳細

「生成 AI: 現在の状況を知る」は、生成 AI リーダー学習プログラムの 3 つ目のコースです。生成 AI は、私たちの働き方や、私たちを取り巻く世界との関わり方を変えつつあります。リーダーとして、その力をどのように活用し、真のビジネス成果につなげればよいのでしょうか?このコースでは、生成 AI ソリューションの構築におけるさまざまなレイヤ、Google Cloud のサービス、ソリューションを選択する際に考慮すべき要素について学びます。

詳細

「生成 AI: 基本概念の理解」は、Gen AI Leader 学習プログラムの 2 つ目のコースです。このコースでは、AI、ML、生成 AI の違いを探り、さまざまな種類のデータが生成 AI によるビジネス課題への対処を可能にする仕組みを理解することで、生成 AI の基本概念を習得します。また、基盤モデルの限界に対処するための Google Cloud の戦略、および責任ある安全な AI の開発と導入における重要な課題に関するインサイトも得られます。

詳細

「生成 AI: chatbot を超えて」は、生成 AI リーダー学習プログラムの最初のコースで、前提条件はありません。このコースは、chatbot の基礎的な理解をさらに広げ、組織で実現できる生成 AI の真の可能性を把握することを目的としています。基盤モデルやプロンプト エンジニアリングなど、生成 AI の力を活用するうえで重要な概念も紹介します。また、このコースでは、組織において優れた生成 AI 戦略を策定する場合に検討するべき重要事項も見ていきます。

詳細

この入門レベルのマイクロラーニング コースでは、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

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

「Agent Platform におけるプロンプト設計」スキルバッジを獲得できる入門コースを修了すると、 Agent Platform のプロンプト エンジニアリング、画像分析、マルチモーダル生成手法のスキルを実証できます。効果的なプロンプトを作成する方法、目的どおりの生成 AI 出力を生成する方法、 Gemini モデルを実際のマーケティング シナリオに適用する方法を学びます。

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

このコースでは、Google Cloud で利用可能なストレージ ソリューションについて、AI とハイ パフォーマンス コンピューティング(HPC)のワークロードに特化した内容を包括的に学びます。ML ライフサイクルの各段階に適したストレージを選択する方法を学びます。トレーニング中の I/O パフォーマンスを最適化する方法、データ準備のために大規模なデータセットを管理する方法、モデルのアーティファクトを低レイテンシで提供する方法について学びます。実践的な例とデモを通じて、AI イノベーションを加速させる堅牢なストレージ ソリューションを設計する専門知識を習得できます。

詳細

このコースでは、Google Cloud で AI とハイ パフォーマンス コンピューティング(HPC)のワークロードをデプロイ、管理、最適化するための包括的なガイドを提供します。一連のレッスンと実践的なデモを通じて、Google Compute Engine(GCE)を使用した高度にカスタマイズ可能な環境から、Google Kubernetes Engine(GKE)などのマネージド ソリューションまで、さまざまなデプロイ戦略について学びます。具体的には、クラスタを作成し、推論用に GKE をデプロイする方法を学習します。

詳細

Cloud TPU コースへようこそ。このコースでは、さまざまなシナリオにおける TPU の長所と短所を検討し、各種 TPU アクセラレータを比較して最適なものを選択できるようにします。また、AI モデルのパフォーマンスと効率を最大化する戦略を学び、柔軟な ML ワークフローにおける GPU / TPU の相互運用性の重要性について理解を深めます。魅力的なコンテンツと実践的なデモを通じて、TPU を効果的に活用するための方法を段階的に確認していきます。

詳細

AI を支える強力なハードウェアにご関心をお持ちですか?このモジュールでは、パフォーマンスの最適化が図られた AI コンピュータについて解説し、それがなぜ重要なのかを説明します。CPU、GPU、TPU が AI タスクを高速化する仕組み、それぞれの特徴、AI ソフトウェアがそれらを最大限に活用する方法について探ります。最後には、AI プロジェクトに最適な GPU を選択する方法を正確に理解し、AI ワークロードに適した選択を行えるようになります。

詳細

AI Hypercomputer を使い始めたい方に最適なコースです。AI Hypercomputer の基礎と、それが AI ワークロードで AI を支援する仕組みについて説明します。GPU、TPU、CPU など、ハイパーコンピュータ内の各種コンポーネントについて学び、ニーズに合った適切なデプロイ アプローチを選択する方法を知ることができます。

詳細