Wilson Tom
メンバー加入日: 2026
ダイヤモンド リーグ
17046 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 8月 17, 2026 EDT
Google Cloud におけるセキュリティの管理
Earned 8月 14, 2026 EDT
Google Cloud のネットワーキング: ハイブリッド クラウドとマルチクラウド
Earned 8月 8, 2026 EDT
Google Cloud のネットワーキング: ネットワーク アーキテクチャ
Earned 8月 7, 2026 EDT
Google Cloud のネットワーキング: 基礎
Earned 8月 7, 2026 EDT
Professional Cloud Architect の取得に向けた準備
Earned 8月 4, 2026 EDT
開発者向けの責任ある AI: プライバシーと安全性
Earned 8月 4, 2026 EDT
開発者向けの責任ある AI: 解釈可能性と透明性
Earned 8月 3, 2026 EDT
発者向けの責任ある AI: 公平性とバイアス
Earned 8月 3, 2026 EDT
Google Cloud での生成 AI アプリの作成
Earned 8月 2, 2026 EDT
Vertex AI を使用した ML オペレーション（MLOps）: モデルの評価
Earned 8月 1, 2026 EDT
生成 AI のための ML オペレーション（MLOps)
Earned 8月 1, 2026 EDT
大規模言語モデルの概要
Earned 8月 1, 2026 EDT
生成 AI の概要
Earned 8月 1, 2026 EDT
Vertex AI を使用した ML オペレーション（MLOps）: 特徴の管理
Earned 8月 1, 2026 EDT
ML オペレーション（MLOps）: 概要
Earned 7月 31, 2026 EDT
本番環境 ML システム
Earned 7月 31, 2026 EDT
Google Cloud Operations を使用したスケーリング
Earned 7月 27, 2026 EDT
Google Cloud で実現する信頼とセキュリティ
Earned 7月 26, 2026 EDT
Google Cloud によるインフラストラクチャとアプリケーションのモダナイゼーション
Earned 7月 26, 2026 EDT
Google Cloud の AI を活用したイノベーション
Earned 7月 26, 2026 EDT
Google Cloud によるデータ トランスフォーメーションの探求
Earned 7月 26, 2026 EDT
Google Cloud によるデジタル トランスフォーメーション
Earned 7月 25, 2026 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 7月 25, 2026 EDT
BigQuery ML を使用した ML モデルの作成
Earned 7月 24, 2026 EDT
Google Cloud の ML API 用にデータを準備
Earned 7月 24, 2026 EDT
Google Cloud における AI と ML の概要
Earned 7月 23, 2026 EDT
認定資格試験の学習ガイドを作成する: PMLE
Earned 7月 21, 2026 EDT
BigQuery で Gemini モデルを操作する
Earned 7月 19, 2026 EDT
Gemini in BigQuery で生産性を高める
Earned 7月 19, 2026 EDT
Knowledge Catalog を使用したデータメッシュの構築
Earned 7月 18, 2026 EDT
Dataflow を使用したサーバーレスのデータ処理: 運用
Earned 7月 17, 2026 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 7月 13, 2026 EDT
Dataflow を使用したサーバーレスのデータ処理: 基礎
Earned 7月 13, 2026 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 7月 13, 2026 EDT
BigQuery でデータ ウェアハウスを構築する
Earned 7月 13, 2026 EDT
Google Cloud でのバッチデータ パイプラインの構築
Earned 7月 13, 2026 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 7月 12, 2026 EDT
Data Engineering on Google Cloud の概要
Earned 7月 7, 2026 EDT
Professional Data Engineer の取得に向けた準備
Earned 7月 4, 2026 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
この自習式トレーニング コースでは、Google Cloud でのセキュリティの管理と手法全般について学習します。録画された講義、デモ、ハンズオンラボを通して、Cloud Identity、Resource Manager、Cloud IAM、Virtual Private Cloud ファイアウォール、Cloud Load Balancing、Cloud ピアリング、Cloud Interconnect、VPC Service Controls など、安全な Google Cloud ソリューションのコンポーネントについて学び、演習を行います。
これは「Google Cloud におけるセキュリティ」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 Cloud におけるセキュリティのベスト プラクティス」コースを受講してください。
詳細
「Google Cloud のネットワーキング」シリーズの 6 番目のコース「ハイブリッド クラウドとマルチクラウド」へようこそ。最初のモジュールでは、Google Cloud のさまざまな接続オプションを説明します。Cloud Interconnect について掘り下げ、その種類とそれぞれの機能を確認します。2 番目のモジュールでは Cloud VPN の実装、高可用性 VPN トポロジ、Network Connectivity Center（NCC）による管理の効率化について説明します。このコースを修了すると、オンプレミス ネットワークや他のクラウド ネットワークを Google Cloud に拡張するためのさまざまな接続オプションについて説明できるようになります。また、Google Cloud の各種のハイブリッドおよびマルチクラウド接続サービスが特定のユースケースに適しているかどうかを検討する方法についても理解できます。さっそく始めましょう。
詳細
「Google Cloud のネットワーキング」シリーズの 3 番目のコース「ネットワーク アーキテクチャ」へようこそ。
このコースでは、Google Cloud 内で効率的かつスケーラブルなネットワーク アーキテクチャを設計するための基礎について説明します。
モジュール 1「ネットワーク アーキテクチャの概要」では、サブネット、ルート、ファイアウォール、ロード バランシングなど、ネットワーク アーキテクチャの中核となるコンポーネントやコンセプトを紹介します。
モジュール 2「ネットワーク トポロジ」では、Google Cloud でよく使用されるさまざまなネットワーク トポロジの詳細とその長所と短所について説明します。
詳細
Google Cloud のネットワーキングは、6 部構成のコースシリーズです。6 部構成のコースシリーズの最初のコース「Google Cloud のネットワーキング: 基礎」へようこそ。
このコースでは、ネットワーキングの基礎、Virtual Private Cloud（VPC）、VPC ネットワークの共有など、ネットワーキングの主なコンセプトに関する包括的な概要を説明します。また、ネットワークのロギング手法とモニタリング手法についても説明します。
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
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、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、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
生成 AI アプリケーションは、大規模言語モデル（LLM）の発明以前にはほぼ不可能であった、新しいユーザー エクスペリエンスを生み出すことができます。アプリケーション デベロッパーが Google Cloud 上で生成 AI を活用し、魅力的で強力なアプリを構築するにはどうすればよいでしょうか？
このコースでは、生成 AI アプリケーションについて学びます。また、プロンプト設計と検索拡張生成（RAG）を使用して、LLM を活用した強力なアプリケーションを構築する方法についても学びます。さらに、生成 AI アプリケーションで使用できるプロダクション レディなアーキテクチャについて学び、LLM と RAG ベースのチャット アプリケーションを構築します。
詳細
このコースでは、ML の実務担当者に、生成 AI モデルと予測 AI モデルの両方を評価するための重要なツール、手法、ベスト プラクティスを身につけていただきます。モデル評価は、ML システムが本番環境で信頼性が高く、正確で、高性能な結果を確実に提供するための重要な分野です。
参加者は、さまざまな評価指標、方法論のほか、さまざまなモデルタイプやタスクにおけるそれらの適切な適用について理解を深めます。このコースでは、生成 AI モデルによってもたらされる固有の課題に重点を置き、それらの課題に効果的に取り組むための戦略を提供します。参加者は、Google Cloud の Vertex AI プラットフォームを活用して、モデルの選択、最適化、継続的なモニタリングのための堅牢な評価プロセスを実装する方法を学びます。
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 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 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。
受講者は、SDK レイヤで Vertex AI Feature Store のストリーミング取り込みを使用する実践的な演習を受けられます。
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、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
あらゆる規模の組織が、事業運営の変革にクラウドの能力と柔軟性を活用しているなかで、 けれども、クラウド リソースを効果的に管理、スケーリングするのは複雑なタスクになる場合があります。 このコースでは、クラウドにおける最新の運用、信頼性、レジリエンスに関する基本的概念と、Google Cloud がこういった取り組みをどのように支援できるのかについて理解を深めます。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
組織がデータやアプリケーションをクラウドへ移行する際には、急速に進化するセキュリティ上の課題に対処することが求められます。このコースでは、クラウド セキュリティの基礎、Google Cloud の安全性を重視した設計のインフラストラクチャの価値、多層防御戦略について説明します。また、AI を活用した運用とコンプライアンス ツールが、組織が厳格なグローバル規制要件を満たすのにどのように役立つかについても説明します。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
多くの従来型企業では、既存のシステムやアプリで昨今の顧客の期待に応え続けることが難しくなっています。この場合、経営者は、老朽化した IT システムの保守を続けるのか、新たな製品やサービスに投資をするのか、選択を迫られることになります。このコースではそうした課題を明らかにするとともに、そうした課題をクラウド テクノロジーによって乗り越えるためのソリューションについて学びます。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
AI と ML は、幅広い業種に急速な変革をもたらしているインフォメーション テクノロジーにおける重要な進化です。 「Google Cloud の AI を活用したイノベーション」では、AI と ML を活用して組織でビジネス プロセスを変革する方法について学習します。
このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
クラウド テクノロジーは組織に大きな力をもたらします。データと組み合わせることで、イノベーションの触媒となり、カスタマー エクスペリエンスの向上を促進します。「Google Cloud によるデータ トランスフォーメーションの探求」では、組織がクラウドを活用して、データをよりアクセスしやすく、実用的で、価値のあるものにする方法を学びます。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
デジタル トランスフォーメーションは、現代の組織にとって重要なプロセスです。クラウド コンピューティングで強固なベースラインを確立することは、有意義なイノベーションを推進するための第一歩となります。「Google Cloud によるデジタル トランスフォーメーション」では、組織が業務をモダナイズするのに役立つコア テクノロジーと戦略的フレームワークを紹介します。このコースでは、クラウドの基本的なコンセプト、グローバル ネットワーク インフラストラクチャ、責任の共有モデルについて説明し、リーダーが自信を持ってクラウドへの移行を進められるようにします。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
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
「BigQuery ML を使用した ML モデルの作成」コースの中級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、 BigQuery ML を使用して ML モデルを作成および評価し、データを予測するスキルを証明できます。
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 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 デベロッパー、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
NotebookLM を使用して、Professional Machine Learning Engineer（PMLE）認定資格試験に向けてパーソナライズした学習ガイドを作成する方法を学びます。NotebookLM の機能を確認して、ノートブックを作成し、その学習ガイドを使用して認定資格試験に向けて練習します。
詳細
このコースでは、BigQuery の生成 AI タスクで AI / ML モデルを使用する方法をご紹介します。顧客管理を含む実際のユースケースを通して、Gemini モデルを使用してビジネス上の問題を解決するワークフローを学びます。また、理解を深めるために、このコースでは SQL クエリと Python ノートブックの両方を使用したコーディング ソリューションの詳細な手順も提供しています。
詳細
このコースでは、データを AI 活用へつなげるためのワークフローに役立つ AI 搭載の機能スイート、Gemini in BigQuery について説明します。この機能スイートには、データの探索と準備、コード生成とトラブルシューティング、ワークフローの検出と可視化などが含まれます。このコースでは、概念の説明、実際のユースケース、ハンズオンラボを通じて、データ実務者が生産性を高め、開発パイプラインを迅速化できるよう支援します。
詳細
「Knowledge Catalog を使用したデータメッシュの構築」入門コースを修了してスキルバッジを獲得すると、Knowledge Catalog を使用してデータメッシュを構築し、 Google Cloud 上のデータ セキュリティ、ガバナンス、検出を強化するスキルを実証できます。このコースでは、Knowledge Catalog でアセットにタグを付け、IAM ロールを割り当て、データ品質を評価する方法を練習し、そのスキルをテストします。
詳細
Dataflow シリーズの最後のコースでは、Dataflow 運用モデルのコンポーネントを紹介します。パイプラインのパフォーマンスのトラブルシューティングと最適化に役立つツールと手法を検証した後で、Dataflow パイプラインのテスト、デプロイ、信頼性に関するベスト プラクティスについて確認します。最後に、数百人のユーザーがいる組織に対して Dataflow パイプラインを簡単に拡張するためのテンプレートについても確認します。これらの内容を習得することで、データ プラットフォームの安定性を保ち、予期せぬ状況に対する回復力を確保できるようになります。
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
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
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
「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
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
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、Google Cloud におけるデータ エンジニアリング、データ エンジニアの役割と責任、それらが Google Cloud の各サービスにどのように対応しているかについて学びます。また、データ エンジニアリングの課題に対処する方法も学習します。
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、試験の範囲を把握したうえで、自分の試験への準備状況を確認し、個々の学習計画を作成できます。
詳細
