Huang Hugo
メンバー加入日: 2020
シルバーリーグ
12152 ポイント
メンバー加入日: 2020
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。
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。
AI は、革新的な技術である一方で、新たなセキュリティ上の課題を生み出す可能性も否定できません。このコースでは、セキュリティとデータ保護の責任者を対象に、組織内で AI を安全に管理するための戦略を説明します。AI 特有のリスクを事前に特定して軽減し、機密データを保護し、コンプライアンスを確保しながら、復元力の高い AI インフラストラクチャを構築するための枠組みについて学ぶ。4 つの業界のユースケースを通して、これらの戦略が実際の場面でどのように活用されているかを探る。
Gemini Notebook を使用して、Professional Cloud Security Engineer 認定試験に向けた自分専用の学習ガイドを作成する方法を学びます。Gemini Notebook の機能を確認して、ノートブックを作成し、認定試験の対策として学習ガイドを活用する方法を身につけます。
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 開発者、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。
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。
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。
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、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。
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、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。
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。
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。
Google スプレッドシートの中級コースは、初級のコースで説明されたコンセプトを元に進められます。 このコースでは、Google スプレッドシートでテーマを適用してカスタマイズする方法を学習し、条件付き書式のオプションを確認します。 Google スプレッドシートの高度な数式と関数をいくつか学習します。関数を使用した数式を作成する方法を確認し、さらに Google スプレッドシート内のデータを参照して検証する方法を学びます。 スプレッドシートには、何百万という数、数式、テキストを入力しておくことができます。このようなデータは要約や可視化を行わないと、十全に活用することが難しい場合があります。このコースでは、グラフやピボット テーブルなど、Google スプレッドシートのデータ可視化オプションを確認します。 Google フォームは、データを収集して迅速なデータ分析を可能にするオンライン アンケートです。フォームで収集したデータをスプレッドシートに接続する作業や、既存のスプレッドシートからフォームを作成する作業を通じて、フォームとスプレッドシートがどのように連携するのかを確認します。
「Google スプレッドシートで関数、数式、グラフを使う」中級コースを修了して スキルバッジを獲得すると、 関数を使用したデータの分析、グラフを使用したデータの可視化、およびデータの検索、 検証、フォーマット設定、表示に関するスキルを証明できます。
このクエストでは、セキュリティ、ユーザーとグループのプロビジョニング、アプリケーションや Google Meet の管理といった、Google Workspace 管理に関するいくつかのトピックについての実践演習を行います。
「クラウドコラボレーションと生産性ワークフローの実装」コースを修了して入門レベルのスキルバッジを獲得しましょう。このコースでは、 Google のコラボレーション プラットフォームの概要と、 Gmail、カレンダー、Meet、ドライブ、スプレッドシート、AppSheet の使用方法を学びます。
Google Cloud での Kubernetes アプリケーションのデプロイ 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、 Docker コンテナ イメージの構成とビルド、Google Kubernetes Engine(GKE)クラスタの作成と管理、kubectl を活用した効率的な クラスタ管理、堅牢な継続的デリバリー(CD)による Kubernetes アプリケーションのデプロイ手法といったスキルを実証できます。
「Cloud Run でのサーバーレス アプリケーションの開発」コースの中級スキルバッジを獲得すると、 データ マネジメントのための Cloud Run と Cloud Storage の統合、 Cloud Run と Pub/Sub を使用した復元力のある非同期システムの構築、 Cloud Run を使用した REST API ゲートウェイの構築、Cloud Run でのサービスの構築とデプロイといったスキルを実証できます。
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。
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.
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。
This quest of "Challenge Labs" gives the student preparing for the Google Cloud Certified Professional Cloud Architect certification hands-on practice with common business/technology solutions using Google Cloud architectures. Challenge Labs do not provide the "cookbook" steps, but require solutions to be built with minimal guidance, across many Google Cloud technologies. All labs have activity tracking, and in order to earn this badge you must score 100% in each lab. This quest is not easy and will put your Google Cloud technology skills to the test! Be aware that while practice with these labs will increase your knowledge and abilities, additional study, experience, and background in cloud architecture is recommended to prepare for this certification. Complete this quest to receive an exclusive Google Cloud digital badge.
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。