参加 ログイン

RAKOTONARIVO Kaloina

メンバー加入日: 2024

ダイヤモンド リーグ

35186 ポイント
Google DeepMind: 小規模言語モデルのトレーニング Earned 1月 19, 2026 EST
Google DeepMind: 04 Discover The Transformer Architecture Earned 1月 19, 2026 EST
Google DeepMind: 03 Design And Train Neural Networks Earned 1月 18, 2026 EST
Google DeepMind: 02 Represent Your Language Data Earned 1月 17, 2026 EST
Google DeepMind: 01 Build Your Own Small Language Model Earned 1月 15, 2026 EST
総仕上げ: Google Cloud のデータ アナリストになるための準備 Earned 11月 18, 2025 EST
本番環境 ML システム Earned 2月 28, 2025 EST
ML Pipelines on Google Cloud - 日本語版 Earned 2月 14, 2025 EST
Vertex AI を使用した ML オペレーション（MLOps）: モデルの評価 Earned 2月 13, 2025 EST
Google Cloud VMware Engine の基礎 Earned 2月 7, 2025 EST
エンベディング作成、ベクトル検索、BigQuery での RAG Earned 2月 5, 2025 EST
Google Cloud での生成 AI アプリの作成 Earned 1月 22, 2025 EST
[Deprecated] Advanced ML: ML Infrastructure Earned 1月 22, 2025 EST
Introduction to Reliable Deep Learning Earned 1月 21, 2025 EST
Put It All Together: Prepare for a Cloud Data Analyst Job Earned 7月 26, 2024 EDT
BigQuery ML を使用した ML モデルの作成 Earned 7月 18, 2024 EDT
Data Catalog Fundamentals Earned 7月 17, 2024 EDT
Looker での高度な LookML コンセプトの適用 Earned 7月 5, 2024 EDT
Developing Data Models with LookML - 日本語版 Earned 6月 7, 2024 EDT
生成 AI のための ML オペレーション（MLOps) Earned 6月 5, 2024 EDT
Vertex AI Studio の概要 Earned 6月 4, 2024 EDT
Analyzing and Visualizing Data in Looker - 日本語版 Earned 4月 11, 2024 EDT
画像キャプション モデルの作成 Earned 3月 25, 2024 EDT
Transformer モデルと BERT モデル Earned 3月 22, 2024 EDT
Encoder-Decoder アーキテクチャ Earned 3月 19, 2024 EDT
アテンション機構 Earned 3月 15, 2024 EDT
Google Cloud データ分析の基礎 Earned 3月 15, 2024 EDT
画像生成の概要 Earned 3月 13, 2024 EDT
責任ある AI の概要 Earned 3月 9, 2024 EST
生成 AI の概要 Earned 3月 8, 2024 EST
大規模言語モデルの概要 Earned 3月 6, 2024 EST

上級コース「Google DeepMind: 小規模言語モデルのトレーニング」を修了してスキルバッジを獲得すると、以下のスキルを習得したことを 証明できます。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。無料 サブスクリプションに登録すると、このラボに無料でアクセスできます。また、毎月 35 クレジットを無料で受け取れます。

詳細

In this Google DeepMind course you will discover the mechanisms of the transformer architecture. You will investigate how transformer language models process prompts to make context-sensitive next-token predictions. Through practical activities you will explore the attention mechanism, visualize attention weights, and encounter advanced concepts like masked attention and multi-head attention. You will also learn other techniques that are necessary to build neural networks that are well-suited to be used as language models. Finally, through activities on values, stakeholder mapping and community engagement, you will practice concrete tools for ensuring AI projects are developed with communities, not just for them.

詳細

In this Google DeepMind course you will focus on the training process for machine learning models. You will learn how to spot and mitigate issues when training a model, such as overfitting and underfitting. In practical coding labs, you will implement and evaluate the multilayer perceptron for simple classification tasks. This will provide insights into the mechanics of training a neural network model and the backpropagation algorithm. Research case studies will demonstrate how neural networks power real-world models. Additionally, you will consider the broader social impacts of innovation by looking beyond immediate benefits to anticipate potential risks, safety concerns, and further-reaching societal consequences.

詳細

In this Google DeepMind course you will learn how to prepare text data for language models to process. You will investigate the tools and techniques used to prepare, structure, and represent text data for language models, with a focus on tokenization and embeddings. You will be encouraged to think critically about the decisions behind data preparation, and what biases within the data may be introduced into models. You will analyze trade-offs, learn how to work with vectors and matrices, how meaning is represented in language models. Finally, you will practice designing a dataset ethically using the Data Cards process, ensuring transparency, accountability, and respect for community values in AI development.

詳細

In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.

詳細

これは、5 つのコースからなる「Google Cloud データ アナリティクス認定証」プログラムの 5 つ目のコースです。このコースでは、コース 1～4 で学んだ基礎知識とスキルを組み合わせて応用することで、データ ライフサイクル全体に焦点を当てたハンズオン キャップストーン プロジェクトに取り組みます。クラウドベースのツールを使用して、データの分析情報を効果的に取得、保存、処理、分析、可視化し、明確に伝えるための実践を行います。このコースの終了までに、プロジェクトを完了し、複数のソースから得られたデータを効果的に構造化して、さまざまな関係者にソリューションを提示し、クラウドベースのソフトウェアを使用してデータ分析情報を可視化する能力を実証します。また、履歴書を更新し、面接の練習を行って、就職活動や面接に備えることができます。

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、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、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

このコースではまず、Google Cloud VMware Engine（GCVE）の基本コンセプトを明確にします。続いて GCVE の独創的なアーキテクチャとコンポーネントについて、プライベート クラウド環境で仮想マシンの準備、デプロイ、調査を行う方法を学びます。その後、プライベート クラウドの管理とモニタリング、ネットワークおよびストレージ コンポーネントの構成、GCVE をより広範な Google Cloud サービスやインターネットのエコシステムに接続する方法について学びます。

詳細

このコースでは、BigQuery で検索拡張生成（RAG）ソリューションを使用して AI ハルシネーションを軽減する方法を説明します。エンベディングの作成、ベクトル空間の検索、改善された回答の生成を含む RAG ワークフローについて解説し、これらの手順の背後にある概念的な理由と、BigQuery を使用した実践的な実装方法についても説明します。このコースを完了すると、BigQuery、Gemini などの生成 AI モデル、エンベディング モデルを使用して RAG パイプラインを構築し、独自の AI ハルシネーションのユースケースに対処できるようになります。

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

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

This course introduces you to the world of reliable deep learning, a critical discipline focused on developing machine learning models that not only make accurate predictions but also understand and communicate their own uncertainty. You'll learn how to create AI systems that are trustworthy, robust, and adaptable, particularly in high-stakes scenarios where errors can have significant consequences.

詳細

This is the fifth of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll combine and apply the foundational knowledge and skills from courses 1-4 in a hands-on Capstone project that focuses on the full data lifecycle project. You’ll practice using cloud-based tools to acquire, store, process, analyze, visualize, and communicate data insights effectively. By the end of the course, you’ll have completed a project demonstrating their proficiency in effectively structuring data from multiple sources, presenting solutions to varied stakeholders, and visualizing data insights using cloud-based software. You’ll also update your resume and practice interview techniques to help prepare for applying and interviewing for jobs.

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

Data Catalog is deprecated and will be discontinued on January 30, 2026. You can still complete this course if you want to. For steps to transition your Data Catalog users, workloads, and content to Dataplex Catalog, see Transition from Data Catalog to Dataplex Catalog (https://cloud.google.com/dataplex/docs/transition-to-dataplex-catalog). Data Catalog is a fully managed and scalable metadata management service that empowers organizations to quickly discover, understand, and manage all of their data. In this quest you will start small by learning how to search and tag data assets and metadata with Data Catalog. After learning how to build your own tag templates that map to BigQuery table data, you will learn how to build MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors.

詳細

このコースでは、Looker における高度な LookML の概念を 実践的に学びます。Liquid を使用して動的なディメンションやメジャーをカスタマイズ、作成する方法、 動的 SQL 派生テーブルやカスタマイズされたネイティブ派生テーブルの作成方法、 さらに extends を使って LookML コードをモジュール化する方法を習得します。

詳細

このコースを受講すると、スケーラブルでパフォーマンスの高い LookML（Looker モデリング言語）モデルを開発し、ビジネス ユーザーの疑問解決に役立つ標準化されたすぐに使えるデータを提供できるようになります。このコースの修了時には、組織の Looker インスタンスでデータをキュレートして管理するための LookML モデルの構築と維持が可能になります。

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、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、これまで主に SQL のデベロッパーやアナリストが行っていたようなデータの探索や分析を Looker で実施する方法について学びます。このコースを修了すると、Looker の最新の分析プラットフォームを活用して、組織の Looker インスタンスにおける関連性の高いコンテンツの検索と探索、データに関する問い合わせ、必要に応じた新しい指標の作成、データドリブンな意思決定を促進するためのビジュアリゼーションとダッシュボードの作成や共有を行えるようになります。

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

Google Cloud を活用して、生の数値データを明確かつデータドリブンな意思決定に変換する方法を学びましょう。この初級レベルのコースでは、ハンズオンラボと実践的なシナリオを通じて、BigQuery でのデータのクエリ、Looker での傾向分析、データポータルでの共有可能なインタラクティブ レポートの作成について説明します。

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

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