RAJ ADITYA
メンバー加入日: 2026
ゴールドリーグ
9656 ポイント
メンバー加入日: 2026
「Google Cloud での ML の API の使用 」コースを修了して、上級スキルバッジを獲得しましょう。このコースでは、ML と AI テクノロジーを活用する 3 つの API(Cloud Vision API、Cloud Translation API、Cloud Natural Language API) の基本機能について学習します。
Google Cloud ネットワークの設定コースを修了してスキルバッジを獲得しましょう。 このコースでは、Google Cloud Platform で基本的なネットワーキング タスクを実行する方法を学習します。具体的には、カスタム ネットワークの作成、サブネット ファイアウォール ルールの追加、VM の作成、そして VM 同士が通信する際のレイテンシのテストについて学びます。
A season to build, experiment, and grow—one skill at a time. You’ll start with the fundamentals of networking, creating the foundation that connects everything together. From there, you’ll step into automation and application development using Cloud Scheduler, App Engine, and machine learning APIs. By the end, you’ll have a more confident, hands-on understanding of how modern applications are built, connected, and run on the cloud.
このオンデマンド速習コースでは、Google Cloud で提供される包括的かつ柔軟なインフラストラクチャとプラットフォームのサービスについて、Compute Engine を中心に紹介します。受講者は、動画講義、デモ、ハンズオンラボを通してさまざまなソリューションの各要素について学習し、実際のデプロイを演習します。これらの要素には、ネットワークや仮想マシン、アプリケーション サービスなどのインフラストラクチャ コンポーネントが含まれます。コンソールと Cloud Shell を使用して Google Cloud を運用する方法についても学習します。また、クラウド アーキテクトの役割、インフラストラクチャ設計の方法、Virtual Private Cloud(VPC)を使用した仮想ネットワークの構成、プロジェクト、ネットワーク、サブネットワーク、IP アドレス、ルート、ファイアウォール ルールについても学習します。
このオンデマンド速習コースでは、Google Cloud が提供する包括的で柔軟なインフラストラクチャとプラットフォーム サービスについて紹介します。動画講義、デモ、ハンズオンラボを通してさまざまなソリューションの要素について学び、実際にデプロイしてみます。これにはセキュリティを維持しながらネットワークを相互接続する方法や、ロード バランシング、自動スケーリング、インフラストラクチャの自動化、マネージド サービスも含まれます。
"「Google Kubernetes Engine を使ってみる」コースへようこそ。Kubernetes にご興味をお持ちいただきありがとうございます。Kubernetes は、アプリケーションとハードウェア インフラストラクチャとの間にあるソフトウェア レイヤです。Google Kubernetes Engine は、Google Cloud 上のマネージド サービスとしての Kubernetes を提供します。 このコースでは、Google Kubernetes Engine(一般に GKE と呼ばれています)の基礎と、Google Cloud でアプリケーションをコンテナ化して実行する方法を学びます。このコースでは、まず Google Cloud の基本事項を確認します。続けて、コンテナ、Kubernetes、Kubernetes アーキテクチャ、Kubernetes オペレーションの概要について学びます。"
「Google Cloud ネットワークの構築」コースを修了してスキルバッジを獲得しましょう。このコースでは、 アプリケーションをデプロイしてモニタリングするための複数の方法について学びます。具体的には、IAM ロールの確認とプロジェクト アクセスの追加 / 削除、 VPC ネットワークの作成、Compute Engine VM のデプロイとモニタリング、 SQL クエリの記述、Compute Engine での VM のデプロイとモニタリング、Kubernetes を使用した複数のデプロイ アプローチによるアプリケーションのデプロイなどです。
「Google Cloud における Terraform を使用したインフラストラクチャの構築」の中級スキルバッジを獲得すると、 Terraform を使用した Infrastructure as Code(IaC)の原則、Terraform 構成を使用した Google Cloud リソースのプロビジョニングと管理、 状態の効果的な管理(ローカルおよびリモート)、組織内での再利用性を念頭に置いた Terraform コードのモジュール化といったスキルを実証できます。
「Google Cloud におけるアプリ開発環境の設定」コースを完了すると、スキルバッジを獲得できます。このコースでは、 Cloud Storage、Identity and Access Management、Cloud Functions、Pub/Sub のテクノロジーの基本機能を使用して、ストレージ中心のクラウド インフラストラクチャを構築し接続する方法を学びます。
「Compute Engine での Cloud Load Balancing の実装」入門コースを修了してスキルバッジを獲得すると、次のスキルを実証できます: Compute Engine における仮想マシンの作成とデプロイ、 ネットワーク ロードバランサとアプリケーション ロードバランサの構成。
このオンデマンド速習コースでは、Google Cloud で提供される包括的かつ柔軟なインフラストラクチャとプラットフォームのサービスについて、Compute Engine を中心に紹介します。受講者は、動画講義、デモ、ハンズオンラボを通してソリューションの各要素について学習し、演習を行います。これらの要素には、ネットワーク、システム、アプリケーション サービスなどのインフラストラクチャ コンポーネントが含まれます。また、実践的なソリューションの実装も取り上げ、顧客指定の暗号鍵、セキュリティとアクセス管理、割り当てと課金、リソース モニタリングなどについても学習します。
Google Cloud の基礎: コア インストラクチャ では、Google Cloud に関する重要なコンセプトと用語について説明します。このコースでは動画とハンズオンラボを通じて学習を進めていきます。Google Cloud の多数のコンピューティング サービスとストレージ サービス、そしてリソースとポリシーを管理するための重要なツールについて比較しながら説明します。
AI 推論は、トレーニング済み ML モデルを使用し、学習したパターンを適用することで、新しい未知のデータについて予測を行うプロセスです。このコースは、Cloud Run に AI 推論サービスを迅速にデプロイする方法に関心のある開発者、データ サイエンティスト、ML エンジニアを対象としています。クラウドベースのサーバーレス アプリケーション デプロイ ソリューションに精通しているものの、Google Cloud サーバーレス プロダクトを使用して AI 推論を実行した経験がない方に適しています。 このコースでは、GPU を使用して AI 推論用のモデルをデプロイし、生成 AI アプリをデータ ストレージ サービスと統合する例を紹介します。
このコースは、Google Cloud コンソールの基本的な知識があり、組織の Gemini Code Assist の構成を担当する Google Cloud 開発者と DevOps エンジニアを対象としています。このコースでは、Gemini Code Assist の利点を紹介し、さまざまな Gemini Code Assist エディションの機能を比較します。また、組織内で Gemini Code Assist を構成して管理する方法も説明します。
このコースでは、Google Cloud の生成 AI を活用したコラボレーターである Gemini が、Google のプロダクトとサービスを使用してアプリケーションを開発、テスト、デプロイ、管理するうえでどのように役立つかを学習します。Gemini を利用して、ウェブ アプリケーションを開発および構築する方法、アプリケーションのエラーを修正する方法、テストを作成する方法、データをクエリする方法を学びます。ハンズオンラボでは、Gemini を使用することでソフトウェア開発ライフサイクル(SDLC)がどのように向上するかを体験します。 Duet AI は、次世代モデルである Gemini に名称変更されました。
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。
このコースでは、Model Armor の重要なセキュリティ機能を復習し、このサービスを使いこなすための技術が身についていることを確認します。LLM に関連するセキュリティ リスクと、Model Armor にによる AI アプリケーションの保護の仕組みについて説明します。
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。
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。
Gemini Notebook を使用して、Associate Cloud Engineer 認定試験に向けて自分に合った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、Gemini Notebook でノートブックを作成し、認定試験に向けた練習に学習ガイドを使用する方法を身に付けます。