Chin Johnson
メンバー加入日: 2023
ゴールドリーグ
23828 ポイント
Gemini モデルの機能を強化する
Earned 9月 20, 2025 EDT
Gemini と Imagen を使用した実際の AI アプリケーションの構築
Earned 9月 20, 2025 EDT
Agent Platform におけるプロンプト設計
Earned 8月 28, 2025 EDT
Google Cloud でのセキュリティ脆弱性の軽減
Earned 5月 10, 2024 EDT
本番環境 ML システム
Earned 5月 9, 2024 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版
Earned 5月 9, 2024 EDT
Applying Machine Learning to Your Data with Google Cloud - 日本語版
Earned 5月 9, 2024 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版
Earned 5月 9, 2024 EDT
[DEPRECATED] データ サイエンティストとアナリスト向けの Gemini
Earned 5月 9, 2024 EDT
ベースライン: インフラストラクチャ
Earned 5月 8, 2024 EDT
BigQuery ML を使用した ML モデルの作成
Earned 5月 8, 2024 EDT
BigQuery で予測データ分析を行う
Earned 5月 8, 2024 EDT
Natural Language API で感情分析を行う
Earned 5月 7, 2024 EDT
Google API を使用して音声と言語を分析する
Earned 5月 6, 2024 EDT
Looker での LookML オブジェクトの構築
Earned 5月 6, 2024 EDT
Cloud Vision API を使用して画像を解析する
Earned 5月 6, 2024 EDT
Google Cloud 上の Gemini とアプリケーションの統合
Earned 5月 3, 2024 EDT
DEPRECATED Google Cloud Solutions II: Data and Machine Learning
Earned 8月 12, 2023 EDT
Data Catalog Fundamentals
Earned 8月 12, 2023 EDT
Google Cloud ネットワークにおけるデプロイの自動化とトラフィックの管理
Earned 8月 12, 2023 EDT
Generative AI Explorer - Agent Platform
Earned 8月 12, 2023 EDT
クラウド エンジニアリング
Earned 8月 12, 2023 EDT
Compute Engine での Cloud Load Balancing の実装
Earned 8月 11, 2023 EDT
「Gemini モデルの機能を強化する」 の中級スキルバッジを獲得すると、次のスキルを実証できます。Gemini モデルの高度な機能 （コードの生成と実行、グラウンディング、制御されたコンテンツ生成、 合成データの作成など）を活用して、より強力で洗練された AI アプリケーションを構築できます。
詳細
「Gemini と Imagen を使用した実際の AI アプリケーションの構築」入門スキルバッジを取得して、画像認識、自然言語処理、
Google の強力な Gemini モデルと Imagen モデルを使用した画像生成、Vertex AI プラットフォームへのアプリケーションのデプロイなどのスキルを証明しましょう。
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
この自習式トレーニング コースでは、参加者は、分散型サービス拒否攻撃、フィッシング攻撃、コンテンツの分類と使用に関わる脅威など、Google Cloud ベース インフラストラクチャのさまざまな箇所での攻撃を緩和する方法について学習します。さらに、Security Command Center、Cloud Logging と監査ロギングについて、および Forseti を使って組織のセキュリティ ポリシーへの全体的なコンプライアンスを確認する方法についても学習します。
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
ML をデータ パイプラインに組み込むと、データから分析情報を抽出する能力を向上できます。このコースでは、Google Cloud でデータ パイプラインに ML を含める複数の方法について説明します。カスタマイズがほとんど、またはまったく必要ない場合のために、このコースでは AutoML について説明します。よりカスタマイズされた ML 機能については、Notebooks と BigQuery の機械学習（BigQuery ML）を紹介します。また、Vertex AI を使用して ML ソリューションを本番環境に導入する方法も説明します。
詳細
このコースでは、ML について定義し、ビジネスで ML をどのように活用できるのかを学習します。機械学習を使用したデモをいくつか確認し、機械学習の主な用語（インスタンス、特徴、ラベルなど）について学習します。インタラクティブなラボでは、事前トレーニング済みの ML API の呼び出しを実行するほか、BigQuery ML で SQL のみを使用して独自の ML モデルを構築します。
詳細
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。
詳細
このコースでは、生成 AI を活用した Google Cloud のコラボレーターである Gemini が、顧客データの分析や商品売上の予測にどのように役立つかについて学びます。また、BigQuery で顧客データを使用して、新規顧客を特定、分類、発見する方法も学習します。ハンズオンラボでは、Gemini でデータ分析と ML のワークフロー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。
詳細
これは、Google Cloud Essentials よりもレベルの高い内容の練習機会を求めている初心者のクラウド デベロッパーに おすすめのコースです。Cloud Storage だけでなく、 Monitoring や Cloud Run functions などの主要なアプリケーション サービスに関連するラボを通して、 実践的な経験を積むことが可能です。また、 あらゆる Google Cloud イニシアチブに応用できる有益なスキルを身に付けることができます。
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
中級コース「BigQuery で予測データ分析を行う」を修了してスキルバッジを取得すると、 CSV ファイルや JSON ファイルをインポートして BigQuery にデータセットを作成し、 BigQuery の高度な SQL 分析機能を活用してデータを分析するスキルを身につけていることを示せます。たとえば、BigQuery ML を使って サッカーの試合イベント データをもとに予想得点モデルをトレーニングし、ワールドカップで決まったそれぞれのゴールがどれほど「予想外ですごかった」かを評価することなどが可能になります。
詳細
Natural Language API で感情分析を行うクエストを完了してスキルバッジを獲得しましょう。 このクエストでは、API が感情をどのようにしてテキストから感情を導きすかを学びます。
詳細
「Google API を使用して音声と言語を分析する」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、Natural Language and Speed API を実際の環境で使用する方法を 学習します。
詳細
「Looker での LookML オブジェクトの構築」スキルバッジを獲得できる入門コース を修了すると、 新しいディメンション、メジャー、ビュー、派生テーブルの構築、要件に基づくメジャー フィルタとメジャー タイプの設定、 ディメンションとメジャーの更新、 Explore の構築と改良、ビューと既存の Explore との結合、 ビジネス要件に基づいて作成すべき LookML オブジェクトの決定に関するスキルがあることを証明できます。
詳細
「Cloud Vision API を使用して画像を解析する」コースを修了するとスキルバッジを獲得できます。このコースでは、画像からのテキスト抽出など、さまざまなタスクで Cloud Vision API を活用する方法を学びます。
詳細
Google Cloud 上の Gemini とアプリケーションの統合に関する短いコースです。ここでは、Gemini API とその生成 AI モデルについて学習し、Gemini モデルにコードからアクセスする方法を学びます。これらのモデルの機能は、アプリからのテキスト、画像、動画のプロンプトを使用してテストできます。
詳細
In this advanced-level quest, you will learn how to harness serious Google Cloud computing power to run big data and machine learning jobs. The hands-on labs will give you use cases, and you will be tasked with implementing big data and machine learning practices utilized by Google’s very own Solutions Architecture team. From running Big Query analytics on tens of thousands of basketball games, to training TensorFlow image classifiers, you will quickly see why Google Cloud is the go-to platform for running big data and machine learning jobs.
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
ネットワーキングはクラウド コンピューティングにおける主要なテーマです。Google Cloud の基盤となる 構造であり、すべてのリソースとサービスを 相互に接続するものです。このコースでは、Google Cloud の基本的なネットワーキング サービスについて学び、 優れたネットワークを開発するための専用ツールを使用して実践演習を 行います。VPC についての詳細な学習から、エンタープライズ クラスのロードバランサの作成まで、 「Google Cloud ネットワークにおけるデプロイの自動化とトラフィックの管理」では、 堅牢なネットワークを今すぐ構築するために必要となる実践的な経験を積むことができます。
詳細
「Generative AI Explorer - Agent Platform」コースには、Google Cloud での生成 AI の使用方法に関する複数のラボが含まれます。ラボでは、Agent Platform で Gemini モデルを 使用する方法を学びます。プロンプト設計やベスト プラクティス、さらに Agent Platform を活用したアイディエーション、テキスト分類、テキスト抽出、テキスト要約などについても学習します。 また、Agent Platform でカスタム トレーニングを通じて基盤モデルをトレーニングし、 Agent Platform のエンドポイントにデプロイして、基盤モデルをチューニングする方法も学びます。
詳細
この入門コースは、他のコースとは異なるものです。 これらのラボは、Google Cloud Certified Associate Cloud Engineer 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 のデプロイまでを 網羅する個別のラボで構成されており、Goodle Cloud の知識が試されます。これらのラボによる演習で 知識やスキルや能力を向上させることは可能ですが、 試験ガイドやその他の対策資料も参照することをおすすめします。
詳細
「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。
詳細
