参加 ログイン

Google Cloud コンソールでスキルを試す

dos Santos Mateus Oliveira

メンバー加入日: 2023

ダイヤモンド リーグ

40229 ポイント
Build a BigQuery Data Warehouse with Dataproc Earned 6月 11, 2026 EDT
Deploy a RAG application with vector search in Firestore Earned 6月 11, 2026 EDT
Create Real-time Data Processing Pipelines Earned 6月 11, 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 6月 10, 2026 EDT
BigQuery で Gemini モデルを操作する Earned 5月 27, 2026 EDT
Gemini in BigQuery で生産性を高める Earned 5月 25, 2026 EDT
Data Engineering on Google Cloud の概要 Earned 5月 25, 2026 EDT
Cloud Run でのサーバーレス アプリケーションの開発 Earned 5月 21, 2026 EDT
Google Cloud での Kubernetes の管理 Earned 5月 21, 2026 EDT
Agent Development Kit（ADK）を使用した AI エージェントのエンジニアリング Earned 5月 14, 2026 EDT
クラウド アーキテクチャ: 設計、実装、管理 Earned 5月 14, 2026 EDT
Google Cloud でのクラウド セキュリティの基礎の実践 Earned 5月 13, 2026 EDT
Google Cloud におけるアプリ開発環境の設定 Earned 5月 13, 2026 EDT
生成 AI エージェント: 組織の変革 Earned 5月 5, 2026 EDT
生成 AI アプリ: 働き方を変革する Earned 5月 4, 2026 EDT
生成 AI: 現在の状況を知る Earned 4月 26, 2026 EDT
生成 AI: 基本概念の理解 Earned 4月 22, 2026 EDT
生成 AI: chatbot を超えて Earned 4月 22, 2026 EDT
Cloud SQL for PostgreSQL インスタンスの作成と管理 Earned 3月 12, 2025 EDT
Cloud Spanner インスタンスの作成と管理 Earned 3月 9, 2025 EDT
AlloyDB インスタンスの作成と管理 Earned 3月 6, 2025 EST
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 1月 14, 2025 EST
Dataflow を使用したサーバーレスのデータ処理: 運用 Earned 1月 6, 2025 EST
Knowledge Catalog を使用したデータメッシュの構築 Earned 5月 21, 2024 EDT
BigQuery でデータ ウェアハウスを構築する Earned 5月 16, 2024 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 5月 13, 2024 EDT
Compute Engine での Cloud Load Balancing の実装 Earned 4月 24, 2024 EDT
Dataflow を使用したサーバーレスのデータ処理: 基礎 Earned 4月 9, 2024 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版 Earned 3月 24, 2024 EDT
Building Resilient Streaming Systems on Google Cloud Platform Earned 3月 18, 2024 EDT
Google Cloud でのバッチデータ パイプラインの構築 Earned 3月 2, 2024 EST
Compute Engine での Cloud Load Balancing の実装 Earned 1月 8, 2024 EST
Google Cloud の ML API 用にデータを準備 Earned 1月 6, 2024 EST
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 12月 14, 2023 EST
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 Earned 12月 7, 2023 EST
Professional Data Engineer の取得に向けた準備 Earned 9月 15, 2023 EDT

In this advanced challenge lab, you act as a Data Engineer for the Chicago Police Department. You will manage a high-stakes data integration project, moving IUCR reference data from Cloud Storage into BigQuery using code-free Dataproc Spark templates. Beyond simple ingestion, you will use BigQuery SQL to audit data quality, identify structural discrepancies like missing zero-padding, and reconcile mismatches between transaction records and reference tables to ensure analytical accuracy.

詳細

This lab tests your ability to develop a real-world Generative AI Q&A solution using a RAG framework. You will use Firestore as a vector database and deploy a Flask app as a user interface to query a food safety knowledge base.

詳細

In this advanced challenge lab, you act as a Data Engineer for Cymbal Direct, a retail company integrating real-time movie review data into a marketing pipeline. You are responsible for building two distinct streaming architectures. First, you will implement a direct, code-free ingestion path using Pub/Sub BigQuery subscriptions. Second, you will deploy a sophisticated Dataflow pipeline that uses JavaScript User-Defined Functions (UDFs) to transform raw text into numerical data before it reaches BigQuery, all while managing high-velocity data generated by a simulated stream.

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

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

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

「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。

詳細

「Google Cloud での Kubernetes の管理」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、 kubectl を活用したデプロイの管理、 Google Kubernetes Engine（GKE）でのアプリケーションのモニタリングとデバッグ、継続的デリバリーの手法におけるスキルを実証できます。

詳細

「Agent Development Kit（ADK）を使用した AI エージェントのエンジニアリング」の中級スキルバッジを獲得できるコースを修了すると、 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。

詳細

クラウド アーキテクチャ: 設計、実装、管理 コースを修了して、スキルバッジを獲得しましょう。 Apache ウェブサーバーを使用した一般公開ウェブサイトのデプロイ、 起動スクリプトを使用した Compute Engine VM の構成、 Windows の踏み台インスタンスとファイアウォール ルールを使用したセキュアな RDP の構成、ビルドした Docker イメージの Kubernetes クラスタへのデプロイと更新、 CloudSQL インスタンスの作成と MySQL データベースのインポートといったスキルを実証できます。 このスキルバッジは、 Google Cloud Certified Professional Cloud Architect 認定資格試験に出題されるトピックを理解するのに 役立つリソースです。

詳細

Google Cloud でのクラウド セキュリティの基礎の実践 スキルバッジを獲得できる中級コースを修了すると、 Identity and Access Management（IAM）でのロールの作成と割り当て、 サービス アカウントの作成と管理、Virtual Private Cloud（VPC）ネットワーク全体でのプライベート接続の有効化、 Identity-Aware Proxy を使用したアプリケーション アクセスの制限、Cloud Key Management Service（KMS）を使用した鍵と暗号化されたデータの管理、 限定公開 Kubernetes クラスタの作成に関するスキルを実証できます。

詳細

「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。

詳細

「Gen AI エージェント: 組織の変革」は、Gen AI Leader 学習プログラムの最後となる 5 番目のコースです。このコースでは、組織でカスタム生成 AI エージェントを使用して特定のビジネス課題に対処する方法を学習します。基本的な生成 AI エージェントを構築する実践演習を行うとともに、モデル、推論ループ、ツールなどのエージェントの構成要素について見ていきます。

詳細

「生成 AI アプリ: 働き方を変革する」は、生成 AI リーダー学習プログラムの 4 つ目のコースです。このコースでは、Gemini for Workspace や NotebookLM など、Google の生成 AI アプリケーションを紹介します。グラウンディング、検索拡張生成、効果的なプロンプトの作成、自動化されたワークフローの構築などのコンセプトについて学びます。

詳細

「生成 AI: 現在の状況を知る」は、生成 AI リーダー学習プログラムの 3 つ目のコースです。生成 AI は、私たちの働き方や、私たちを取り巻く世界との関わり方を変えています。リーダーは、実際のビジネス成果に結びつけるために、生成 AI の力をどのように活用できるでしょうか？このコースでは、生成 AI ソリューションの構築におけるさまざまなレイヤ、Google Cloud のサービス、ソリューションを選択する際に考慮すべき要素について学びます。

詳細

「生成 AI: 基本概念の理解」は、生成 AI リーダー学習プログラムの 2 つ目のコースです。このコースでは、AI、ML、生成 AI の違いを探り、さまざまなデータタイプが生成 AI によるビジネス課題への対処を可能にする仕組みを理解することで、生成 AI の基本概念を習得します。また、基盤モデルの限界に対処するための Google Cloud の戦略、および責任ある安全な AI の開発と導入における重要な課題に関するインサイトも得られます。

詳細

「生成 AI: chatbot を超えて」は、生成 AI リーダー学習プログラムの最初のコースで、前提条件はありません。このコースは、chatbot の基礎的な理解をさらに広げ、組織で実現できる生成 AI の真の可能性を把握することを目的としています。基盤モデルおよびプロンプト エンジニアリングなど、生成 AI の力を活用するうえで重要な概念も紹介します。また、このコースでは、組織において優れた生成 AI 戦略を策定する場合に検討するべき重要事項も見ていきます。

詳細

「Cloud SQL for PostgreSQL インスタンスの作成と管理」入門スキルバッジ コースを完了すると、 Cloud SQL for PostgreSQL インスタンスとデータベースを移行、構成、管理するスキルを証明できます。

詳細

「Cloud Spanner インスタンスの作成と管理」スキルバッジを 獲得できる入門コースを修了すると、 Cloud Spanner のインスタンスとデータベースの作成と操作、 さまざまな手法による Cloud Spanner データベースの読み込み、 Cloud Spanner データベースのバックアップ、スキーマの定義、クエリプランの理解、 Cloud Spanner インスタンスに接続された最新ウェブアプリのデプロイといったスキルを実証できます。

詳細

「AlloyDB インスタンスの作成と管理」スキルバッジを獲得できる入門コースを修了すると、次のスキルを身につけていることを実証できます。AlloyDB の主なオペレーションと タスクを実行する、PostgreSQL から AlloyDB に移行する、AlloyDB データベースを管理する、 AlloyDB カラム型エンジンを使用して分析クエリを高速化する。

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

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

「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

「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

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

「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

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

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

This 1-week, accelerated on-demand course builds upon Google Cloud Platform Big Data and Machine Learning Fundamentals. Through a combination of video lectures, demonstrations, and hands-on labs, you'll learn to build streaming data pipelines using Google cloud Pub/Sub and Dataflow to enable real-time decision making. You will also learn how to build dashboards to render tailored output for various stakeholder audiences.

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

「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

「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

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、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、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