参加 ログイン

Yadav Aditya

メンバー加入日: 2025

ゴールドリーグ

2920 ポイント
Arcade Trail: Data Engineering and Information Protection Earned 6月 18, 2026 EDT
Associate Cloud Engineer の取得に向けた準備 Earned 6月 6, 2026 EDT
Compute Engine での Cloud Load Balancing の実装 Earned 6月 6, 2026 EDT
Sensitive Data Protection を使ってみる Earned 6月 6, 2026 EDT
Google Cloud の ML API 用にデータを準備 Earned 6月 6, 2026 EDT
発者向けの責任ある AI: 公平性とバイアス Earned 6月 4, 2026 EDT
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 Earned 6月 4, 2026 EDT
Vertex AI を使用した ML オペレーション（MLOps）: モデルの評価 Earned 6月 2, 2026 EDT
生成 AI のための ML オペレーション（MLOps) Earned 6月 2, 2026 EDT

Raw data is only useful if it is clean, structured, and secure. In this track, you’ll start by processing and preparing data using Dataprep, Dataflow templates, and Apache Spark. You'll learn how to clean up datasets so they are ready for machine learning models. From there, you'll focus on security by working with tools that find and mask sensitive information like personal IDs and credentials. You'll practice redacting critical details and creating safe, de-identified copies of your data in Cloud Storage. By finishing the hands-on challenge labs, you’ll show you can handle big data workflows while keeping confidential information completely safe.

詳細

このコースでは、Associate Cloud Engineer 認定試験の合格を目指す方が受験の準備を進めることができます。試験範囲に含まれる Google Cloud ドメインの概要と、ドメインに関する知識を高めるための学習計画の作成方法について学習します。

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

「Sensitive Data Protection を使ってみる」コースを修了して初級 スキルバッジを獲得すると、Sensitive Data Protection サービス （Cloud Data Loss Prevention API を含む）を使用して、Google Cloud 上の機密データを検査、秘匿化、匿名化するためのスキルを実証できます。

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

このコースでは、責任ある AI および AI に関する原則のコンセプトを紹介します。AI / ML の実践における公平性とバイアスを特定し、バイアスを軽減するための実践的な手法を取り扱います。具体的には、Google Cloud プロダクトとオープンソース ツールを使用して責任ある AI のベスト プラクティスを実装するための実践的な方法とツールを検証します。

詳細

「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。

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、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