参加 ログイン

Google Cloud コンソールでスキルを試す

Mendes Alex

メンバー加入日: 2024

シルバーリーグ

54055 ポイント
データ アナリストのための BigQuery Earned 2月 17, 2025 EST
Google Cloud でのデータ分析の概要 Earned 2月 10, 2025 EST
Google Cloud での生成 AI アプリの作成 Earned 1月 31, 2025 EST
Vertex AI での ML ソリューションの構築とデプロイ Earned 1月 31, 2025 EST
ML Pipelines on Google Cloud - 日本語版 Earned 1月 30, 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 11月 25, 2024 EST
Vertex AI を使用した ML オペレーション（MLOps）: 特徴の管理 Earned 11月 24, 2024 EST
ML オペレーション（MLOps）: 概要 Earned 11月 23, 2024 EST
本番環境 ML システム Earned 11月 22, 2024 EST
Google Cloud での Keras を使った ML モデルの構築、トレーニング、デプロイ Earned 11月 19, 2024 EST
特徴量エンジニアリング Earned 11月 14, 2024 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 11月 12, 2024 EST
BigQuery ML を使用した ML モデルの作成 Earned 11月 11, 2024 EST
Vertex AI でノートブックを使用する Earned 11月 9, 2024 EST
Google Cloud における AI と ML の概要 Earned 11月 8, 2024 EST
Google Cloud の ML API 用にデータを準備 Earned 11月 7, 2024 EST
安全な Google Cloud ネットワークの構築 Earned 11月 7, 2024 EST
Google Cloud におけるアプリ開発環境の設定 Earned 11月 7, 2024 EST
Compute Engine での Cloud Load Balancing の実装 Earned 11月 7, 2024 EST
Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI Earned 11月 6, 2024 EST
Google Cloud コンピューティングの基礎: Google Cloud のネットワークとセキュリティ Earned 11月 5, 2024 EST
Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ Earned 11月 4, 2024 EST
Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本 Earned 11月 1, 2024 EDT
Professional Machine Learning Engineer 学習ガイド Earned 10月 29, 2024 EDT
生成 AI のための ML オペレーション（MLOps) Earned 10月 29, 2024 EDT
開発者向けの責任ある AI: プライバシーと安全性 Earned 10月 29, 2024 EDT
開発者向けの責任ある AI: 解釈可能性と透明性 Earned 10月 28, 2024 EDT
発者向けの責任ある AI: 公平性とバイアス Earned 10月 27, 2024 EDT
Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチ ドキュメントの検査 Earned 10月 25, 2024 EDT
ベクトル検索とエンベディング Earned 10月 25, 2024 EDT
Vertex AI Studio の概要 Earned 10月 24, 2024 EDT
画像キャプション モデルの作成 Earned 10月 24, 2024 EDT
Transformer モデルと BERT モデル Earned 10月 22, 2024 EDT
Encoder-Decoder アーキテクチャ Earned 10月 22, 2024 EDT
アテンション機構 Earned 10月 22, 2024 EDT
画像生成の概要 Earned 10月 21, 2024 EDT
Gemini と Streamlit を使用した生成 AI アプリの開発 Earned 10月 18, 2024 EDT
エンドツーエンドの SDLC のための Gemini Earned 10月 17, 2024 EDT
DevOps エンジニア向けの Gemini Earned 10月 17, 2024 EDT
セキュリティ エンジニア向けの Gemini Earned 10月 17, 2024 EDT
ネットワーク エンジニア向けの Gemini Earned 10月 17, 2024 EDT
データ サイエンティストとアナリスト向けの Gemini Earned 10月 17, 2024 EDT
クラウド アーキテクト向けの Gemini Earned 10月 16, 2024 EDT
アプリケーション開発者向けの Gemini Earned 10月 15, 2024 EDT
責任ある AI: Google Cloud における AI に関する原則の適用 Earned 10月 10, 2024 EDT
Vertex AI におけるプロンプト設計 Earned 10月 9, 2024 EDT
責任ある AI の概要 Earned 10月 3, 2024 EDT
大規模言語モデルの概要 Earned 10月 3, 2024 EDT
生成 AI の概要 Earned 10月 2, 2024 EDT

このコースは、データ分析のニーズに合わせた BigQuery の使用方法について学習したいと考えているデータ アナリストを対象としています。動画、ラボ、デモを組み合わせることにより、BigQuery でデータを取り込み、変換し、クエリを実行してビジネス上の意思決定に役立つ分析情報を引き出す方法について、さまざまなトピックを取り上げます。

詳細

この初級コースでは、Google Cloud のデータ分析ワークフローについてと、データを探索、分析、可視化し、得られた情報をステークホルダーと共有するために使用できるツールについて学びます。ケーススタディを取り上げながら、ハンズオンラボ、講義、理解度チェック、デモを通じて、元データセットをクリーンなデータに、さらには効果的な可視化やダッシュボードに生まれ変わらせる方法を示します。このコースは、Google Cloud で成果を上げる方法を知りたいと思っているデータ実務担当者にも、さらなるキャリアアップを目指している方にも、専門知識を深める入口として最適な内容になっています。データ分析業務を実際に行っている、あるいはデータ分析を利用している大多数の人に有益です。

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

Vertex AI での ML ソリューションの構築とデプロイ コースを修了して、 中級スキルバッジを獲得しましょう。このコースでは、Google Cloud の Vertex AI プラットフォーム、AutoML、カスタム トレーニング サービスを使用して、 ML モデルのトレーニング、評価、チューニング、説明、デプロイを行う方法を学びます。 このスキルバッジ コースは、データ サイエンティストと ML エンジニアのプロフェッショナルを 対象としています。 スキルバッジは、Google Cloud のプロダクトとサービスの習熟度を示す Google Cloud 発行の限定デジタルバッジで、 インタラクティブなハンズオン環境での知識の応用力を証明するものです。このスキルバッジと 最終評価チャレンジラボを完了し、デジタルバッジを獲得して ネットワークで共有しましょう。

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、Google Cloud 上で本番環境の ML システムをデプロイ、評価、モニタリング、運用するための MLOps ツールとベスト プラクティスについて説明します。MLOps は、本番環境 ML システムのデプロイ、テスト、モニタリング、自動化に重点を置いた規範です。 受講者は、SDK レイヤで Vertex AI Feature Store のストリーミング取り込みを使用する実践的な演習を受けられます。

詳細

このコースでは、Google Cloud 上で本番環境の ML システムをデプロイ、評価、モニタリング、運用するための MLOps ツールとベスト プラクティスについて説明します。MLOps は、本番環境 ML システムのデプロイ、テスト、モニタリング、自動化に重点を置いた規範です。機械学習エンジニアリングの担当者は、ツールを活用して、デプロイしたモデルの継続的な改善と評価を行います。また、データ サイエンティストと協力して、あるいは自らがデータ サイエンティストとして、最も効果的なモデルを迅速かつ正確にデプロイできるようモデルを開発します。

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

このコースでは、TensorFlow と Keras を使用した ML モデルの構築、ML モデルの精度の向上、スケーリングに対応した ML モデルの作成について取り上げます。

詳細

このコースでは、Vertex AI Feature Store を使用するメリット、ML モデルの精度を向上させる方法、最も有効な特徴を抽出できるデータ列の見極め方について説明します。また、BigQuery ML、Keras、TensorFlow を使用した特徴量エンジニアリングに関するコンテンツとラボも用意されています。

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

「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

このコースは、Vertex AI Notebooks に関する入門コースです。Vertex AI Notebooks は Jupyter ノートブックをベースとした環境であり、データの準備からモデルのデプロイとモニタリングに至るまで ML のワークフロー全体をサポートする統合プラットフォームを提供します。このコースでは、（1）Vertex AI Notebooks の種類とそれぞれの機能、（2）Vertex AI Notebooks の作成と管理の方法について説明します。

詳細

このコースでは、Google Cloud の AI および ML 機能について紹介します。特に、生成 AI と予測 AI の両方のプロジェクトの開発に重点を置きます。データから AI へのライフサイクル全体で利用可能なさまざまなテクノロジー、プロダクト、ツールについて説明するとともに、データ サイエンティスト、AI デベロッパー、ML エンジニアがインタラクティブな演習を通じて専門知識を強化できるよう支援します。

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、Dataproc 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

安全な 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、Google Cloud でアプリケーションを ビルド、スケール、保護するための複数のネットワーク関連リソースについて学習します。

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

「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 コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。 この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。 このコースは、次の順で完了する必要があります。 1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本 2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ 3. Google Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ 4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI このシリーズの最後のコースでは、マネージド ビッグデータ サービス、ML とその価値、スキルバッジを獲得して Google Cloud に関するスキルセットをさらに実証する方法について説明します。

詳細

Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。 この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。 このコースは、次の順で完了する必要があります。 1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本 2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャGoogle Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ 4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI この 3 番目のコースでは、クラウドの自動化、管理ツール、安全なネットワークの構築について説明します。

詳細

Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。 この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。 このコースは、次の順で完了する必要があります。 1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本 2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ 3. Google Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ 4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI

詳細

Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。 この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。 このコースは、次の順で完了する必要があります。 1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本 2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ 3. Google Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ 4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI この最初のコースでは、クラウド コンピューティングの概要、Google Cloud の使用方法、さまざまなコンピューティング オプションについて説明します。

詳細

このコースでは、PMLE（Professional Machine Learning Engineer）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、また、試験への準備状況を把握して、個々の学習計画を作成します。

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、AI のプライバシーと安全性に関する重要なトピックを紹介します。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 AI のプライバシーと安全性の推奨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

このコースでは、AI の解釈可能性と透明性のコンセプトを紹介します。デベロッパーとエンジニアにとって AI の透明性が重要であることについて説明します。データと AI モデルの両方で解釈可能性と透明性を達成できる実践的な方法とツールを検証します。

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

Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチ ドキュメントの検査 スキルバッジを獲得できる中級コースを修了すると、次のスキルを実証できます。 Gemini を使用したマルチモダリティにより、マルチモーダル プロンプトを使用してテキストと視覚データから情報を抽出し、動画の説明を生成して、 動画の範囲を超えた追加情報を取得する。Gemini を使用したマルチモーダル検索拡張生成（RAG）により、テキストと画像を含むドキュ引用を出力する。

詳細

このコースでは、AI を活用した検索テクノロジー、ツール、アプリケーションについて学びます。ベクトル エンベディングを利用するセマンティック検索、セマンティック アプローチとキーワード アプローチを組み合わせたハイブリッド検索、グラウンディング対応 AI エージェントとして AI のハルシネーションを最小限に抑える検索拡張生成（RAG）をご紹介します。Vertex AI Vector Search を実践的な経験を積んで、インテリジェントな検索エンジンを構築しましょう。

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、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

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

「Gemini と Streamlit を使用した生成 AI アプリの開発」の中級スキルバッジを獲得すると、 テキストの生成、Python SDK と Gemini API を使用した関数呼び出し、Cloud Run を使用した Streamlit アプリケーションのデプロイといったスキルを実証できます。 ここでは、Gemini にテキスト生成のプロンプトを与えるさまざまな方法を確認し、Cloud Shell を使用して Streamlit アプリケーションのテストとイテレーションを行い、Cloud Run にデプロイされる Docker コンテナとしてパッケージ化します。

詳細

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。

詳細

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、エンジニアによるインフラストラクチャの管理にどのように役立つかについて学習します。アプリケーション ログを検索して理解するように Gemini に指示する方法、GKE クラスタを作成する方法、ビルド環境の作成方法を調査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 DevOps 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、クラウド環境とリソースを安全に保つうえでどのように役立つかを学習します。サンプル ワークロードを Google Cloud の環境にデプロイする方法、Gemini を使用してセキュリティ構成ミスを特定、修正する方法を学びます。ハンズオンラボでは、Gemini を使用することでクラウドのセキュリティ ポスチャ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、ネットワーク エンジニアによる VPC ネットワークの作成、更新、管理にどのように役立つかについて学びます。検索エンジンで調べられる内容を超えた、自身のネットワーキング タスクに固有のガイダンスの提供を Gemini に指示する方法を学習します。ハンズオンラボでは、Gemini を使用することで Google Cloud VPC ネットワークの作業がどのように簡単になるかを体験します。 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、管理者によるインフラストラクチャのプロビジョニングにどのように役立つかについて学習します。Gemini にプロンプトを入力して、インフラストラクチャの説明、GKE クラスタのデプロイ、既存のインフラストラクチャの更新についての情報を取得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 GKE のデプロイ 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、Google の次世代モデルである Gemini に名称変更されました。

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、Gemini が、デベロッパーのアプリケーション構築にどのように役立つかについて学びます。コードの説明、Google Cloud サービスの提案、アプリケーションのコード生成を Gemini に指示する方法について学びます。ハンズオンラボを使用して、Gemini でアプリケーション開発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

企業における AI と ML の利用が拡大し続けるなか、責任を持ってそれを構築することの重要性も増しています。多くの企業にとっての課題は、責任ある AI と口で言うのは簡単でも、それを実践するのは難しいということです。このコースは、責任ある AI を組織で運用化する方法を学びたい方に最適です。 このコースでは、Google Cloud が責任ある AI を現在どのように運用化しているかを、ベスト プラクティスや教訓と併せて学び、責任ある AI に対する独自のアプローチを構築するためのフレームワークとして活用できるようにします。

詳細

「Vertex AI 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、 Vertex AI 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

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、従来の機械学習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