Chorakhe Thiraphat
メンバー加入日: 2022
ゴールドリーグ
23550 ポイント
メンバー加入日: 2022
Google Cloud Computing Foundations コースでは、クラウド コンピューティングの 知識または経験がほとんどあるいはまったくない受講者に、クラウドの基礎、ビッグ データ、機械学習を網羅したコンセプトの概要と、Google Cloud がどこで、どのよう に役立つかについて詳しく説明します。 受講者はコースを修了するまでに、クラウド コンピューティング、ビッグデータ、 機械学習に関連するコンセプトを明確に説明したり、いくつかの実践的スキルを実証し たりできるようになっているはずです。 このコースは、Google Cloud Computing Foundations という一連のコースの一部です。 コースは次の順序で受講してください: Google Cloud Computing Foundations: Cloud Computing Fundamentals - Locales Google Cloud Computing Foundations: Infrastructure in Google Cloud - Locales Google Cloud Computing Foundations: Networking and Security in Google Cloud - Locales Google Cloud Computing Foundations: Data, ML, and AI in Google Cloud - Locales この 2 番目のコースでは、ストレージ モデルの実装、さまざまなアプリケーション マネージド サービス オプション、GoogleCloudでのセキュリティ管理について説明します。
「Google Cloud での TensorFlow を使用した画像の分類」スキルバッジ コースを修了して中級のスキルバッジを獲得しましょう。 このコースでは、TensorFlow と Vertex AI を使用して ML モデルを作成し、トレーニングします。主に Vertex AI Workbench ユーザー管理ノートブックを操作します。
「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。
「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。
「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。
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。
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。
「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。
大規模なコンピューティング能力を使用してパターンを認識し、 画像を「読み取る」ことは、自動運転車や顔認識に使用される AI の基盤技術の一つです 。 Google Cloud Platform は、 API を呼び出すだけで利用できるシステムを通じて、ワールドクラスの速度と精度を提供します。 こうした機能とさまざまな API を備えた GCP のツールを使えば、 ほぼあらゆる ML ジョブに対応できます。 この入門コースでは、 画像処理に用いられる ML の実践的な演習を行います。 ラボを活用して、画像にラベルを付けたり、顔やランドマークを検出したり、 画像内のテキストを抽出、分析、翻訳したりすることができます。
ML は、IT 分野で最も急速に成長している技術の一つであり、Google Cloud Platform はその発展に大きく貢献してきました。 Google Cloud では多数の API により、ほぼすべての ML ジョブに対応するツールを提供しています。 この入門コースでは、ラボを通じて言語処理に活用できる ML の実践演習を行います。 これにより、テキストからのエンティティの抽出、 感情分析と構文解析、音声文字変換のための Speech-to-Text API の使用方法を学ぶことができます。
「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。
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。
「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 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。
「Google Cloud リソースのモニタリングと管理」入門スキルバッジ コースを修了すると、IAM 権限の付与と取り消し、 モニタリング エージェントとロギング エージェントのインストール、イベント ドリブンな Cloud Run 関数 の作成、デプロイ、テストなどのスキルが証明されます。
「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。
「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。
「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。
Google Cloud での Kubernetes アプリケーションのデプロイ 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、 Docker コンテナ イメージの構成とビルド、Google Kubernetes Engine(GKE)クラスタの作成と管理、kubectl を活用した効率的な クラスタ管理、堅牢な継続的デリバリー(CD)による Kubernetes アプリケーションのデプロイ手法といったスキルを実証できます。
「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 でのウェブサイトの構築」スキルバッジ 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。 このコースは「Get Cooking in Cloud」シリーズに基づいており、次の内容を扱います。 Cloud Run でウェブサイトをデプロイするCompute Engine でウェブアプリをホストするGoogle Kubernetes Engine でウェブサイトを作成、デプロイ、 スケーリングするCloud Build を使用してモノリシック アプリケーションからマイクロサービス アーキテクチャに移行する
「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。
「Firebase を使用したサーバーレス アプリの開発」の中級スキルバッジを獲得すると、 Firebase を使用したサーバーレス ウェブ アプリケーションの設計とビルド、 データベース管理における Firestore の活用、Cloud Build を使用したデプロイ プロセスの自動化、 アプリケーションと Google アシスタント機能の統合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。
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。
「Introduction to Generative AI」、「Introduction to Large Language Models」、「Introduction to Responsible AI」の各コースを修了すると、スキルバッジを獲得できます。最終テストに合格することで、ジェネレーティブ AI の基礎概念を理解していることが証明されます。 スキルバッジは、Google Cloud のプロダクトとサービスに関する知識を認定するために Google Cloud が発行するデジタルバッジです。スキルバッジは、ソーシャル メディアの公開プロフィールを作成してそこに追加することで一般向けに共有できます。
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。
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。
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。
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。
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。
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。
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。
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 ML 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。