参加 ログイン

Carton Laurence

メンバー加入日: 2023

シルバーリーグ

20696 ポイント
エンタープライズ AI エージェントの保護 Earned 10月 14, 2026 EDT
ADK と MCP を使用して連携型マルチエージェント システムを構築する Earned 10月 6, 2026 EDT
Google Cloud での Kubernetes の管理 Earned 2月 5, 2025 EST
Google Cloud への CI / CD パイプラインの実装 Earned 1月 28, 2025 EST
Google Cloud の ML API 用にデータを準備 Earned 6月 4, 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 24, 2024 EDT
Dataflow を使用したサーバーレスのデータ処理: 運用 Earned 10月 27, 2023 EDT
Dataflow を使用したサーバーレスのデータ処理: 基礎 Earned 10月 3, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版 Earned 10月 2, 2023 EDT
Introduction to Vertex Forecasting and Time Series in Practice Earned 9月 29, 2023 EDT
Google Cloud でのバッチデータ パイプラインの構築 Earned 9月 29, 2023 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 9月 15, 2023 EDT
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 8月 11, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 Earned 8月 4, 2023 EDT
認定資格試験の学習ガイドを作成する: PDE 認定試験対策 Earned 7月 20, 2023 EDT

Google Cloud で AI エージェントを保護し、管理する方法を学びます。このコースでは、エージェントのメモリを保護し、IAM と VPC Service Controls を使用して厳格なアクセス制御を適用するほか、リアルタイムの会話ガードレールをデプロイして、安全かつコンプライアンスに準拠したエンタープライズ デプロイを実現するための実践的なロードマップを提供します。

詳細

Google の Agent Development Kit（ADK）と Model Context Protocol（MCP）を使用して、マルチエージェント システムを設計、調整、デプロイする方法を学びます。旅行コンシェルジュの例を使用して、カスタム ガードレールを備えた専門エージェントのネットワークをオーケストレートする方法を学びます。このコースを修了すると、堅牢でスケーラブルな AI ワークフローに必要な設計パターンとデプロイ戦略を理解できます。

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

「Google Cloud への CI / CD パイプラインの実装」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。 Artifact Registry、Cloud Build、Cloud Deploy の使用方法を学習できます。Cloud コンソール、Google Cloud CLI、Cloud Run、GKE を使用します 。このコースでは、継続的インテグレーション（CI） パイプラインの構築、アーティファクトの保存と保護、脆弱性のスキャン、承認されたリリースの有効性の証明 の方法を説明します。さらに、アプリケーションを GKE と Cloud Run の両方にデプロイするという実践的な経験を積むことができます。

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、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

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

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 course is an introduction to building forecasting solutions with Google Cloud. You start with sequence models and time series foundations. You then walk through an end-to-end workflow: from data preparation to model development and deployment with Vertex AI. Finally, you learn the lessons and tips from a retail use case and apply the knowledge by building your own forecasting models.

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

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

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

Gemini Notebook を使用して、Professional Data Engineer 認定試験に向けた自分専用の学習ガイドを作成する方法を学びます。Gemini Notebook の機能を確認して、Gemini Notebook でノートブックを作成し、認定試験の対策として学習ガイドを活用する方法を身につけます。

詳細