メンバー加入日: 2020
認定資格試験の学習ガイドを作成する: PMLE 認定試験対策
Earned 11月 20, 2025 EST
Analyzing and Visualizing Data in Looker - 日本語版
Earned 7月 10, 2024 EDT
ベースライン: データ、ML、AI
Earned 9月 20, 2020 EDT
Google Cloud の Kubernetes
Earned 9月 1, 2020 EDT
機械学習API
Earned 8月 19, 2020 EDT
Data Catalog Fundamentals
Earned 8月 15, 2020 EDT
BigQuery for Marketing Analysts
Earned 8月 13, 2020 EDT
Gemini Notebook を使用して、Professional Machine Learning Engineer（PMLE）認定試験に向けてパーソナライズされた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、ノートブックを作成し、その学習ガイドを使用して認定資格試験に向けて練習します。
このコースでは、これまで主に SQL のデベロッパーやアナリストが行っていたようなデータの探索や分析を Looker で実施する方法について学びます。このコースを修了すると、Looker の最新の分析プラットフォームを活用して、組織の Looker インスタンスにおける関連性の高いコンテンツの検索と探索、データに関する問い合わせ、必要に応じた新しい指標の作成、データドリブンな意思決定を促進するためのビジュアリゼーションとダッシュボードの作成や共有を行えるようになります。
ビッグデータ、ML、AI は今日のコンピュータ業界ではホットなトピックですが、 これらの分野は非常に専門性が高く、 入門レベルの教材を見つけるのは困難です。幸いなことに、Google Cloud はこうした分野でユーザー フレンドリーなサービスを提供しており、 この入門レベルのコースを通じて、BigQuery、Cloud Speech API、 Video Intelligence などのツールを使い始めるための第一歩を踏み出せます。
Kubernetes は最も人気のあるコンテナ オーケストレーション システムであり、Google Kubernetes Engine は特に Google Cloud でマネージド Kubernetes Deployment をサポートするよう 設計されています。この上級レベルのコースでは、 Docker イメージとコンテナを構成し、本格的な Kubernetes Engine アプリケーションをデプロイする実践演習を行います。 また、コンテナ オーケストレーションを独自のワークフローに統合するために必要な 実践的なスキルを学びます。 ハンズオン チャレンジラボを受講して、 スキルを証明し、知識を確認することもできます。このコースの修了後、 Google Cloud での Kubernetes アプリケーションのデプロイコースの 最後にあるチャレンジラボを追加で完了して、Google Cloud の限定デジタルバッジを獲得しましょう。
機械学習はもっとも迅速に成長しているテクノロジーの分野です。Google Cloud Platformは、その成長に一役かっています。APIのホストを使うことにより、GCPにはツールがあります。この上級レベルのクエストでは、「Implementing an AI Chatbot with Dialogflow」や「Detect Labels, Faces, and Landmarks in Images with the Cloud Vision API」と同様に機械学習APIについてハンズオンで演習ができます。
Data Catalog is deprecated and will be discontinued on January 30, 2026. You can still complete this course if you want to. For steps to transition your Data Catalog users, workloads, and content to Dataplex Catalog, see Transition from Data Catalog to Dataplex Catalog (https://cloud.google.com/dataplex/docs/transition-to-dataplex-catalog). Data Catalog is a fully managed and scalable metadata management service that empowers organizations to quickly discover, understand, and manage all of their data. In this quest you will start small by learning how to search and tag data assets and metadata with Data Catalog. After learning how to build your own tag templates that map to BigQuery table data, you will learn how to build MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors.
マーケティングデータを洞察し、ダッシュボード構築はいかがでしょう？大規模な分析とモデル構築のために、すべてのデータを1か所にまとめましょう。クエリ方法を学び、また BigQuery を使用しながら、再現性があり、拡張可能、そして価値ある洞察を データ化します。 BigQuery は、Google が完全管理しており、 NoOpsで、低コストの分析データベースです。 BigQuery を使用すれば、管理すべき インフラストラクチャを持たずに、またはデータベース管理者を必要とすることなく、何テラバイトものデータをクエリすることができます。 BigQuery は SQL を使用し、従量制モデルを利用できます。 BigQuery を使用すれば、データ分析に集中でき、意味ある洞察を見い出だすことができます。