参加 ログイン

Abdugaffarov Zafar

メンバー加入日: 2023

ダイヤモンド リーグ

56720 ポイント
クラウド コンピューティングにおけるセキュリティ原則の概要 Earned 12月 16, 2025 EST
クラウドのセキュリティ リスク管理戦略 Earned 12月 16, 2025 EST
クラウドのセキュリティ リスク: 脅威の特定と保護対策 Earned 12月 16, 2025 EST
クラウド サイバーセキュリティ攻撃: 検出、対応、復元 Earned 12月 16, 2025 EST
総仕上げ: Google Cloud のセキュリティ アナリストになるための準備 Earned 12月 16, 2025 EST
Put It All Together: Prepare for a Cloud Security Analyst Job Earned 7月 16, 2024 EDT
Detect, Respond, and Recover from Cloud Cybersecurity Attacks Earned 7月 15, 2024 EDT
Cloud Security Risks: Identify and Protect Against Threats Earned 6月 13, 2024 EDT
Strategies for Cloud Security Risk Management Earned 5月 29, 2024 EDT
Introduction to Security Principles in Cloud Computing Earned 5月 16, 2024 EDT
Google Cloud の基礎: コア インフラストラクチャ Earned 4月 23, 2024 EDT
認定試験の学習ガイドを作成する: ACE 認定試験対策 Earned 4月 13, 2024 EDT
Generative AI Explorer - Agent Platform Earned 4月 7, 2024 EDT
Vertex AI Studio の概要 Earned 4月 7, 2024 EDT
画像キャプション モデルの作成 Earned 4月 2, 2024 EDT
Transformer モデルと BERT モデル Earned 4月 2, 2024 EDT
Encoder-Decoder アーキテクチャ Earned 4月 1, 2024 EDT
アテンション機構 Earned 3月 31, 2024 EDT
画像生成の概要 Earned 3月 31, 2024 EDT
責任ある AI: Google Cloud における AI に関する原則の適用 Earned 3月 20, 2024 EDT
Agent Platform におけるプロンプト設計 Earned 3月 19, 2024 EDT
責任ある AI の概要 Earned 3月 12, 2024 EDT
大規模言語モデルの概要 Earned 3月 12, 2024 EDT
生成 AI の概要 Earned 3月 12, 2024 EDT
Looker でのデータモデルの管理 Earned 3月 9, 2024 EST
Looker での LookML オブジェクトの構築 Earned 3月 6, 2024 EST
Data Catalog Fundamentals Earned 2月 28, 2024 EST
Looker での高度な LookML コンセプトの適用 Earned 2月 28, 2024 EST
BigQuery ML を使用した ML モデルの作成 Earned 2月 22, 2024 EST
BigQuery のデータから分析情報を引き出す Earned 2月 21, 2024 EST
Looker ダッシュボードとレポート用にデータを準備する Earned 2月 20, 2024 EST
Developing Data Models with LookML - 日本語版 Earned 2月 20, 2024 EST
Analyzing and Visualizing Data in Looker - 日本語版 Earned 2月 4, 2024 EST
Google Cloud データ分析の基礎 Earned 1月 25, 2024 EST
Vertex AI での ML ソリューションの構築とデプロイ Earned 11月 16, 2023 EST
Google Cloud の ML API 用にデータを準備 Earned 11月 5, 2023 EST
ML Pipelines on Google Cloud - 日本語版 Earned 10月 31, 2023 EDT
Vertex AI を使用した ML オペレーション（MLOps）: 特徴の管理 Earned 10月 7, 2023 EDT
ML オペレーション（MLOps）: 概要 Earned 10月 5, 2023 EDT
Recommendation Systems on Google Cloud Earned 10月 5, 2023 EDT
Google Cloud における AI と ML の概要 Earned 9月 28, 2023 EDT
Natural Language Processing on Google Cloud Earned 9月 21, 2023 EDT
Computer Vision Fundamentals with Google Cloud Earned 9月 5, 2023 EDT
本番環境 ML システム Earned 8月 23, 2023 EDT
企業における ML Earned 8月 21, 2023 EDT
[DEPRECATED] 特徴量エンジニアリング Earned 7月 27, 2023 EDT
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 7月 9, 2023 EDT
Launching into Machine Learning - 日本語版 Earned 6月 26, 2023 EDT
How Google Does Machine Learning - 日本語版 Earned 6月 8, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 Earned 5月 24, 2023 EDT

これは、「Google Cloud サイバーセキュリティ認定証」プログラムの 5 つのコースのうちの 1 つ目です。このコースでは、セキュリティ ライフサイクル、デジタル トランスフォーメーション、クラウド コンピューティングの主要なコンセプトなど、サイバーセキュリティの基本を学びます。エントリーレベルのクラウド セキュリティ アナリストがタスクを自動化するために使用する一般的なツールを特定します。

詳細

これは、「Google Cloud サイバーセキュリティ認定証」プログラムの 5 つのコースのうちの 2 つ目です。このコースでは、広く使用されているクラウド リスク管理フレームワークについて学習し、セキュリティ ドメイン、コンプライアンス ライフサイクル、HIPAA、NIST CSF、SOC などの業界標準について確認します。リスクの特定、セキュリティ管理の実装、コンプライアンス評価、データ保護管理のスキルを身につけます。さらに、リスクとコンプライアンスに特化した Google Cloud ツールとマルチクラウド ツールを実際に使用する経験も積むことができます。また、就職活動や面接の準備に関するテクニックも取り入れ、クラウド リスク管理の複雑な状況を理解し、効果的に対処するための包括的な基礎を提供します。

詳細

これは、「Google Cloud サイバーセキュリティ認定証」プログラムの 5 つのコースのうちの 3 つ目です。このコースでは、クラウド環境における ID 管理とアクセス制御の原則について説明します。AAA（認証、認可、監査）、認証情報の処理、証明書の管理などの重要な要素を取り上げます。また、脅威と脆弱性の管理、クラウドネイティブの原則、データ保護対策といった重要なトピックについても学びます。このコースを修了すると、クラウドベースのリソースを保護し、組織の機密情報を守るために必要なスキルと知識を身につけることができます。さらに、キャリア リソースを活用し、面接のテクニックを磨きながら、プロフェッショナルとしての次のキャリア ステップに備えます。

詳細

これは、「Google Cloud サイバーセキュリティ認定証」プログラムの 5 つのコースのうちの 4 つ目です。このコースでは、ロギング、セキュリティ、アラートのモニタリングの機能と、攻撃を軽減する手法の開発に重点を置いて説明します。脅威フィードのカスタマイズ、インシデント管理、危機管理コミュニケーション、根本原因分析、インシデント対応、イベント後のコミュニケーションに関する貴重な知識を習得できます。Google Cloud ツールを使用して、セキュリティ侵害インジケーターを特定し、ビジネスの継続性と障害復旧に備える方法も学びます。これらの技術スキルに加えて、履歴書の更新や面接のテクニックの練習も行います。

詳細

これは、「Google Cloud サイバーセキュリティ認定証」プログラムの 5 つのコースのうちの 5 つ目です。このコースでは、クラウド セキュリティの原則、リスク管理、脆弱性の特定、インシデント管理、危機管理コミュニケーションなどの重要なコンセプトを組み合わせて適用する、インタラクティブな集大成プロジェクトに取り組みます。また、履歴書の最終更新を行い、新しい面接テクニックを駆使して、この分野の就職活動や面接に自信を持って臨めるようにします。

詳細

This is the fifth of five courses in the Google Cloud Cybersecurity Certificate. In this course, you’ll combine and apply key concepts such as cloud security principles, risk management, identifying vulnerabilities, incident management, and crisis communications in an interactive capstone project. Additionally, you'll finalize your resume updates and put to practice all the new interview techniques you've learned, preparing you to confidently apply for and interview for jobs in the field.

詳細

This is the fourth of five courses in the Google Cloud Cybersecurity Certificate. In this course, you’ll focus on developing capabilities in logging, security, and alert monitoring, along with techniques for mitigating attacks. You'll gain valuable knowledge in customizing threat feeds, managing incidents, handling crisis communications, conducting root cause analysis, and mastering incident response and post-event communications. Using Google Cloud tools, you'll learn to identify indicators of compromise and prepare for business continuity and disaster recovery. Alongside these technical skills, you'll continue updating your resume and practicing interview techniques.

詳細

This is the third of five courses in the Google Cloud Cybersecurity Certificate. In this course, you’ll explore the principles of identity management and access control within a cloud environment, covering key elements like AAA (Authentication, Authorization, and Auditing), credential handling, and certificate management. You'll also explore essential topics in threat and vulnerability management, cloud-native principles, and data protection measures. Upon completing this course, you will have acquired the skills and knowledge necessary to secure cloud-based resources and safeguard sensitive organizational information. Additionally, you'll continue to engage with career resources and hone your interview techniques, preparing you for the next step in your professional journey.

詳細

This is the second of five courses in the Google Cloud Cybersecurity Certificate. In this course, you’ll explore widely-used cloud risk management frameworks, exploring security domains, compliance lifecycles, and industry standards such as HIPAA, NIST CSF, and SOC. You'll develop skills in risk identification, implementation of security controls, compliance evaluation, and data protection management. Additionally, you'll gain hands-on experience with Google Cloud and multi-cloud tools specific to risk and compliance. This course also incorporates job application and interview preparation techniques, offering a comprehensive foundation to understand and effectively navigate the complex landscape of cloud risk management.

詳細

This is the first of five courses in the Google Cloud Cybersecurity Certificate. In this course, you’ll explore the essentials of cybersecurity, including the security lifecycle, digital transformation, and key cloud computing concepts. You’ll identify common tools used by entry-level cloud security analysts to automate tasks.

詳細

Google Cloud の基礎: コア インストラクチャ では、Google Cloud に関する重要なコンセプトと用語について説明します。このコースでは動画とハンズオンラボを通じて学習を進めていきます。Google Cloud の多数のコンピューティング サービスとストレージ サービス、そしてリソースとポリシーを管理するための重要なツールについて比較しながら説明します。

詳細

Gemini Notebook を使用して、Associate Cloud Engineer 認定試験に向けて自分に合っ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、Gemini Notebook でノートブックを作成し、認定試験に向けた練習に学習ガイドを使用する方法を身に付けます。

詳細

「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。

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

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

「Agent Platform 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、 Agent Platform 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 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。

詳細

「Looker でのデータモデルの管理」スキルバッジを獲得できる中級コースを修了すると、 次のスキルを身につけていることを実証できます。LookML プロジェクトを健全に維持する、SQL Runner を利用してデータを検証する、 LookML のベスト プラクティスを実践する、パフォーマンス向上のためにクエリとレポートを最適化する、 永続的な派生テーブルとキャッシュ保存ポリシーを実装する。

詳細

「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。

詳細

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.

詳細

このコースでは、Looker における高度な LookML の概念を 実践的に学びます。Liquid を使用して動的なディメンションやメジャーをカスタマイズ、作成する方法、 動的 SQL 派生テーブルやカスタマイズされたネイティブ派生テーブルの作成方法、 さらに extends を使って LookML コードをモジュール化する方法を習得します。

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

「BigQuery のデータから分析情報を引き出す」の入門スキルバッジを獲得すると、 SQL クエリの作成、一般公開テーブルに対するクエリの実行、BigQuery へのサンプルデータの読み込み、BigQuery でのクエリ バリデータを使用した一般的な構文エラーのトラブルシューティング、 BigQuery データへの接続による Data Studio でのレポート作成といったスキルを実証できます。

詳細

「Looker ダッシュボードとレポート用にデータを準備する」スキルバッジを獲得できる入門コースを修了すると、 データのフィルタ、並べ替え、ピボット、異なる Looker Explore から取得した結果の統合、 関数と演算子を使用してデータを分析し可視化するための Looker ダッシュボードとレポートの作成に関するスキルを実証できます。

詳細

このコースを受講すると、スケーラブルでパフォーマンスの高い LookML（Looker モデリング言語）モデルを開発し、ビジネス ユーザーの疑問解決に役立つ標準化されたすぐに使えるデータを提供できるようになります。このコースの修了時には、組織の Looker インスタンスでデータをキュレートして管理するための LookML モデルの構築と維持が可能になります。

詳細

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。

詳細

Google Cloud を活用して、生の数値データを明確かつデータドリブンな意思決定に変換する方法を学びましょう。この初級レベルのコースでは、ハンズオンラボと実践的なシナリオを通じて、BigQuery でのデータのクエリ、Looker での傾向分析、データポータルでの共有可能なインタラクティブ レポートの作成について説明します。

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

「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、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、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

In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.

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 開発者、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

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

詳細

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

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、ML ワークフローに対する実践的なアプローチを取り上げます。具体的には、いくつかの ML のビジネス要件とユースケースに取り組む ML チームをケーススタディ形式で紹介します。このチームは、データ マネジメントとガバナンスに必要なツールを理解し、データの前処理に最適なアプローチを検討する必要があります。 2 つのユースケースに対して ML モデルを構築するための 3 つのオプションがチームに提示されます。このコースでは、チームの目標を達成するために、AutoML、BigQuery ML、カスタム トレーニングを使用する理由について説明します。

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

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、まず、データ品質を向上させる方法や探索的データ分析を行う方法など、データについての議論から始めます。Vertex AI AutoML について確認し、コードを一切記述せずに ML モデルを構築、トレーニング、デプロイする方法を説明します。また、BigQuery ML のメリットを確認します。その後、ML モデルを最適化する方法、一般化とサンプリングを活用してカスタム トレーニング向けに ML モデルの品質を評価する方法を説明します。

詳細

Google Cloud で機械学習を実装する際のベスト プラクティスには何があるでしょうか。Vertex AI とは何であり、このプラットフォームを使用してコードを 1 行も記述せずに AutoML 機械学習モデルを迅速に構築、トレーニング、デプロイするにはどうすればよいでしょうか。機械学習とはどのようなもので、どのような問題の解決に役立つのでしょうか。 Google では機械学習について独自の視点で考えています。マネージド データセット、特徴量ストア、そしてコードを 1 行も記述せずに迅速に機械学習モデルを構築、トレーニング、デプロイする手段を 1 つにまとめた統合プラットフォームを提供するとともに、データにラベル付けし、TensorFlow、SciKit Learn、Pytorch、R やその他のフレームワークを使用して Workbench ノートブックを作成できるようにすることが、Google の考える機械学習の在り方です。Google の Vertex AI プラットフォームでは、カスタムモデルをトレーニングしたり、コンポーネント パイプラインを構築したりすることもできます。さらに、オンライン予測とバッチ予測の両方を実施できます。このコースでは、候補となるユースケースを機械学習で学習できる形に変換する 5 つのフェーズについても説明し、これらのフェーズを省略しないことが重要である理由について論じます。最後に、機械学習によって増幅される可能性のあるバイアスの認識と、それを識別する方法について説明します。

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