参加 ログイン

Kim Subin

メンバー加入日: 2022

Agent Development Kit（ADK）を使用した AI エージェントのエンジニアリング Earned 9月 30, 2026 EDT
BigQuery でマルチモーダル ベクトル検索を実装する Earned 9月 30, 2026 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 9月 30, 2026 EDT
Build Agent Skills with Google Earned 9月 30, 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 9月 30, 2026 EDT
Model Armor: AI デプロイの保護 Earned 9月 30, 2026 EDT
Gemini Enterprise を使用したマルチエージェント ワークフローのオーケストレーション Earned 9月 30, 2026 EDT
Google Cloud Agent Governance and Security Earned 9月 30, 2026 EDT
エージェントのメモリと状態を管理する Earned 9月 30, 2026 EDT
最初のエージェントをデプロイする Earned 9月 30, 2026 EDT
ツールによるエージェント機能の拡張 Earned 9月 30, 2026 EDT
生成 AI エージェント: 組織の変革 Earned 9月 30, 2026 EDT
生成 AI: 現在の状況を知る Earned 9月 30, 2026 EDT
生成 AI アプリ: 働き方を変革する Earned 9月 30, 2026 EDT
生成 AI: 基本概念の理解 Earned 9月 30, 2026 EDT
本番環境でエージェントを構築してデプロイする Earned 9月 30, 2026 EDT
エージェントの動作を最適化する Earned 9月 30, 2026 EDT
Gemini でマルチモーダル データを分析し、推論する Earned 9月 30, 2026 EDT
メタデータの拡充と Lakehouse データの検出 Earned 9月 30, 2026 EDT
生成 AI: chatbot を超えて Earned 9月 30, 2026 EDT
Coordinate Multiple Agents Earned 9月 30, 2026 EDT
エンタープライズ AI エージェントの保護 Earned 9月 29, 2026 EDT
人間中心の AI Earned 9月 29, 2026 EDT
Lakehouse データの保護 Earned 9月 29, 2026 EDT
BigQuery のデータから分析情報を引き出す Earned 9月 29, 2026 EDT
Dataplex によるデータの整理と統制 Earned 9月 29, 2026 EDT
Google AI Studio で AI を活用したプロトタイプを開発する Earned 9月 29, 2026 EDT
Gemini モデルの機能を強化する Earned 9月 29, 2026 EDT
Agent Platform で生成 AI を使ってみる Earned 9月 29, 2026 EDT
Agent Development Kit（ADK）を使用したエージェントの構築を始める Earned 9月 23, 2026 EDT
Agent Development Kit（ADK）を使用したエージェントの構築 Earned 9月 23, 2026 EDT
Agent Platform におけるプロンプト設計 Earned 9月 23, 2026 EDT
Gemini Enterprise アプリケーションの作成を始める Earned 9月 22, 2026 EDT
Enterprise のエージェントとユースケース Earned 9月 22, 2026 EDT
エージェントの基礎 Earned 9月 22, 2026 EDT
AI エージェントの概要 Earned 9月 22, 2026 EDT
Gemini in Google Vids Earned 6月 5, 2026 EDT
AI Boost Bites: Gemini の画像からスプレッドシートへの変換ハック Earned 6月 5, 2026 EDT
AI Boost Bites: 戦略の弱点を見つける Earned 6月 5, 2026 EDT
[DEPRECATED] AI Boost Bites: NotebookLM for Competitive Edge Earned 6月 5, 2026 EDT
Unleash Team Potential: Assess Learning Needs Using GenAI Earned 6月 5, 2026 EDT
Gemini in Google ドライブ Earned 10月 2, 2024 EDT
Gemini in Google Meet Earned 8月 15, 2024 EDT
Gemini in Google スプレッドシート Earned 8月 15, 2024 EDT
Gemini in Google スライド Earned 8月 15, 2024 EDT
Gemini in Google ドキュメント Earned 8月 15, 2024 EDT
Gemini in Gmail Earned 8月 15, 2024 EDT
Google Workspace with Gemini: AI ワークフローの基盤 Earned 8月 8, 2024 EDT
責任ある AI: Google Cloud における AI に関する原則の適用 Earned 2月 22, 2024 EST
Transformer モデルと BERT モデル Earned 10月 16, 2023 EDT
Encoder-Decoder アーキテクチャ Earned 10月 16, 2023 EDT
アテンション機構 Earned 10月 16, 2023 EDT
画像キャプション モデルの作成 Earned 10月 16, 2023 EDT
Vertex AI Studio の概要 Earned 10月 16, 2023 EDT
画像生成の概要 Earned 10月 4, 2023 EDT
Generative AI Fundamentals - 日本語版 Earned 9月 18, 2023 EDT
責任ある AI の概要 Earned 9月 6, 2023 EDT
大規模言語モデルの概要 Earned 9月 6, 2023 EDT
生成 AI の概要 Earned 9月 4, 2023 EDT
Google Cloud の Kubernetes Earned 7月 19, 2022 EDT
信頼性に優れた Google Cloud インフラストラクチャ: 設計とプロセス Earned 6月 20, 2022 EDT
Google Cloud ネットワークの構築 Earned 6月 19, 2022 EDT
BigQuery でデータ ウェアハウスを構築する Earned 6月 19, 2022 EDT
クラウド エンジニアリング Earned 4月 16, 2022 EDT
柔軟性のある Google Cloud インフラストラクチャ: スケーリングと自動化 Earned 4月 15, 2022 EDT
重要な Google Cloud インフラストラクチャ: コアサービス Earned 4月 14, 2022 EDT
重要な Google Cloud インフラストラクチャ: 基礎 Earned 4月 11, 2022 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 10, 2022 EDT
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 3月 31, 2022 EDT
[DEPRECATED] Data Engineering Earned 3月 30, 2022 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 3月 28, 2022 EDT
Dataflow を使用したサーバーレスのデータ処理: 運用 Earned 3月 28, 2022 EDT
Dataflow を使用したサーバーレスのデータ処理: パイプラインの開発 Earned 3月 25, 2022 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版 Earned 3月 23, 2022 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 3月 22, 2022 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 3月 18, 2022 EDT
How Google Does Machine Learning - 日本語版 Earned 3月 18, 2022 EDT
Dataflow を使用したサーバーレスのデータ処理: 基礎 Earned 3月 17, 2022 EDT
Google Cloud の ML API 用にデータを準備 Earned 3月 17, 2022 EDT
ベースライン: データ、ML、AI Earned 3月 16, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 Earned 3月 14, 2022 EDT
Compute Engine での Cloud Load Balancing の実装 Earned 3月 12, 2022 EST
Google Cloud におけるアプリ開発環境の設定 Earned 3月 12, 2022 EST
ベースライン: インフラストラクチャ Earned 3月 10, 2022 EST
Google Cloud の基礎: コア インフラストラクチャ Earned 3月 8, 2022 EST
Google Cloud の基礎 Earned 3月 2, 2022 EST

「Agent Development Kit（ADK）を使用した AI エージェントのエンジニアリング」の中級スキルバッジを獲得できるコースを修了すると、 現実世界の言語モデルにおける研究課題の策定、簡単なトークナイザーの構築、Transformer 言語モデルのトレーニング用データセットの準備、小規模言語モデルのトレーニング ループの実行といったスキルを実証できます。

詳細

「BigQuery でマルチモーダル ベクトル検索を実装する」スキルバッジを獲得できるこの中級コースを修了すると、 Gemini in BigQuery を使用した SQL の生成とデバッグ、感情分析の実施、 テキストの要約とキーワードの特定、エンベディングの生成、検索拡張生成（RAG）パイプラインの作成、 マルチモーダル ベクトル検索の実装に関するスキルを実証できます。

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

Close the gap between general AI capabilities and your domain knowledge through Agent Skills. This course walks you through the full lifecycle of custom skill building, from local scaffolding and testing to enterprise scaling and sharing using Google's agent ecosystem, including Google Antigravity, ADK, and Skill Registry. Additionally, you use Google Agents CLI toolkit to attach skills to standalone 24/7 cloud agents, equipping your team with reliable, autonomous digital coworkers.

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

このコースでは、Model Armor の重要なセキュリティ機能を復習し、このサービスを使いこなすための技術が身についていることを確認します。LLM に関連するセキュリティ リスクと、Model Armor にによる AI アプリケーションの保護の仕組みについて説明します。

詳細

「Gemini Enterprise を使用したマルチエージェント ワークフローのオーケストレーション」入門スキルバッジ コースを修了すると、Gemini Enterprise を活用したエージェント アシスタントを使用して、ファースト パーティとサードパーティのソース間でのデータ統合、マルチメディア マーケティング資料の作成、システム間でのビジネス アクションの自動化を行うスキルがあることを証明できます。 スキルバッジは、ハンズオンラボと課題の評価を通じて特定のプロダクトに関する実践的な知識を証明するものです。コースを修了してバッジを獲得することも、チャレンジラボに直接挑戦して今すぐバッジを獲得することもできます。バッジはトピックに習熟していることの証明であり、仕事用プロフィールの充実、ひいてはキャリアの可能性拡大につながります。獲得したバッジを確認するには、プロフィールにアクセスしてください。

詳細

As enterprise teams transition to autonomous AI agents, security evolves toward proactive, identity-centric protection. In this course, you will implement a zero-trust security architecture for Cymbal Banking's underwriting platform using the Gemini Enterprise Agent Platform. By deploying a regional Egress Agent Gateway, configuring Model Armor and Semantic Governance (SGP) safety templates, assigning cryptographic SPIFFE identities to agent runtimes, and declaring a VPC-SC perimeter in Terraform, you will protect database boundaries and manage tools with production-grade governance.

詳細

クエリに応答する基本的な LLM エージェントを構築したら、次はこれをステートフルにします。セッション状態を使用して、コンテキストを維持し、ユーザーの設定を記憶し、パーソナライズされたエクスペリエンスを提供するエージェントを構築します。エージェントを、ステートレスな応答者からインテリジェントなアシスタントに変貌させます。 Gemini Enterprise Agent Ready（GEAR）プログラムの他のコンテンツも併せてご確認ください。 コミュニティ フォーラムでは質問やディスカッションを行えます。ぜひご参加ください

詳細

エージェントを localhost から本番環境に移行します。このコースでは、ADK エージェントを Vertex AI Agent Engine と Cloud Run にデプロイする方法を学びます。メモリバンクを使用するセッション間メモリについても、任意で受講できます。

詳細

高度な構成を備えたエージェントを構築できたら、次はエージェントに実際の機能を付与します。ウェブの検索、コードの実行、データベースのクエリ、カスタム アクションの実行を可能にするツールをエージェントに搭載します。エージェントを、インテリジェントな応答者から行動を起こす有能なアシスタントへと変貌させます。

詳細

「Gen AI エージェント: 組織の変革」は、Gen AI Leader 学習プログラムの最後となる 5 番目のコースです。このコースでは、組織でカスタム生成 AI エージェントを使用して特定のビジネス課題に対処する方法を学習します。基本的な生成 AI エージェントを構築する実践演習を行うとともに、モデル、推論ループ、ツールなどのエージェントの構成要素について見ていきます。

詳細

「生成 AI: 現在の状況を知る」は、生成 AI リーダー学習プログラムの 3 つ目のコースです。生成 AI は、私たちの働き方や、私たちを取り巻く世界との関わり方を変えつつあります。リーダーとして、その力をどのように活用し、真のビジネス成果につなげればよいのでしょうか？このコースでは、生成 AI ソリューションの構築におけるさまざまなレイヤ、Google Cloud のサービス、ソリューションを選択する際に考慮すべき要素について学びます。

詳細

「生成 AI アプリ: 働き方を変革する」は、生成 AI リーダー学習プログラムの 4 つ目のコースです。このコースでは、Gemini for Workspace や NotebookLM など、Google の生成 AI アプリケーションを紹介します。グラウンディング、検索拡張生成、効果的なプロンプトの作成、自動化されたワークフローの構築などのコンセプトについて学びます。

詳細

「生成 AI: 基本概念の理解」は、Gen AI Leader 学習プログラムの 2 つ目のコースです。このコースでは、AI、ML、生成 AI の違いを探り、さまざまな種類のデータが生成 AI によるビジネス課題への対処を可能にする仕組みを理解することで、生成 AI の基本概念を習得します。また、基盤モデルの限界に対処するための Google Cloud の戦略、および責任ある安全な AI の開発と導入における重要な課題に関するインサイトも得られます。

詳細

Google の Agent Development Kit（ADK）と Google Cloud の堅牢なインフラストラクチャを使用したマルチ エージェント システムのアーキテクチャとデプロイについて確認します。サーバーレスの Cloud Run から高パフォーマンスの GKE まで、最適なホスティング環境を特定しながら、階層型エージェント ツリーと決定論的ワークフロー エージェントを設計する方法を学びます。これにより、セキュリティとスケーラビリティに優れた、プロダクション レディな AI エージェントの構築が可能になります。

詳細

初めてのエージェントを構築できたところで、次のステップに進みましょう。このコースでは、高度な指示、モデル選択、計画機能、構造化出力パターンを適用して、基本的な AI エージェントを高度で正確なアシスタントに変える方法を学び、スキルを向上させます。 コミュニティ フォーラムでは質問やディスカッションを行えます。ぜひご参加ください。

詳細

「Gemini でマルチモーダル データを分析し、推論する」の中級スキルバッジを獲得すると、Gemini 2.0 Flash を使用してテキスト、画像、音声（楽譜として表現）、動画データを分析し、これらの情報の組み合わせで推論を行い、結論を導き出して、分析情報を抽出するスキルを実証できます。

詳細

メタデータの拡充と Lakehouse データの検出スキルバッジ コースを修了すると、BigQuery、Lakehouse、 Knowledge Catalog のスキルを証明できます。Lakehouse テーブルを作成し、メタデータ管理とテーブルデータの検出を強化できます。

詳細

「生成 AI: chatbot を超えて」は、生成 AI リーダー学習プログラムの最初のコースで、前提条件はありません。このコースは、chatbot の基礎的な理解をさらに広げ、組織で実現できる生成 AI の真の可能性を把握することを目的としています。基盤モデルやプロンプト エンジニアリングなど、生成 AI の力を活用するうえで重要な概念も紹介します。また、このコースでは、組織において優れた生成 AI 戦略を策定する場合に検討するべき重要事項も見ていきます。

詳細

Learn to coordinate multiple specialized agents working together. This lesson teaches you when to use multi-agent systems, how to orchestrate agents with workflow patterns, and how agents communicate through shared state. By the end, you’ll build a complete multi-agent application.

詳細

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

タスク主導のワークフローから人間中心の AI オーケストレーションへの重要な転換について説明します。拡張と自動化を戦略的に見極め、機械の効率性と人間の直感のバランスを取る考え方を学びます。

詳細

「Lakehouse データの保護」入門スキルバッジ コースを修了すると、Knowledge Catalog 内の IAM、BigQuery、Lakehouse、 Data Catalog を使用して Lakehouse テーブルを作成し、保護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

「Dataplex を使用したデータの整理と管理」入門コースを修了してスキルバッジを獲得すると、Dataplex アセットの作成、アスペクト タイプの作成、Dataplex のエントリへのアスペクトの適用に関するスキルを証明できます。 スキルバッジは、ハンズオンラボと課題の評価を通じて特定のプロダクトに関する実践的な知識を証明するものです。コースを修了してバッジを獲得することも、チャレンジラボに直接挑戦して今すぐバッジを獲得することもできます。 バッジはトピックに習熟していることの証明であり、仕事用プロフィールの充実、ひいてはキャリアの可能性拡大につながります。獲得したバッジを確認するには、プロフィールにアクセスしてください。

詳細

「Google AI Studio で AI を活用したプロトタイプを開発する」入門スキルバッジ コースを修了すると、 効果的なプロンプトの作成、画像と動画の分析にマルチモーダル機能を活用する方法、テンプレートとテキスト プロンプトから機能的な AI 駆動型アプリケーションのプロトタイプを作成する方法、 カスタム AI ソリューションを構築してデプロイするために API キーを使用する方法を学習できます。

詳細

「Gemini モデルの機能を強化する」 の中級スキルバッジを獲得すると、次のスキルを実証できます。Gemini モデルの高度な機能 （コードの生成と実行、グラウンディング、制御されたコンテンツ生成、 合成データの作成など）を活用して、より強力で洗練された AI アプリケーションを構築できます。

詳細

「Agent Platform で生成 AI を使ってみる」の中級スキルバッジを獲得すると、 テキスト生成、画像と動画の分析によるコンテンツ作成の強化、Gemini API 内での関数呼び出し手法の適用といったスキルを実証できます。 Gemini の高度な手法の活用、マルチモーダル コンテンツの生成、AI を活用したプロジェクトの機能拡張を行う方法を学びましょう。

詳細

Google の Agent Development Kit（ADK）を使用して AI エージェントを初めて構築、構成、実行してみることで、エージェントに関する理解を実践に活かしましょう。 この実践的なコースでは、完全な ADK 開発環境をセットアップしたうえで、Python コードと YAML 構成の両方を使用してエージェントを作成し、複数のインターフェースを介してエージェントを実行します。また、エージェントの動作を定義するコア パラメータについても学習し、コース 1 で学習した内容を実際に使えるコードに適用します。

詳細

Agent Development Kit（ADK）を使用して、複雑でプロダクション レディな AI エージェントを構築する方法について学習します。このコースでは、ADK のオープンソース フレームワークについて学び、簡単なプロンプト エンジニアリングから、エンタープライズ クラスのマルチエージェント システムに適したコードファーストの構造化ソフトウェア開発アプローチに移行する方法を習得します。

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

Gemini Enterprise アプリケーションの作成を始めて、スキルバッジを獲得しましょう。さまざまなデータソースをアプリケーションに接続し、強力で統合された検索・分析エンジンを構築します。Deep Research エージェント、マルチエージェント アイディエーション、NotebookLM を使用した集中的な分析などの高度な機能を習得します。

詳細

AI エージェントがビジネスの成果を促進する仕組みについて学習します。エージェント タイプを KPI にマッピングし、実際のボトルネックを解決するユースケースを確認します。次に、Gemini Enterprise が、ノーコード ソリューションからハイコード ソリューションまで、適切なエージェントの構築とオーケストレーションをどのように支援するのかについて学びます。

詳細

このコースでは、AI エージェントの基礎について解説し、エージェントが現実の場面でどのように真価を発揮するのかを確認します。自律的で目標指向のふるまいという観点から AI システムを理解したいと考えている開発者、アーキテクト、技術的意思決定者にとっての基盤となります。

詳細

AI エージェントのコンセプトの概要を理解したうえで、AI エージェントが自律的なアクションと推論を使用して複雑な問題を解決する仕組みを学習します。また、エージェントがユーザーに代わって学習、計画し、目標を達成できるようにする技術的アーキテクチャ（モデル、ツール、オーケストレーション）について学びます。

詳細

このコースでは、Google Workspace の AI 搭載作成ツールである Google Vids を紹介します。Google Vids を使用すると、編集経験がなくても、未加工のドキュメントをプロフェッショナルで魅力的な動画に変換できます。テンプレートと自動化ツールを使用して下書きをすばやく生成する方法や、文字起こしベースの編集、動的な視覚効果、カスタム音楽を使用してコンテンツをカスタマイズする方法を学びます。最後に、AI アバターとナレーションを統合して、さまざまなビジネス ユースケースでプレゼンテーションのナレーションをシームレスに行う方法を学びます。

詳細

この動画では、Gemini を使用して、面倒な手動データ入力を排除する方法について説明します。PDF、紙、画像などのデータから写真やスクリーンショットを撮り、Gemini に指示して構造化された Google スプレッドシートに即座に変換する方法を学びます。Gemini をデータ入力アシスタントとして活用し、データ文字起こしにかかる時間を大幅に短縮する簡単な方法をご紹介します。撮影して、プロンプトを入力し、エクスポートするだけです。

詳細

この動画では、AI を使用して戦略の弱点や隠れた前提を特定する方法について説明します。AI プロンプトを使用して計画を簡単にストレステストし、ギャップを明らかにして戦略的思考を強化する「弱点を洗い出す」方法を学びます。

詳細

This video will cover how to use NotebookLM to gather and analyze publicly available information, combine it with internal documents, and extract key competitive insights.

詳細

Unleash Team Potential: Assess Learning Needs Using GenAI offers practical guidance on using generative AI to perform skill assessment and career development recommendations, thus empowering leaders to elevate team performance, foster talent growth, and bridge skill gaps to achieve success.

詳細

このコースでは、Gemini in Google ドライブを使用してファイルを管理および取得する方法について解説します。自然言語を使用してアセットを検索する方法、ファイルを開かずに AI による概要から特定の事実を抽出する方法、複数のメディア形式を即座に要約する方法、ファイルのコレクションをプロジェクトとして保存して調査に繰り返し活用する方法を学びます。

詳細

このコースでは、Gemini in Google Meet を使用して動画コラボレーションを強化する方法について解説します。メモの自動作成、テキストや音声のリアルタイム翻訳の活用、見逃した議論の内容を非公開で確認する方法、音声や動画の品質の瞬時に最適化する方法について学びます。

詳細

このコースでは、Gemini in Google スプレッドシートを使用して、データの整理を自動化し、複雑な数値を処理する方法について説明します。高度なスプレッドシートの専門知識がなくても、未加工のテキストからテーブルを構造化したり、自然言語を使用してデータを自動入力したり、ネイティブのスプレッドシートの数式をオンデマンドで生成したり、大まかな分析情報や可視化を迅速に抽出したりする方法を学びます。

詳細

このコースでは、Gemini in Google スライドを使用して、コンセプトを視覚的に魅力的なプレゼンテーションに変換する方法について説明します。単一のプロンプトまたは既存のソースドキュメントから構造化された資料を生成する方法、自動化されたデザイン強化を使用してスライドのレイアウトを改良する方法、カスタムのベクター グラフィックと写真を作成する方法、正確なスピーカー ノートとともにスライド上のコピーを動的に作成する方法を学びます。

詳細

このコースでは、Gemini in Google ドキュメントを使用して、文章作成とコンテンツ作成を効率化する方法について説明します。ドキュメントの新規作成、インタラクティブなツールによるトーンの調整や明瞭化、複雑なファイルの要約、長文テキストの構造化されたアセットへのシームレスな変換など、他の Google Workspace アプリケーションで利用できる機能について学びます。

詳細

このコースでは、Gemini in Gmail を使用してメール管理を最適化する方法について説明します。長いスレッドの要約、自然言語を使用した情報の取得、プロフェッショナルな返信文の下書き作成、受信トレイ内でのコミュニケーション戦略の整理などを学びます。

詳細

Gemini for Google Workspace は、Google Workspace の生成 AI 機能をお客様に提供します。この学習プログラムでは、Gemini の主な機能と、それらの機能を使用して Google Workspace の生産性と効率を向上させる方法について学びます。

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

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、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、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

「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。

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

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。

詳細

このコースでは、実績ある設計パターンを利用して、信頼性と効率に優れたソリューションを Google Cloud で構築する方法を学習します。本コースは、Google Compute Engine を使用した構築 または Google Kubernetes Engine を使用した構築 のコースの続きで、これらのコースで取り上げているテクノロジーの実践経験があることを前提としています。参加者は、講義、設計アクティビティ、ハンズオンラボを通して、ビジネス要件と技術要件を定義し、バランスを取りながら、信頼性、可用性、安全性、費用対効果に優れた Google Cloud のデプロイを設計する方法を学びます。

詳細

「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、 アプリケーションをデプロイしてモニタリングするための複数の方法について学びます。具体的には、IAM ロールの確認とプロジェクト アクセスの追加 / 削除、 VPC ネットワークの作成、Compute Engine VM のデプロイとモニタリング、 SQL クエリの記述、Compute Engine での VM のデプロイとモニタリング、Kubernetes を使用した複数のデプロイ アプローチによるアプリケーションのデプロイなどです。

詳細

「BigQuery でデータ ウェアハウスを構築する」スキルバッジを獲得できる中級コースを修了すると、 データの結合による新しいテーブルの作成、結合のトラブルシューティング、UNION を使用したデータの連結、日付パーティション分割テーブルの作成、 BigQuery での JSON、配列、構造体の操作に関するスキルを証明できます。

詳細

この入門コースは、他のコースとは異なるものです。 これらのラボは、Google Cloud Certified Associate Cloud Engineer 認定資格試験に出題されるトピックやサービスについて、IT プロフェッショナルがハンズオンで演習するために作成されました。IAM からネットワーキング、 Kubernetes Engine のデプロイまでを 網羅する個別のラボで構成されており、Goodle Cloud の知識が試されます。これらのラボによる演習で 知識やスキルや能力を向上させることは可能ですが、 試験ガイドやその他の対策資料も参照することをおすすめします。

詳細

このオンデマンド速習コースでは、Google Cloud が提供する包括的で柔軟なインフラストラクチャとプラットフォーム サービスについて紹介します。動画講義、デモ、ハンズオンラボを通してさまざまなソリューションの要素について学び、実際にデプロイしてみます。これにはセキュリティを維持しながらネットワークを相互接続する方法や、ロード バランシング、自動スケーリング、インフラストラクチャの自動化、マネージド サービスも含まれます。

詳細

このオンデマンド速習コースでは、Google Cloud で提供される包括的かつ柔軟なインフラストラクチャとプラットフォームのサービスについて、Compute Engine を中心に紹介します。受講者は、動画講義、デモ、ハンズオンラボを通してソリューションの各要素について学習し、演習を行います。これらの要素には、ネットワーク、システム、アプリケーション サービスなどのインフラストラクチャ コンポーネントが含まれます。また、実践的なソリューションの実装も取り上げ、顧客指定の暗号鍵、セキュリティとアクセス管理、割り当てと課金、リソース モニタリングなどについても学習します。

詳細

このオンデマンド速習コースでは、Google Cloud で提供される包括的かつ柔軟なインフラストラクチャとプラットフォームのサービスについて、Compute Engine を中心に紹介します。受講者は、動画講義、デモ、ハンズオンラボを通してさまざまなソリューションの各要素について学習し、実際のデプロイを演習します。これらの要素には、ネットワークや仮想マシン、アプリケーション サービスなどのインフラストラクチャ コンポーネントが含まれます。コンソールと Cloud Shell を使用して Google Cloud を運用する方法についても学習します。また、クラウド アーキテクトの役割、インフラストラクチャ設計の方法、Virtual Private Cloud（VPC）を使用した仮想ネットワークの構成、プロジェクト、ネットワーク、サブネットワーク、IP アドレス、ルート、ファイアウォール ルールについても学習します。

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

「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

This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.

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

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

Dataflow コースシリーズの 2 回目である今回は、Beam SDK を使用したパイプラインの開発について詳しく説明します。まず、Apache Beam のコンセプトについて復習します。次に、ウィンドウ、ウォーターマーク、トリガーを使用したストリーミング データの処理について説明します。さらに、パイプラインのソースとシンクのオプション、構造化データを表現するためのスキーマ、State API と Timer API を使用してステートフル変換を行う方法について説明します。続いて、パイプラインのパフォーマンスを最大化するためのベスト プラクティスを再確認します。コースの終盤では、Beam でビジネス ロジックを表現するための SQL と DataFrame、および Beam ノートブックを使用してパイプラインを反復的に開発する方法を説明します。

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

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

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

「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

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。

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

「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 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

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。

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

この入門レベルのコースでは、 Google Cloud の基本的なツールやサービスに関する実践演習を行います。オプションで動画も提供されており、 ラボで取り上げられたコンセプトに関するさらなるコンテキストの確認や、復習に利用できます。「Google Cloud の基礎」は、Google Cloud の学習者に最初に推奨されるコースです。 クラウドの予備知識がほとんどなくても、 最初の Google Cloud プロジェクトに応用できる実践的な経験を積むことができます。Cloud Shell コマンドの記述、 初めての仮想マシンのデプロイ、Kubernetes Engine 上でのアプリケーションの実行や ロード バランシングなど、「Google Cloud の基礎」では、Google Cloud の 基本的な機能について学ぶことができます。

詳細