メンバー加入日: 2024
責任ある AI: Google Cloud における AI に関する原則の適用
Earned 4月 27, 2024 EDT
Managing Change when Moving to Google Cloud
Earned 4月 26, 2024 EDT
画像生成の概要
Earned 4月 26, 2024 EDT
大規模言語モデルの概要
Earned 4月 26, 2024 EDT
生成 AI の概要
Earned 4月 26, 2024 EDT
責任ある AI の概要
Earned 4月 26, 2024 EDT
Google Sheets - Advanced Topics - 日本語版
Earned 4月 26, 2024 EDT
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。
Moving to the cloud creates numerous opportunities to start working in a new way and it empowers the workforce to better collaborate and innovate. But it’s also a big change. Sometimes the success of the change hinges not on the change itself, but on how it’s managed. This course will help people managers to understand some of the key challenges associated with cloud adoption, and provide them with a verified in-the-field framework that will assist them in supporting their teams on the change journey. By addressing the human factor of moving to the cloud, organizations increase their chances of realizing business objectives and investing in their future talent.
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。
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。
Google スプレッドシートの中級コースは、初級のコースで説明されたコンセプトを元に進められます。 このコースでは、Google スプレッドシートでテーマを適用してカスタマイズする方法を学習し、条件付き書式のオプションを確認します。 Google スプレッドシートの高度な数式と関数をいくつか学習します。関数を使用した数式を作成する方法を確認し、さらに Google スプレッドシート内のデータを参照して検証する方法を学びます。 スプレッドシートには、何百万という数、数式、テキストを入力しておくことができます。このようなデータは要約や可視化を行わないと、十全に活用することが難しい場合があります。このコースでは、グラフやピボット テーブルなど、Google スプレッドシートのデータ可視化オプションを確認します。 Google フォームは、データを収集して迅速なデータ分析を可能にするオンライン アンケートです。フォームで収集したデータをスプレッドシートに接続する作業や、既存のスプレッドシートからフォームを作成する作業を通じて、フォームとスプレッドシートがどのように連携するのかを確認します。