メンバー加入日: 2026
Arcade Trail: Containers & Load Balancing
Earned 10月 20, 2026 EDT
Arcade Voyage: Language, Voice, and Multimodal Processing
Earned 10月 14, 2026 EDT
開発者向けの責任ある AI: 解釈可能性と透明性
Earned 10月 14, 2026 EDT
発者向けの責任ある AI: 公平性とバイアス
Earned 10月 14, 2026 EDT
DevOps の基礎
Earned 9月 8, 2026 EDT
Vertex AI を使用した ML オペレーション（MLOps）: モデルの評価
Earned 7月 21, 2026 EDT
生成 AI のための ML オペレーション（MLOps)
Earned 7月 18, 2026 EDT
Learn to build and scale production-ready cloud environments. In this trail, you'll package apps with Docker, deploy workloads on Google Kubernetes Engine, and orchestrate containerized services. Next, configure regional internal proxy and global HTTPS load balancers, then set up Cloud Monitoring to track health and latency. Pass both challenge labs to prove your ability to deploy resilient applications and route global traffic efficiently.
Transforming unstructured multimedia into searchable, structured data is the core of modern cognitive computing. In this voyage, you'll analyze sentiment and extract entities using the Cloud Natural Language API, pairing language workflows with Apache Spark to demonstrate big-data scalability. From there, you'll branch into multimodal synthesis—generating lifelike audio using Text-to-Speech, bridging global barriers with the Cloud Translation API, and annotating video streams via Video Intelligence. Complete both challenge labs to prove you can deploy pre-trained models that read, speak, translate, and inspect content at scale.
このコースでは、AI の解釈可能性と透明性のコンセプトを紹介します。デベロッパーとエンジニアにとって AI の透明性が重要であることについて説明します。データと AI モデルの両方で解釈可能性と透明性を達成できる実践的な方法とツールを検証します。
このコースでは、責任ある AI および AI に関する原則のコンセプトを紹介します。AI / ML の実践における公平性とバイアスを特定し、バイアスを軽減するための実践的な手法を取り扱います。具体的には、Google Cloud プロダクトとオープンソース ツールを使用して責任ある AI のベスト プラクティスを実装するための実践的な方法とツールを検証します。
DevOps を導入して 競争優位性を確保しましょう。DevOps とは、ソフトウェア デリバリーを迅速化し、 サービスの信頼性を向上させ、ソフトウェアの開発と運用に携わるチーム間で当事者意識を共有できるようにすることを目的とした、組織的、 文化的な考え方や取り組みです。このコースでは、Google Cloud を使用して ソフトウェア デリバリーの迅速性、安定性、可用性、安全性を向上させる方法を学びます。 Google Cloud には、DevOps Research and Assessment チームが あります。自社の DevOps チームの実力を、こちらの 5 問の多肢選択式テストで評価してみましょう。
このコースでは、ML の実務担当者に、生成 AI モデルと予測 AI モデルの両方を評価するための重要なツール、手法、ベスト プラクティスを身につけていただきます。モデル評価は、ML システムが本番環境で信頼性が高く、正確で、高性能な結果を確実に提供するための重要な分野です。 参加者は、さまざまな評価指標、方法論のほか、さまざまなモデルタイプやタスクにおけるそれらの適切な適用について理解を深めます。このコースでは、生成 AI モデルによってもたらされる固有の課題に重点を置き、それらの課題に効果的に取り組むための戦略を提供します。参加者は、Google Cloud の Vertex AI プラットフォームを活用して、モデルの選択、最適化、継続的なモニタリングのための堅牢な評価プロセスを実装する方法を学びます。
このコースでは、生成 AI モデルのデプロイと管理において MLOps チームが直面する特有の課題に対処するために必要な知識とツールを提供し、AI チームが MLOps プロセスを合理化して生成 AI プロジェクトを成功させるうえで Vertex AI がどのように役立つかを説明します。