参加 ログイン

HEO Yumi

メンバー加入日: 2024

ダイヤモンド リーグ

5525 ポイント
Lakehouse データの保護 Earned 7月 28, 2026 EDT
Security Command Center による脅威と脆弱性の緩和 Earned 5月 17, 2026 EDT
クラウドコラボレーションと生産性ワークフローの実装 Earned 5月 17, 2026 EDT
Google Kubernetes Engine の費用の最適化 Earned 5月 16, 2026 EDT
Google Cloud コンピューティングの基礎 Earned 5月 16, 2026 EDT
API を使用して Cloud Storage を操作する Earned 5月 16, 2026 EDT
Google Cloud リソースのモニタリングと管理 Earned 5月 16, 2026 EDT
開発者向けの責任ある AI: プライバシーと安全性 Earned 5月 16, 2026 EDT
生成 AI のための ML オペレーション（MLOps) Earned 5月 15, 2026 EDT
Google DeepMind: 03 Design And Train Neural Networks Earned 5月 15, 2026 EDT
Encoder-Decoder アーキテクチャ Earned 5月 15, 2026 EDT
Transformer モデルと BERT モデル Earned 5月 15, 2026 EDT
アテンション機構 Earned 5月 15, 2026 EDT
Google データクラウドを使用してデータを共有する Earned 5月 14, 2026 EDT
BigQuery のデータから分析情報を引き出す Earned 5月 14, 2026 EDT
Google Cloud におけるモニタリング Earned 5月 13, 2026 EDT
エコシステム全体で機密データを検出して保護する Earned 5月 13, 2026 EDT
Gemini でマルチモーダル データを分析し、推論する Earned 5月 12, 2026 EDT
Cloud Vision API を使用して画像を解析する Earned 5月 10, 2026 EDT
Google Cloud Speech API を使用する Earned 5月 10, 2026 EDT
開発者向けの責任ある AI: 解釈可能性と透明性 Earned 5月 10, 2026 EDT
Google Cloud の ML API 用にデータを準備 Earned 5月 9, 2026 EDT
Compute Engine での Cloud Load Balancing の実装 Earned 5月 9, 2026 EDT
Google Cloud の AI を活用したイノベーション Earned 4月 27, 2026 EDT
Natural Language API で感情分析を行う Earned 4月 27, 2026 EDT
Google Cloud AI and ML Solutions for the Public Sector Earned 4月 26, 2026 EDT
発者向けの責任ある AI: 公平性とバイアス Earned 4月 26, 2026 EDT
責任ある AI: Google Cloud における AI に関する原則の適用 Earned 4月 26, 2026 EDT
Google Cloud における AI と ML の概要 Earned 4月 22, 2026 EDT
責任ある AI の概要 Earned 4月 15, 2026 EDT
画像生成の概要 Earned 4月 15, 2026 EDT
大規模言語モデルの概要 Earned 4月 14, 2026 EDT
生成 AI の概要 Earned 4月 11, 2026 EDT

「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

「Security Command Center による脅威と脆弱性の緩和」の中級コースを修了してスキルバッジを獲得することで、 次のスキルを実証できます。 環境の脅威の防止と管理、アプリケーションの脆弱性の特定と軽減、 セキュリティ異常に対応。

詳細

「クラウドコラボレーションと生産性ワークフローの実装」コースを修了して入門レベルのスキルバッジを獲得しましょう。このコースでは、 Google のコラボレーション プラットフォームの概要と、 Gmail、カレンダー、Meet、ドライブ、スプレッドシート、AppSheet の使用方法を学びます。

詳細

「Google Kubernetes Engine の費用の最適化」の中級スキルバッジを獲得すると、 マルチテナント クラスタの作成と管理、各 Namespace のリソース使用状況のモニタリング、 効率向上のためのクラスタと Pod の自動スケーリングの構成、最適なリソース配分のためのロード バランシングの設定、 アプリケーションの健全性と費用対効果を確保するための liveness プローブと readiness プローブの実装といったスキルを実証できます。

詳細

「Google Cloud コンピューティングの基礎」クエストを修了してスキルバッジを獲得しましょう。 クエストでは、Compute Engine を使用して、仮想マシン（VM）、永続ディスク、ウェブサーバーを操作する方法を学習します。

詳細

API を使用して Cloud Storage を操作する入門スキルバッジを終了すると Cloud Storage API を含む、API を使用してCloud Storage リソースを操作するスキルを証明できます。

詳細

「Google Cloud リソースのモニタリングと管理」入門スキルバッジ コースを修了すると、IAM 権限の付与と取り消し、 モニタリング エージェントとロギング エージェントのインストール、イベント ドリブンな Cloud Run 関数 の作成、デプロイ、テストなどのスキルが証明されます。

詳細

このコースでは、AI のプライバシーと安全性に関する重要なトピックを紹介します。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 AI のプライバシーと安全性の推奨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。

詳細

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。

詳細

In this Google DeepMind course you will focus on the training process for machine learning models. You will learn how to spot and mitigate issues when training a model, such as overfitting and underfitting. In practical coding labs, you will implement and evaluate the multilayer perceptron for simple classification tasks. This will provide insights into the mechanics of training a neural network model and the backpropagation algorithm. Research case studies will demonstrate how neural networks power real-world models. Additionally, you will consider the broader social impacts of innovation by looking beyond immediate benefits to anticipate potential risks, safety concerns, and further-reaching societal consequences.

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、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、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

「Google データクラウドを使用してデータを共有する」スキルバッジ 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、Google Cloud の データ共有パートナーに関する実践的な経験を積むことができます。これらのパートナーは、顧客が分析ユースケースで活用できる独自のデータセットを 保有しています。顧客は、このデータをサブスクライブし、自身のプラットフォーム内で クエリを実行し、それを独自のデータセットで拡張して、 可視化ツールを使用して顧客向けのダッシュボードを作成します。

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

「Google Cloud におけるモニタリング」入門スキルバッジ コースを修了すると、 Google Cloud のリソースをモニタリングするための Cloud Monitoring ツールの使用」のスキルを習得できます。

詳細

「エコシステム全体で機密データを検出して保護する」中級コースを修了して スキルバッジを獲得すると、Sensitive Data Protection サービス （Cloud Data Loss Prevention（DLP）API を含む）を使用して、Cloud Storage ファイル、BigQuery データ、生成 AI モデルの回答など、Google Cloud エコシステム全体で 機密データを検出、検査、秘匿化、匿名化するためのスキルを実証できます。

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

「Cloud Vision API を使用して画像を解析する」コースを修了するとスキルバッジを獲得できます。このコースでは、画像からのテキスト抽出など、さまざまなタスクで Cloud Vision API を活用する方法を学びます。

詳細

「Google Cloud Speech API を使用する」スキルバッジコースを修了して スキルバッジを獲得しましょう。このコースでは、Speech-to-Text API リクエストの作成、音声の文字起こし、 音声文字変換、音声の文字起こしを学べます。

詳細

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。

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

「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

AI と ML は、幅広い業種に急速な変革をもたらしているインフォメーション テクノロジーにおける重要な進化です。 「Google Cloud の AI を活用したイノベーション」では、AI と ML を活用して組織でビジネス プロセスを変革する方法について学習します。 このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。

詳細

Natural Language API で感情分析を行うクエストを完了してスキルバッジを獲得しましょう。 このクエストでは、API が感情をどのようにしてテキストから感情を導きすかを学びます。

詳細

Building a Conversational Interface with Dialogflow CX Building conversational interfaces will enable you to engage your constituents in delightful new ways. This section will provide an overview of Dialogflow CX, which provides a range of new capabilities, languages, and functions. Scaling Equity and Access with Enterprise Translation Hub Accurate, timely and cost effective document translation has long been a challenge to providing equitable and accessible service to all constituents. In this section, explore Google's Enterprise Translation solutions which provide scalable document translation leveraging best in class Artificial Intelligence and Machine Learning, while retaining the critical human in the loop for final post editing review.

詳細

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。

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、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 デベロッパー、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

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

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