参加 ログイン

Venkatesh Uppu

メンバー加入日: 2026

ダイヤモンド リーグ

16420 ポイント
Cloud Run で AI モデルをデプロイしてスケールする Earned 11月 2, 2026 EST
組織向けに Gemini Code Assist を構成する Earned 11月 2, 2026 EST
Google Cloud におけるデータの保存、処理、管理 - コンソール Earned 10月 28, 2026 EDT
Google Cloud Speech API を使用する Earned 10月 28, 2026 EDT
Google Cloud のサービス アカウントと IAM ロールを構成する Earned 10月 28, 2026 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 10月 28, 2026 EDT
Dataflow を使用したサーバーレスのデータ処理: 基礎 Earned 10月 28, 2026 EDT
Security Command Center による脅威と脆弱性の緩和 Earned 10月 27, 2026 EDT
開発者向けの責任ある AI: プライバシーと安全性 Earned 10月 27, 2026 EDT
画像キャプション モデルの作成 Earned 10月 27, 2026 EDT
Transformer モデルと BERT モデル Earned 10月 27, 2026 EDT
アテンション機構 Earned 10月 27, 2026 EDT
Encoder-Decoder アーキテクチャ Earned 10月 27, 2026 EDT
画像生成の概要 Earned 10月 27, 2026 EDT
大規模言語モデルの概要 Earned 10月 27, 2026 EDT
生成 AI の概要 Earned 10月 27, 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 10月 25, 2026 EDT
Google Cloud Operations を使用したスケーリング Earned 10月 25, 2026 EDT
Google Cloud で実現する信頼とセキュリティ Earned 10月 25, 2026 EDT
Google Cloud によるインフラストラクチャとアプリケーションのモダナイゼーション Earned 10月 25, 2026 EDT
Google Cloud の AI を活用したイノベーション Earned 10月 25, 2026 EDT
Google Cloud によるデータ トランスフォーメーションの探求 Earned 10月 25, 2026 EDT
Google Cloud によるデジタル トランスフォーメーション Earned 10月 25, 2026 EDT
AI の世界におけるセキュリティの基礎 Earned 10月 25, 2026 EDT
Model Armor: AI デプロイの保護 Earned 10月 25, 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 25, 2026 EDT
発者向けの責任ある AI: 公平性とバイアス Earned 10月 25, 2026 EDT
事前トレーニング済み API を使用した音声および言語ソリューションの実装 Earned 10月 25, 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 10月 24, 2026 EDT
Data Engineering on Google Cloud の概要 Earned 10月 24, 2026 EDT
Google Cloud コンピューティングの基礎 Earned 10月 19, 2026 EDT
Google Cloud Managed Service for Prometheus で環境をモニタリングする Earned 10月 18, 2026 EDT
Gemini Enterprise アプリケーションの作成を始める Earned 10月 17, 2026 EDT
Dataflow を使用したサーバーレスのデータ処理: 運用 Earned 10月 17, 2026 EDT
Gemini in BigQuery で生産性を高める Earned 10月 17, 2026 EDT
BigQuery でデータ ウェアハウスを構築する Earned 10月 17, 2026 EDT
Knowledge Catalog を使用したデータメッシュの構築 Earned 10月 17, 2026 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 10月 16, 2026 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 10月 16, 2026 EDT
安全な Google Cloud ネットワークの構築 Earned 10月 16, 2026 EDT
Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI Earned 10月 16, 2026 EDT
Google Cloud での Kubernetes の管理 Earned 10月 14, 2026 EDT
Google Cloud におけるアプリ開発環境の設定 Earned 10月 13, 2026 EDT
Google Cloud コンピューティングの基礎: Google Cloud のネットワークとセキュリティ Earned 10月 6, 2026 EDT
Arcade Trail: Data Engineering and Security Earned 9月 16, 2026 EDT
Google App Engine でアプリケーションをデプロイして管理する Earned 9月 5, 2026 EDT
Arcade Voyage: App Modernization Earned 9月 5, 2026 EDT
Cloud Run でのサーバーレス アプリケーションの開発 Earned 9月 5, 2026 EDT
Cloud Storage でのストリーミング データレイクの作成 Earned 9月 4, 2026 EDT
Google Cloud の ML API 用にデータを準備 Earned 9月 2, 2026 EDT
Gemini と Streamlit を使用した生成 AI アプリの開発 Earned 8月 29, 2026 EDT
Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ Earned 7月 28, 2026 EDT
Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本 Earned 7月 4, 2026 EDT
Compute Engine での Cloud Load Balancing の実装 Earned 6月 30, 2026 EDT
生成 AI のための ML オペレーション（MLOps) Earned 6月 29, 2026 EDT

AI 推論は、トレーニング済み ML モデルを使用し、学習したパターンを適用することで、新しい未知のデータについて予測を行うプロセスです。このコースは、Cloud Run に AI 推論サービスを迅速にデプロイする方法に関心のある開発者、データ サイエンティスト、ML エンジニアを対象としています。クラウドベースのサーバーレス アプリケーション デプロイ ソリューションに精通しているものの、Google Cloud サーバーレス プロダクトを使用して AI 推論を実行した経験がない方に適しています。 このコースでは、GPU を使用して AI 推論用のモデルをデプロイし、生成 AI アプリをデータ ストレージ サービスと統合する例を紹介します。

詳細

このコースは、Google Cloud コンソールの基本的な知識があり、組織の Gemini Code Assist の構成を担当する Google Cloud 開発者と DevOps エンジニアを対象としています。このコースでは、Gemini Code Assist の利点を紹介し、さまざまな Gemini Code Assist エディションの機能を比較します。また、組織内で Gemini Code Assist を構成して管理する方法も説明します。

詳細

Cloud Storage、Cloud Functions、Cloud Pub/Sub はいずれも データの保存、処理、管理に使用できる Google Cloud プラットフォーム サービスです。この 3 種の サービスを併用してさまざまなデータドリブン アプリケーションを作成できます。この スキルバッジでは、Cloud Storage を使用して画像を保存し、Cloud Functions を使用して 画像を処理し、Cloud Pub/Sub を使用して画像を別のアプリケーションに送信します。

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

「Google Cloud のサービス アカウントと IAM ロールを構成する」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、サービス アカウントやカスタムロールについてと、gcloud を使用して権限を設定する方法について学びます。

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

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

「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

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、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、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、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

「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

あらゆる規模の組織が、事業運営の変革にクラウドの能力と柔軟性を活用しているなかで、 けれども、クラウド リソースを効果的に管理、スケーリングするのは複雑なタスクになる場合があります。 このコースでは、クラウドにおける最新の運用、信頼性、レジリエンスに関する基本的概念と、Google Cloud がこういった取り組みをどのように支援できるのかについて理解を深めます。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

組織がデータやアプリケーションをクラウドへ移行する際には、急速に進化するセキュリティ上の課題に対処することが求められます。このコースでは、クラウド セキュリティの基礎、Google Cloud の安全性を重視した設計のインフラストラクチャの価値、多層防御戦略について説明します。また、AI を活用した運用とコンプライアンス ツールが、組織が厳格なグローバル規制要件を満たすのにどのように役立つかについても説明します。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

多くの従来型企業では、既存のシステムやアプリで昨今の顧客の期待に応え続けることが難しくなっています。この場合、経営者は、老朽化した IT システムの保守を続けるのか、新たな製品やサービスに投資をするのか、選択を迫られることになります。このコースではそうした課題を明らかにするとともに、そうした課題をクラウド テクノロジーによって乗り越えるためのソリューションについて学びます。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

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

クラウド テクノロジーは組織に大きな力をもたらします。データと組み合わせることで、イノベーションの触媒となり、カスタマー エクスペリエンスの向上を促進します。「Google Cloud によるデータ トランスフォーメーションの探求」では、組織がクラウドを活用して、データをよりアクセスしやすく、実用的で、価値のあるものにする方法を学びます。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

デジタル トランスフォーメーションは、現代の組織にとって重要なプロセスです。クラウド コンピューティングで強固なベースラインを確立することは、有意義なイノベーションを推進するための第一歩となります。「Google Cloud によるデジタル トランスフォーメーション」では、組織が業務をモダナイズするのに役立つコア テクノロジーと戦略的フレームワークを紹介します。このコースでは、クラウドの基本的なコンセプト、グローバル ネットワーク インフラストラクチャ、責任の共有モデルについて説明し、リーダーが自信を持ってクラウドへの移行を進められるようにします。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

AI は、革新的な技術である一方で、新たなセキュリティ上の課題を生み出す可能性も否定できません。このコースでは、セキュリティとデータ保護の責任者を対象に、組織内で AI を安全に管理するための戦略を説明します。AI 特有のリスクを事前に特定して軽減し、機密データを保護し、コンプライアンスを確保しながら、復元力の高い AI インフラストラクチャを構築するための枠組みについて学ぶ。4 つの業界のユースケースを通して、これらの戦略が実際の場面でどのように活用されているかを探る。

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

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

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

「事前トレーニング済み API を使用した音声および言語ソリューションの実装」コースを完了してスキルバッジを獲得し、音声関連の API ツールを使用して音声を合成および文字起こしする方法を学びます。

詳細

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。

詳細

このコースでは、Google Cloud におけるデータ エンジニアリング、データ エンジニアの役割と責任、それらが Google Cloud の各サービスにどのように対応しているかについて学びます。また、データ エンジニアリングの課題に対処する方法も学習します。

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

Google Cloud Managed Service for Prometheus を使った Kubernetes 環境のモニタリングについて学ぶ 「Google Cloud Managed Service for Prometheus で環境をモニタリングする」コースを修了するとスキルバッジを獲得できます。

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

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

このコースでは、データを AI 活用へつなげるためのワークフローに役立つ AI 搭載の機能スイート、Gemini in BigQuery について説明します。この機能スイートには、データの探索と準備、コード生成とトラブルシューティング、ワークフローの検出と可視化などが含まれます。このコースでは、概念の説明、実際のユースケース、ハンズオンラボを通じて、データ実務者が生産性を高め、開発パイプラインを迅速化できるよう支援します。

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

「Knowledge Catalog を使用したデータメッシュの構築」入門コースを修了してスキルバッジを獲得すると、Knowledge Catalog を使用してデータメッシュを構築し、 Google Cloud 上のデータ セキュリティ、ガバナンス、検出を強化するスキルを実証できます。このコースでは、Knowledge Catalog でアセットにタグを付け、IAM ロールを割り当て、データ品質を評価する方法を練習し、そのスキルをテストします。

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

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

安全な 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、Google Cloud でアプリケーションを ビルド、スケール、保護するための複数のネットワーク関連リソースについて学習します。

詳細

Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。 この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。 このコースは、次の順で完了する必要があります。 1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本 2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ 3. Google Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ 4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI このシリーズの最後のコースでは、マネージド ビッグデータ サービス、ML とその価値、スキルバッジを獲得して Google Cloud に関するスキルセットをさらに実証する方法について説明します。

詳細

「Google Cloud での Kubernetes の管理」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、 kubectl を活用したデプロイの管理、 Google Kubernetes Engine（GKE）でのアプリケーションのモニタリングとデバッグ、継続的デリバリーの手法におけるスキルを実証できます。

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

Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。 この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。 このコースは、次の順で完了する必要があります。 1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本 2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャGoogle Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ 4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI この 3 番目のコースでは、クラウドの自動化、管理ツール、安全なネットワークの構築について説明します。

詳細

Streaming high-velocity data is great, but only if your pipeline doesn't break under pressure. In this trail, you'll wire up Pub/Sub and Python Dataflow to stream live data straight into Cloud Storage, then lock the whole environment down. By encrypting keys with Cloud KMS, cataloging assets, and isolating networks with VPC Peering, you'll clear both challenge labs and prove you can build real-time data lakes that are as fast as they are secure.

詳細

「Google App Engine でアプリケーションをデプロイして管理する」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、Python、Go、PHP で App Engine を使用する方法を学びます。

詳細

Great code shouldn't get bogged down by infrastructure headaches. In this voyage, you'll master modern deployment patterns by turning ideas into production-ready microservices. From generating dynamic files and decoupling services with Pub/Sub to deploying polyglot apps across three different languages on App Engine, you'll cover the full developer lifecycle. Complete the challenge labs and show you know how to build fast, scale effortlessly, and keep things resilient.

詳細

「Cloud Run でのサーバーレス アプリケーションの開発」コースの中級スキルバッジを獲得すると、 データ マネジメントのための Cloud Run と Cloud Storage の統合、 Cloud Run と Pub/Sub を使用した復元力のある非同期システムの構築、 Cloud Run を使用した REST API ゲートウェイの構築、Cloud Run でのサービスの構築とデプロイといったスキルを実証できます。

詳細

「Cloud Storage でのストリーミング データレイクの作成」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、Pub/Sub、Dataflow、Cloud Storage を併用して Google Cloud 上でストリーミング データレイクを作成します。

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

「Gemini と Streamlit を使用した生成 AI アプリの開発」の中級スキルバッジを獲得すると、 テキストの生成、Python SDK と Gemini API を使用した関数呼び出し、Cloud Run を使用した Streamlit アプリケーションのデプロイといったスキルを実証できます。 ここでは、Gemini にテキスト生成のプロンプトを与えるさまざまな方法を確認し、Cloud Shell を使用して Streamlit アプリケーションのテストとイテレーションを行い、Cloud Run にデプロイされる Docker コンテナとしてパッケージ化します。

詳細

Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。 この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。 このコースは、次の順で完了する必要があります。 1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本 2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ 3. Google Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ 4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI

詳細

Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。 この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。 このコースは、次の順で完了する必要があります。 1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本 2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ 3. Google Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ 4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI この最初のコースでは、クラウド コンピューティングの概要、Google Cloud の使用方法、さまざまなコンピューティング オプション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

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