参加 ログイン

Xiao Qin Hew

メンバー加入日: 2024

シルバーリーグ

20840 ポイント
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版 Earned 5月 24, 2024 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 Earned 5月 23, 2024 EDT
本番環境 ML システム Earned 5月 23, 2024 EDT
Applying Machine Learning to Your Data with Google Cloud - 日本語版 Earned 5月 23, 2024 EDT
Generative AI Explorer - Agent Platform Earned 5月 23, 2024 EDT
ML 入門: 画像処理 Earned 5月 23, 2024 EDT
ML 入門: 言語処理 Earned 5月 23, 2024 EDT
BigQuery ML を使用した ML モデルの作成 Earned 5月 23, 2024 EDT
BigQuery で予測データ分析を行う Earned 5月 23, 2024 EDT
Natural Language API で感情分析を行う Earned 5月 23, 2024 EDT
Cloud Vision API を使用して画像を解析する Earned 5月 23, 2024 EDT
Google API を使用して音声と言語を分析する Earned 5月 22, 2024 EDT
Looker での LookML オブジェクトの構築 Earned 5月 22, 2024 EDT
Google Cloud での TensorFlow を使用した画像の分類 Earned 5月 22, 2024 EDT

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、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

このコースでは、本番環境で高パフォーマンスな ML システムを構築するためのコンポーネントとベスト プラクティスについて学習します。また、ML システムを構築するうえで最も一般的な考慮事項を紹介します。これには、静的トレーニング、動的トレーニング、静的な推論、動的な推論、分散型 TensorFlow、TPU などが含まれます。このコースでは、優れた予測能力にとどまらない、優れた ML システムの特性を探索することに焦点を当てています。

詳細

このコースでは、ML について定義し、ビジネスで ML をどのように活用できるのかを学習します。機械学習を使用したデモをいくつか確認し、機械学習の主な用語（インスタンス、特徴、ラベルなど）について学習します。インタラクティブなラボでは、事前トレーニング済みの ML API の呼び出しを実行するほか、BigQuery ML で SQL のみを使用して独自の ML モデルを構築します。

詳細

「Generative AI Explorer - Agent Platform」コースには、Google Cloud での生成 AI の使用方法に関する複数のラボが含まれます。ラボでは、Agent Platform で Gemini モデルを 使用する方法を学びます。プロンプト設計やベスト プラクティス、さらに Agent Platform を活用したアイディエーション、テキスト分類、テキスト抽出、テキスト要約などについても学習します。 また、Agent Platform でカスタム トレーニングを通じて基盤モデルをトレーニングし、 Agent Platform のエンドポイントにデプロイして、基盤モデルをチューニングする方法も学びます。

詳細

大規模なコンピューティング能力を使用してパターンを認識し、 画像を「読み取る」ことは、自動運転車や顔認識に使用される AI の基盤技術の一つです 。 Google Cloud Platform は、 API を呼び出すだけで利用できるシステムを通じて、ワールドクラスの速度と精度を提供します。 こうした機能とさまざまな API を備えた GCP のツールを使えば、 ほぼあらゆる ML ジョブに対応できます。 この入門コースでは、 画像処理に用いられる ML の実践的な演習を行います。 ラボを活用して、画像にラベルを付けたり、顔やランドマークを検出したり、 画像内のテキストを抽出、分析、翻訳したりすることができます。

詳細

ML は、IT 分野で最も急速に成長している技術の一つであり、Google Cloud Platform はその発展に大きく貢献してきました。 Google Cloud では多数の API により、ほぼすべての ML ジョブに対応するツールを提供しています。 この入門コースでは、ラボを通じて言語処理に活用できる ML の実践演習を行います。 これにより、テキストからのエンティティの抽出、 感情分析と構文解析、音声文字変換のための Speech-to-Text API の使用方法を学ぶことができます。

詳細

「BigQuery ML を使用した ML モデルの作成」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、 BigQuery ML を使用して ML モデルを作成および評価し、データを予測するスキルを証明できます。

詳細

中級コース「BigQuery で予測データ分析を行う」を修了してスキルバッジを取得すると、 CSV ファイルや JSON ファイルをインポートして BigQuery にデータセットを作成し、 BigQuery の高度な SQL 分析機能を活用してデータを分析するスキルを身につけていることを示せます。たとえば、BigQuery ML を使って サッカーの試合イベント データをもとに予想得点モデルをトレーニングし、ワールドカップで決まったそれぞれのゴールがどれほど「予想外ですごかった」かを評価することなどが可能になります。

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

「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 API を使用して音声と言語を分析する」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、Natural Language and Speed API を実際の環境で使用する方法を 学習します。

詳細

「Looker での LookML オブジェクトの構築」スキルバッジを獲得できる入門コース を修了すると、 新しいディメンション、メジャー、ビュー、派生テーブルの構築、要件に基づくメジャー フィルタとメジャー タイプの設定、 ディメンションとメジャーの更新、 Explore の構築と改良、ビューと既存の Explore との結合、 ビジネス要件に基づいて作成すべき LookML オブジェクトの決定に関するスキルがあることを証明できます。

詳細

「Google Cloud での TensorFlow を使用した画像の分類」スキルバッジ コースを修了して中級のスキルバッジを獲得しましょう。 このコースでは、TensorFlow と Vertex AI を使用して ML モデルを作成し、トレーニングします。主に Vertex AI Workbench ユーザー管理ノートブックを操作します。

詳細