参加 ログイン

Sharma Rommel

メンバー加入日: 2025

ゴールドリーグ

10166 ポイント
開発者向けの責任ある AI: 解釈可能性と透明性 Earned 3月 22, 2026 EDT
開発者向けの責任ある AI: プライバシーと安全性 Earned 2月 23, 2026 EST
特徴量エンジニアリング Earned 2月 23, 2026 EST
Vertex AI でノートブックを使用する Earned 2月 23, 2026 EST
ML のための BigQuery Earned 2月 22, 2026 EST
責任ある AI: Google Cloud における AI に関する原則の適用 Earned 2月 19, 2026 EST
画像生成の概要 Earned 2月 9, 2026 EST
Gemini Enterprise アプリケーションの作成を始める Earned 2月 7, 2026 EST
Enterprise のエージェントとユースケース Earned 2月 7, 2026 EST
エージェントの基礎 Earned 2月 7, 2026 EST
AI エージェントの概要 Earned 2月 7, 2026 EST
アテンション機構 Earned 2月 7, 2026 EST
Model Armor: AI デプロイの保護 Earned 2月 5, 2026 EST
AI の世界におけるセキュリティの基礎 Earned 2月 5, 2026 EST
発者向けの責任ある AI: 公平性とバイアス Earned 1月 27, 2026 EST
Vertex AI を使用した ML オペレーション（MLOps）: モデルの評価 Earned 1月 25, 2026 EST
生成 AI のための ML オペレーション（MLOps) Earned 1月 23, 2026 EST
Google Cloud における AI と ML の概要 Earned 1月 20, 2026 EST
認定資格試験の学習ガイドを作成する: PMLE Earned 1月 4, 2026 EST
責任ある AI の概要 Earned 5月 5, 2025 EDT
大規模言語モデルの概要 Earned 5月 5, 2025 EDT
生成 AI の概要 Earned 5月 5, 2025 EDT

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、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、Vertex AI Feature Store を使用するメリット、ML モデルの精度を向上させる方法、最も有効な特徴を抽出できるデータ列の見極め方について説明します。また、BigQuery ML、Keras、TensorFlow を使用した特徴量エンジニアリングに関するコンテンツとラボも用意されています。

詳細

このコースは、Vertex AI Notebooks に関する入門コースです。Vertex AI Notebooks は Jupyter ノートブックをベースとした環境であり、データの準備からモデルのデプロイとモニタリングに至るまで ML のワークフロー全体をサポートする統合プラットフォームを提供します。このコースでは、（1）Vertex AI Notebooks の種類とそれぞれの機能、（2）Vertex AI Notebooks の作成と管理の方法について説明します。

詳細

SQL だけを使用して、数時間ではなく数分で ML モデルを構築したいとお考えの場合、BigQuery ML は、データ アナリストが既存の SQL ツールやスキルを使って、ML モデルを作成、トレーニング、 評価し、そのモデルで予測を行うことを可能にして、ML をより多くの人が利用できるようにします。 この一連のラボでは、さまざまなモデルタイプを試して、 優れたモデルを作成する方法を学習します。

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

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

AI エージェントがビジネスの成果を促進する仕組みについて学習します。エージェント タイプを KPI にマッピングし、実際のボトルネックを解決するユースケースを確認します。次に、Gemini Enterprise が、ノーコード ソリューションからハイコード ソリューションまで、適切なエージェントの構築とオーケストレーションをどのように支援するのかについて学びます。

詳細

AI エージェントは、従来の大規模言語モデル（LLM）を超える大きな変化をもたらします。単にテキストベースの解決策を生成するだけでなく、自律的に行動して、それを実行に移すこともできます。このコースでは、AI エージェントの基礎、LLM API との違い、現実の場面でどのように真価を発揮するのかを解説します。また、Google のエージェント ホワイトペーパーに基づき、エージェントのコードを書き始める前に必要となる理論的基盤を提供します。単なるテキスト生成ではなく、自律的で目標指向のふるまいという観点から AI システムを理解したい開発者、アーキテクト、技術的意思決定者に適した内容です。質問やディスカッションについては、コミュニティ フォーラムにご参加ください。

詳細

AI エージェントのコンセプトの概要を理解したうえで、AI エージェントが自律的なアクションと推論を使用して複雑な問題を解決する仕組みを学習します。また、エージェントがユーザーに代わって学習、計画し、目標を達成できるようにする技術的アーキテクチャ（モデル、ツール、オーケストレーション）について学びます。

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、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

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、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

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、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

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

NotebookLM を使用して、Professional Machine Learning Engineer（PMLE）認定資格試験に向けてパーソナライズした学習ガイドを作成する方法を学びます。NotebookLM の機能を確認して、ノートブックを作成し、その学習ガイドを使用して認定資格試験に向けて練習します。

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