参加 ログイン

Meagher Connor

メンバー加入日: 2023

ダイヤモンド リーグ

20625 ポイント
Google Kubernetes Engine の費用の最適化 Earned 4月 16, 2024 EDT
Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチ ドキュメントの検査 Earned 4月 10, 2024 EDT
Google Cloud での Kubernetes の管理 Earned 4月 9, 2024 EDT
Google データクラウドを使用してデータを共有する Earned 4月 2, 2024 EDT
Google Cloud におけるデータの保存、処理、管理 - コンソール Earned 3月 27, 2024 EDT
Google Cloud の ML API 用にデータを準備 Earned 3月 24, 2024 EDT
BigQuery ML を使用した ML モデルの作成 Earned 3月 22, 2024 EDT
Dataplex によるデータの整理と統制 Earned 3月 20, 2024 EDT
責任ある AI の概要 Earned 3月 19, 2024 EDT
大規模言語モデルの概要 Earned 3月 19, 2024 EDT
Generative AI Explorer - Agent Platform Earned 3月 19, 2024 EDT
Vertex AI Studio の概要 Earned 3月 8, 2024 EST
画像キャプション モデルの作成 Earned 3月 8, 2024 EST
Transformer モデルと BERT モデル Earned 3月 8, 2024 EST
Encoder-Decoder アーキテクチャ Earned 3月 8, 2024 EST
アテンション機構 Earned 3月 8, 2024 EST
画像生成の概要 Earned 3月 8, 2024 EST

「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

Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチ ドキュメントの検査 スキルバッジを獲得できる中級コースを修了すると、次のスキルを実証できます。 Gemini を使用したマルチモダリティにより、マルチモーダル プロンプトを使用してテキストと視覚データから情報を抽出し、動画の説明を生成して、 動画の範囲を超えた追加情報を取得する。Gemini を使用したマルチモーダル検索拡張生成(RAG)により、テキストと画像を含むドキュ引用を出力する。

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 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

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 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

「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

「Dataplex を使用したデータの整理と管理」入門コースを修了してスキルバッジを獲得すると、Dataplex アセットの作成、アスペクト タイプの作成、Dataplex のエントリへのアスペクトの適用に関するスキルを証明できます。 スキルバッジは、ハンズオンラボと課題の評価を通じて特定のプロダクトに関する実践的な知識を証明するものです。コースを修了してバッジを獲得することも、チャレンジラボに直接挑戦して今すぐバッジを獲得することもできます。 バッジはトピックに習熟していることの証明であり、仕事用プロフィールの充実、ひいてはキャリアの可能性拡大につながります。獲得したバッジを確認するには、プロフィールにアクセスしてください。

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

「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

このコースでは、生成 AI モデルとのやりとり、ビジネス アイデアのプロトタイプ作成、本番環境へのリリースを行うツールである Vertex AI Studio をご紹介します。現実感のあるユースケースや、興味深い講義、ハンズオンラボを通して、プロンプトの作成から成果の実現に至るまでのライフサイクルを詳細に学び、Gemini マルチモーダル アプリケーションの開発、プロンプトの設計、モデルのチューニングに Vertex AI を活用する方法を学習します。Vertex AI Studio を利用することで、生成 AI をプロジェクトに最大限に活かせるようになることを目指します。

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、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、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