Marques da Silva Santos Ana Paula
メンバー加入日: 2024
ダイヤモンド リーグ
7614 ポイント
ツールによるエージェント機能の拡張
Earned 10月 9, 2026 EDT
エージェントのメモリと状態を管理する
Earned 10月 7, 2026 EDT
エージェントの動作を最適化する
Earned 10月 6, 2026 EDT
Agent Development Kit（ADK）を使用したエージェントの構築を始める
Earned 10月 6, 2026 EDT
Vertex AI Studio の概要
Earned 9月 25, 2024 EDT
画像キャプション モデルの作成
Earned 9月 25, 2024 EDT
Transformer モデルと BERT モデル
Earned 9月 25, 2024 EDT
アテンション機構
Earned 9月 25, 2024 EDT
Encoder-Decoder アーキテクチャ
Earned 9月 25, 2024 EDT
生成 AI の概要
Earned 9月 20, 2024 EDT
大規模言語モデルの概要
Earned 8月 16, 2024 EDT
画像生成の概要
Earned 8月 16, 2024 EDT
高度な構成を備えたエージェントを構築できたら、次はエージェントに実際の機能を付与します。ウェブの検索、コードの実行、データベースのクエリ、カスタム アクションの実行を可能にするツールをエージェントに搭載します。エージェントを、インテリジェントな応答者から行動を起こす有能なアシスタントへと変貌させます。
詳細
クエリに応答する基本的な LLM エージェントを構築したら、次はこれをステートフルにします。セッション状態を使用して、コンテキストを維持し、ユーザーの設定を記憶し、パーソナライズされたエクスペリエンスを提供するエージェントを構築します。エージェントを、ステートレスな応答者からインテリジェントなアシスタントに変貌させます。
詳細
初めてのエージェントを構築できたところで、次のステップに進みましょう。このコースでは、高度な指示、モデル選択、計画機能、構造化出力パターンを適用して、基本的な AI エージェントを高度で正確なアシスタントに変える方法を学び、スキルを向上させます。
コミュニティ フォーラムでは質問やディスカッションを行えます。ぜひご参加ください。
詳細
Google の Agent Development Kit（ADK）を使用して AI エージェントを初めて構築、構成、実行してみることで、エージェントに関する理解を実践に活かしましょう。
この実践的なコースでは、完全な ADK 開発環境をセットアップしたうえで、Python コードと YAML 構成の両方を使用してエージェントを作成し、複数のインターフェースを介してエージェントを実行します。また、エージェントの動作を定義するコア パラメータについても学習し、コース 1 で学習した内容を実際に使えるコードに適用します。
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、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
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
