Melnykov Yuriy
メンバー加入日: 2022
ゴールドリーグ
36483 ポイント
ADK と MCP を使用して連携型マルチエージェント システムを構築する
Earned 8月 31, 2026 EDT
ツールによるエージェント機能の拡張
Earned 8月 21, 2026 EDT
エージェントのメモリと状態を管理する
Earned 8月 19, 2026 EDT
エージェントの動作を最適化する
Earned 8月 18, 2026 EDT
Agent Development Kit（ADK）を使用した AI エージェントのエンジニアリング
Earned 8月 18, 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 8月 17, 2026 EDT
Gemini Enterprise アプリケーションの作成を始める
Earned 8月 17, 2026 EDT
Enterprise のエージェントとユースケース
Earned 8月 17, 2026 EDT
エージェントの基礎
Earned 8月 14, 2026 EDT
Vertex AI を使用した ML オペレーション（MLOps）: 特徴の管理
Earned 1月 17, 2024 EST
ML オペレーション（MLOps）: 概要
Earned 1月 15, 2024 EST
Google Cloud における AI と ML の概要
Earned 11月 16, 2023 EST
コネクテッド シートで BigQuery データを分析する
Earned 10月 19, 2023 EDT
Cloud Run Functions を使用したサーバーレス アプリケーションの構築
Earned 10月 19, 2023 EDT
Looker を使ってみる
Earned 10月 18, 2023 EDT
Dataplex によるデータの整理と統制
Earned 10月 18, 2023 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 10月 18, 2023 EDT
Google Cloud コンピューティングの基礎
Earned 10月 18, 2023 EDT
Vertex AI での ML ソリューションの構築とデプロイ
Earned 10月 17, 2023 EDT
Google Cloud での ML の API の使用
Earned 10月 15, 2023 EDT
Google データクラウドを使用してデータを共有する
Earned 10月 14, 2023 EDT
BigQuery で予測データ分析を行う
Earned 10月 12, 2023 EDT
Looker でのデータモデルの管理
Earned 10月 10, 2023 EDT
Looker での LookML オブジェクトの構築
Earned 10月 9, 2023 EDT
BigQuery ML を使用した ML モデルの作成
Earned 10月 8, 2023 EDT
BigQuery のデータから分析情報を引き出す
Earned 10月 5, 2023 EDT
Looker ダッシュボードとレポート用にデータを準備する
Earned 10月 2, 2023 EDT
BigQuery ML を使用した予測モデリング向けのデータ エンジニアリング
Earned 10月 1, 2023 EDT
BigQuery でデータ ウェアハウスを構築する
Earned 9月 27, 2023 EDT
Generative AI Fundamentals - 日本語版
Earned 9月 21, 2023 EDT
責任ある AI の概要
Earned 9月 21, 2023 EDT
大規模言語モデルの概要
Earned 9月 21, 2023 EDT
生成 AI の概要
Earned 9月 21, 2023 EDT
Google Cloud の ML API 用にデータを準備
Earned 11月 1, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版
Earned 10月 31, 2022 EDT
Google Cloud におけるアプリ開発環境の設定
Earned 10月 29, 2022 EDT
Google Cloud の基礎: コア インフラストラクチャ
Earned 10月 28, 2022 EDT
Compute Engine での Cloud Load Balancing の実装
Earned 10月 25, 2022 EDT
Google Cloud の基礎
Earned 10月 23, 2022 EDT
Google の Agent Development Kit（ADK）と Model Context Protocol（MCP）を使用して、マルチエージェント システムを設計、調整、デプロイする方法を学びます。旅行コンシェルジュの例を使用して、カスタム ガードレールを備えた専門エージェントのネットワークをオーケストレートする方法を学びます。このコースを修了すると、堅牢でスケーラブルな AI ワークフローに必要な設計パターンとデプロイ戦略を理解できます。
詳細
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
「Agent Development Kit（ADK）を使用した AI エージェントのエンジニアリング」の中級スキルバッジを獲得できるコースを修了すると、 現実世界の言語モデルにおける研究課題の策定、簡単なトークナイザーの構築、Transformer 言語モデルのトレーニング用データセットの準備、小規模言語モデルのトレーニング ループの実行といったスキルを実証できます。
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
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
このコースでは、AI エージェントの基礎について解説し、エージェントが現実の場面でどのように真価を発揮するのかを確認します。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と考えている開発者、アーキテクト、技術的意思決定者にとっての基盤となります。
詳細
このコースでは、Google Cloud 上で本番環境の ML システムをデプロイ、評価、モニタリング、運用するための MLOps ツールとベスト プラクティスについて説明します。MLOps は、本番環境 ML システムのデプロイ、テスト、モニタリング、自動化に重点を置いた規範です。
受講者は、SDK レイヤで Vertex AI Feature Store のストリーミング取り込みを使用する実践的な演習を受けられます。
詳細
このコースでは、Google Cloud 上で本番環境の ML システムをデプロイ、評価、モニタリング、運用するための MLOps ツールとベスト プラクティスについて説明します。MLOps は、本番環境 ML システムのデプロイ、テスト、モニタリング、自動化に重点を置いた規範です。機械学習エンジニアリングの担当者は、ツールを活用して、デプロイしたモデルの継続的な改善と評価を行います。また、データ サイエンティストと協力して、あるいは自らがデータ サイエンティストとして、最も効果的なモデルを迅速かつ正確にデプロイできるようモデルを開発します。
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 開発者、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
「コネクテッド シートで BigQuery データを分析する」スキルバッジ コースを修了すると、コネクテッド シートを使用して Google スプレッドシートから数十億行の BigQuery データにアクセスし、分析、可視化、共有できるようになります。
詳細
「Build Serverless Applications with Cloud Run Functions」コースを修了すると、入門スキルバッジを獲得できます。このコースでは、Google Cloud コンソールとコマンドラインで Cloud Run functions を使用する方法を学びます。 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
「Looker を使ってみる」クエストを修了すると スキルバッジを獲得できます。 このクエストでは、Looker Studio と Looker を使用してデータを分析、可視化、キュレートする方法 を学びます。
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
「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
「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
Vertex AI での ML ソリューションの構築とデプロイ コースを修了して、 中級スキルバッジを獲得しましょう。このコースでは、Google Cloud の Vertex AI プラットフォーム、AutoML、カスタム トレーニング サービスを使用して、 ML モデルのトレーニング、評価、チューニング、説明、デプロイを行う方法を学びます。 このスキルバッジ コースは、データ サイエンティストと ML エンジニアのプロフェッショナルを 対象としています。 スキルバッジは、Google Cloud のプロダクトとサービスの習熟度を示す Google Cloud 発行の限定デジタルバッジで、 インタラクティブなハンズオン環境での知識の応用力を証明するものです。このスキルバッジと 最終評価チャレンジラボを完了し、デジタルバッジを獲得して ネットワークで共有しましょう。
詳細
「Google Cloud での ML の API の使用 」コースを修了して、上級スキルバッジを獲得しましょう。このコースでは、ML と AI テクノロジーを活用する 3 つの API（Cloud Vision API、Cloud Translation API、Cloud Natural Language API） の基本機能について学習します。
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
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
「Looker でのデータモデルの管理」スキルバッジを獲得できる中級コースを修了すると、 次のスキルを身につけていることを実証できます。LookML プロジェクトを健全に維持する、SQL Runner を利用してデータを検証する、 LookML のベスト プラクティスを実践する、パフォーマンス向上のためにクエリとレポートを最適化する、 永続的な派生テーブルとキャッシュ保存ポリシーを実装する。
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
「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
「BigQuery のデータから分析情報を引き出す」の入門スキルバッジを獲得すると、 SQL クエリの作成、一般公開テーブルに対するクエリの実行、BigQuery へのサンプルデータの読み込み、BigQuery でのクエリ バリデータを使用した一般的な構文エラーのトラブルシューティング、 BigQuery データへの接続による Data Studio でのレポート作成といったスキルを実証できます。
詳細
「Looker ダッシュボードとレポート用にデータを準備する」スキルバッジを獲得できる入門コースを修了すると、 データのフィルタ、並べ替え、ピボット、異なる Looker Explore から取得した結果の統合、 関数と演算子を使用してデータを分析し可視化するための Looker ダッシュボードとレポートの作成に関するスキルを実証できます。
詳細
「BigQuery ML を使用した予測モデリング向けのデータ エンジニアリング」のスキルバッジを獲得できる中級コースを修了すると、 Dataprep by Trifacta を使用した BigQuery へのデータ変換パイプラインの構築、 Cloud Storage、Dataflow、BigQuery を使用した抽出、変換、読み込み（ETL）ワークフローの構築、 BigQuery ML を使用した ML モデルの構築に関するスキルを実証できます。
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
「Introduction to Generative AI」、「Introduction to Large Language Models」、「Introduction to Responsible AI」の各コースを修了すると、スキルバッジを獲得できます。最終テストに合格することで、ジェネレーティブ AI の基礎概念を理解していることが証明されます。
スキルバッジは、Google Cloud のプロダクトとサービスに関する知識を認定するために Google Cloud が発行するデジタルバッジです。スキルバッジは、ソーシャル メディアの公開プロフィールを作成してそこに追加することで一般向けに共有できます。
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
「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
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
「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 の基礎: コア インストラクチャ では、Google Cloud に関する重要なコンセプトと用語について説明します。このコースでは動画とハンズオンラボを通じて学習を進めていきます。Google Cloud の多数のコンピューティング サービスとストレージ サービス、そしてリソースとポリシーを管理するための重要なツールについて比較しながら説明します。
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
この入門レベルのコースでは、 Google Cloud の基本的なツールやサービスに関する実践演習を行います。オプションで動画も提供されており、 ラボで取り上げられたコンセプトに関するさらなるコンテキストの確認や、復習に利用できます。「Google Cloud の基礎」は、Google Cloud の学習者に最初に推奨されるコースです。 クラウドの予備知識がほとんどなくても、 最初の Google Cloud プロジェクトに応用できる実践的な経験を積むことができます。Cloud Shell コマンドの記述、 初めての仮想マシンのデプロイ、Kubernetes Engine 上でのアプリケーションの実行や ロード バランシングなど、「Google Cloud の基礎」では、Google Cloud の 基本的な機能について学ぶことができます。
詳細
