参加 ログイン

Czekała Paweł

メンバー加入日: 2022

ブロンズリーグ

1600 ポイント
DEPRECATED Explore Machine Learning Models with Explainable AI Earned 3月 7, 2022 EST
Computer Vision Fundamentals with Google Cloud Earned 3月 3, 2022 EST
本番環境 ML システム Earned 3月 1, 2022 EST
企業における ML Earned 2月 28, 2022 EST
[DEPRECATED] 特徴量エンジニアリング Earned 2月 27, 2022 EST
Google Cloud での Keras を使った ML モデルの構築、トレーニング、デプロイ Earned 2月 24, 2022 EST
Launching into Machine Learning - 日本語版 Earned 2月 22, 2022 EST
How Google Does Machine Learning - 日本語版 Earned 2月 21, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 Earned 2月 18, 2022 EST
Google Cloud での DevOps ワークフローの実装 Earned 2月 16, 2022 EST
Measure Site Reliability using Cloud Operations Suite Earned 2月 16, 2022 EST
Google Cloud Observability を使用したモニタリングとロギング Earned 2月 15, 2022 EST
Google Cloud におけるアプリ開発環境の設定 Earned 2月 14, 2022 EST
Google Cloud におけるロギングとモニタリング Earned 2月 14, 2022 EST
信頼性に優れた Google Cloud インフラストラクチャ: 設計とプロセス Earned 2月 12, 2022 EST
Google の SRE 文化の醸成 Earned 2月 10, 2022 EST
Google Cloud の基礎: コア インフラストラクチャ Earned 2月 10, 2022 EST

Earn a skill badge by completing the Explore Machine Learning Models with Explainable AI quest, where you will learn how to do the following using Explainable AI: build and deploy a model to an AI platform for serving (prediction), use the What-If Tool with an image recognition model, identify bias in mortgage data using the What-If Tool, and compare models using the What-If Tool to identify potential bias. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest and the final assessment challenge lab to receive a skill badge that you can share with your network.

詳細

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

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 ワークフローに対する実践的なアプローチを取り上げます。具体的には、いくつかの ML のビジネス要件とユースケースに取り組む ML チームをケーススタディ形式で紹介します。このチームは、データ マネジメントとガバナンスに必要なツールを理解し、データの前処理に最適なアプローチを検討する必要があります。 2 つのユースケースに対して ML モデルを構築するための 3 つのオプションがチームに提示されます。このコースでは、チームの目標を達成するために、AutoML、BigQuery ML、カスタム トレーニングを使用する理由について説明します。

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

このコースでは、TensorFlow と Keras を使用した ML モデルの構築、ML モデルの精度の向上、スケーリングに対応した ML モデルの作成について取り上げます。

詳細

このコースでは、まず、データ品質を向上させる方法や探索的データ分析を行う方法など、データについての議論から始めます。Vertex AI AutoML について確認し、コードを一切記述せずに ML モデルを構築、トレーニング、デプロイする方法を説明します。また、BigQuery ML のメリットを確認します。その後、ML モデルを最適化する方法、一般化とサンプリングを活用してカスタム トレーニング向けに ML モデルの品質を評価する方法を説明します。

詳細

Google Cloud で機械学習を実装する際のベスト プラクティスには何があるでしょうか。Vertex AI とは何であり、このプラットフォームを使用してコードを 1 行も記述せずに AutoML 機械学習モデルを迅速に構築、トレーニング、デプロイするにはどうすればよいでしょうか。機械学習とはどのようなもので、どのような問題の解決に役立つのでしょうか。 Google では機械学習について独自の視点で考えています。マネージド データセット、特徴量ストア、そしてコードを 1 行も記述せずに迅速に機械学習モデルを構築、トレーニング、デプロイする手段を 1 つにまとめた統合プラットフォームを提供するとともに、データにラベル付けし、TensorFlow、SciKit Learn、Pytorch、R やその他のフレームワークを使用して Workbench ノートブックを作成できるようにすることが、Google の考える機械学習の在り方です。Google の Vertex AI プラットフォームでは、カスタムモデルをトレーニングしたり、コンポーネント パイプラインを構築したりすることもできます。さらに、オンライン予測とバッチ予測の両方を実施できます。このコースでは、候補となるユースケースを機械学習で学習できる形に変換する 5 つのフェーズについても説明し、これらのフェーズを省略しないことが重要である理由について論じます。最後に、機械学習によって増幅される可能性のあるバイアスの認識と、それを識別する方法について説明します。

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

Google Cloud での DevOps ワークフローの実装 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、 Git リポジトリの作成と管理、 Google Kubernetes Engine（GKE）上でのデプロイのリリース、管理、スケール、 コンテナ イメージのビルドと GKE へのデプロイを自動化する CI / CD パイプラインの設計といったスキルを実証できます。

詳細

Earn a skill badge by completing the Measure Site Reliability using Cloud Operations Suite quest, where you will learn how to set Service Level Indicators (SLIs), Service Level Objectives (SLOs), and Service Level Agreements (SLAs); create logs-based metrics to capture to capture specific issues and address them; define alerts to notify Site Reliability Engineers of issues in production environment, and troubleshoot application issues with Cloud Trace, Debugger, Profiler, Monitoring and Logging. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest, and the final assessment challenge lab, to receive a skill badge that you can share with your network.

詳細

入門スキルバッジ コース「Google Cloud Observability を使用したモニタリングとロギング」を修了すると、 Compute Engine における仮想マシンのモニタリング、 複数プロジェクトの監視を目的とした Cloud Monitoring の利用、モニタリング機能とロギング機能の Cloud Functions への拡張、 アプリケーションに対するカスタム指標の作成と送信、カスタム指標に基づく Cloud Monitoring アラートの構成に関するスキルを実証できます。

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 のロギングとモニタリング、オブザーバビリティの 2 部構成コースへようこそGoogle Cloudの運用のコアとなるツールを大きく 2 つに分類すると、運用に関連するものと、アプリケーション パフォーマンス管理に関連するものに分かれます。本コース「Google Cloud におけるロギングとモニタリング」では、運用に役立つロギング、モニタリング、サービス モニタリングについて学習します。このコースを受講したら、パート 2 の「Google Cloud でのオブザーバビリティ」を受講して、利用可能なアプリケーション パフォーマンス管理ツールについて学ぶことをおすすめします。

詳細

このコースでは、実績ある設計パターンを利用して、信頼性と効率に優れたソリューションを Google Cloud で構築する方法を学習します。本コースは、Google Compute Engine を使用した構築 または Google Kubernetes Engine を使用した構築 のコースの続きで、これらのコースで取り上げているテクノロジーの実践経験があることを前提としています。参加者は、講義、設計アクティビティ、ハンズオンラボを通して、ビジネス要件と技術要件を定義し、バランスを取りながら、信頼性、可用性、安全性、費用対効果に優れた Google Cloud のデプロイを設計する方法を学びます。

詳細

多くの IT 組織では、アジリティを求める開発者と、安定性を重視する運用担当者の間で、インセンティブが調整されていません。サイト信頼性エンジニアリング（SRE）は、Google が開発と運用の間のインセンティブを調整し、ミッション クリティカルな本番環境サポートを行う方法です。SRE の文化的および技術的手法を導入することで、ビジネスと IT の連携を改善できます。このコースでは、Google の SRE の主な手法を紹介し、SRE の組織的な導入を成功させるうえで IT リーダーとビジネス リーダーが果たす重要な役割について説明します。

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