Amer Ayoub
メンバー加入日: 2021
ゴールドリーグ
10210 ポイント
責任ある AI の概要
Earned 11月 22, 2023 EST
大規模言語モデルの概要
Earned 11月 21, 2023 EST
Vertex AI Studio の概要
Earned 9月 1, 2023 EDT
画像キャプション モデルの作成
Earned 9月 1, 2023 EDT
Transformer モデルと BERT モデル
Earned 9月 1, 2023 EDT
Encoder-Decoder アーキテクチャ
Earned 9月 1, 2023 EDT
アテンション機構
Earned 9月 1, 2023 EDT
画像生成の概要
Earned 9月 1, 2023 EDT
生成 AI の概要
Earned 6月 5, 2023 EDT
BigQuery ML を使用した ML モデルの作成
Earned 11月 9, 2022 EST
Compute Engine での Cloud Load Balancing の実装
Earned 9月 6, 2022 EDT
機械学習API
Earned 2月 3, 2022 EST
DEPRECATED Websites and Web Applications
Earned 11月 8, 2021 EST
ベースライン: データ、ML、AI
Earned 10月 24, 2021 EDT
Scientific Data Processing
Earned 10月 24, 2021 EDT
BigQuery のデータから分析情報を引き出す
Earned 10月 24, 2021 EDT
[DEPRECATED] Data Engineering
Earned 10月 21, 2021 EDT
DEPRECATED BigQuery Basics for Data Analysts
Earned 10月 18, 2021 EDT
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
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
「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
「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
機械学習はもっとも迅速に成長しているテクノロジーの分野です。Google Cloud Platformは、その成長に一役かっています。APIのホストを使うことにより、GCPにはツールがあります。この上級レベルのクエストでは、「Implementing an AI Chatbot with Dialogflow」や「Detect Labels, Faces, and Landmarks in Images with the Cloud Vision API」と同様に機械学習APIについてハンズオンで演習ができます。
詳細
When it comes to hosting websites and web applications, you want a framework that’s robust, fast, and secure. By choosing the Google Cloud Platform, you will have all of those needs covered. In this fundamental-level quest, you will get hands-on practice with GCPs key infrastructure and computing services for the web. From deploying your first web app, to integrating Cloud SQL with Ruby on Rails, to mapping the NYC subway system on App Engine, you will learn all the skills needed to harness GCPs web hosting power.
詳細
ビッグデータ、ML、AI は今日のコンピュータ業界ではホットなトピックですが、 これらの分野は非常に専門性が高く、 入門レベルの教材を見つけるのは困難です。幸いなことに、Google Cloud はこうした分野でユーザー フレンドリーなサービスを提供しており、 この入門レベルのコースを通じて、BigQuery、Cloud Speech API、 Video Intelligence などのツールを使い始めるための第一歩を踏み出せます。
詳細
ビッグデータ、機械学習、科学的データ。完璧な組み合わせといえます。このクエストは上級レベルであり、実際の科学的データセットを使用するユースケースに BigQuery、Managed Service for Apache Spark、Tensorflow などの GCP サービスを当てはめ、実践的な演習を行います。「科学的データ処理」では、地震データの分析や衛星画像の集約といったタスクを実践し、ビッグデータと機械学習に関するスキルの強化を図ります。これにより、多岐にわたる科学的分野でさまざまな問題に取り組むことができるようになります。
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
This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.
詳細
Want to scale your data analysis efforts without managing database hardware? Learn the best practices for querying and getting insights from your data warehouse with this interactive series of BigQuery labs. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights.
詳細
