参加 ログイン

Bordovskyi Volodymyr

メンバー加入日: 2023

ゴールドリーグ

16273 ポイント
エージェントの動作を最適化する Earned 4月 15, 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 4月 10, 2026 EDT
Agent Development Kit(ADK)を使用したエージェントの構築 Earned 4月 3, 2026 EDT
エージェントの基礎 Earned 4月 3, 2026 EDT
Bigtable インスタンスの作成と管理 Earned 10月 25, 2023 EDT
Cloud Spanner インスタンスの作成と管理 Earned 10月 20, 2023 EDT
Looker での LookML オブジェクトの構築 Earned 10月 16, 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 13, 2023 EDT
Looker を使ってみる Earned 10月 13, 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 12, 2023 EDT
Generative AI Fundamentals - 日本語版 Earned 9月 27, 2023 EDT
責任ある AI の概要 Earned 9月 27, 2023 EDT
大規模言語モデルの概要 Earned 9月 27, 2023 EDT
BigQuery のデータから分析情報を引き出す Earned 9月 27, 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 8月 8, 2023 EDT
BigQuery でデータ ウェアハウスを構築する Earned 7月 18, 2023 EDT
Dataflow を使用したサーバーレスのデータ処理: 基礎 Earned 7月 10, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版 Earned 6月 18, 2023 EDT
Google Cloud でストリーミング データ パイプラインを構築する Earned 6月 12, 2023 EDT
Google Cloud でのバッチデータ パイプラインの構築 Earned 6月 6, 2023 EDT
Google Cloud でデータレイクとデータ ウェアハウスを構築する Earned 6月 2, 2023 EDT

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。 Gemini Enterprise Agent Ready(GEAR)プログラムの他のコンテンツも併せてご確認ください。 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。 Gemini Enterprise Agent Ready(GEAR)プログラムの他のコンテンツも併せてご確認ください。

詳細

Agent Development Kit(ADK)を使用して、複雑でプロダクション レディな AI エージェントを構築する方法について学習します。このコースでは、ADK のオープンソース フレームワークについて学び、簡単なプロンプト エンジニアリングから、エンタープライズ クラスのマルチエージェント システムに適したコードファーストの構造化ソフトウェア開発アプローチに移行する方法を習得します。

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

「Bigtable インスタンスの作成と管理」入門コースを修了してスキルバッジを獲得すると、インスタンスの作成、スキーマの設計、 データのクエリ、Bigtable での管理タスク実行(パフォーマンスのモニタリング、ノードの自動スケーリングとレプリケーションの構成など)のスキルを実証できます。

詳細

「Cloud Spanner インスタンスの作成と管理」スキルバッジを 獲得できる入門コースを修了すると、 Cloud Spanner のインスタンスとデータベースの作成と操作、 さまざまな手法による Cloud Spanner データベースの読み込み、 Cloud Spanner データベースのバックアップ、スキーマの定義、クエリプランの理解、 Cloud Spanner インスタンスに接続された最新ウェブアプリのデプロイといったスキルを実証できます。

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

「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

「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

「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

「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

「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

「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

このコースは、Dataflow を使用したサーバーレスのデータ処理に関する 3 コースシリーズのパート 1 です。この最初のコースでは、始めに Apache Beam とは何か、そして Dataflow とどのように関係しているかを復習します。次に、Apache Beam のビジョンと Beam Portability フレームワークの利点について説明します。Beam Portability フレームワークによって、デベロッパーが好みのプログラミング言語と実行バックエンドを使用できるビジョンが実現します。続いて、Dataflow によってどのように費用を節約しながらコンピューティングとストレージを分離できるか、そして識別ツール、アクセスツール、管理ツールがどのように Dataflow パイプラインと相互に機能するかを紹介します。最後に、Dataflow でそれぞれのユースケースに合った適切なセキュリティ モデルを実装する方法について学習します。

詳細

ML をデータ パイプラインに組み込むと、データから分析情報を抽出する能力を向上できます。このコースでは、Google Cloud でデータ パイプラインに ML を含める複数の方法について説明します。カスタマイズがほとんど、またはまったく必要ない場合のために、このコースでは AutoML について説明します。よりカスタマイズされた ML 機能については、Notebooks と BigQuery の機械学習(BigQuery ML)を紹介します。また、Vertex AI を使用して ML ソリューションを本番環境に導入する方法も説明します。

詳細

このコースでは、ストリーミング データ パイプラインの構築時に直面する実際の問題を解決するために、実践的な演習を行います。ポイントは、Google Cloud プロダクトを使用して、絶えず流れ続けるデータを効果的に管理することです。

詳細

この中級コースでは、Google Cloud で堅牢なバッチデータ パイプラインを設計、構築、最適化する方法を学習します。基本的なデータ処理から一歩進んで、大規模なデータ変換と効率的なワークフロー オーケストレーションを確認します。この内容は、タイムリーなビジネス インテリジェンスと重要なレポートの作成に不可欠です。 実装に Apache Beam 用の Dataflow と Apache Spark 向け Serverless(Dataproc Serverless)を使用する実践的な演習を行い、パイプラインの信頼性の確保と効果的な運用を実現するために、データの品質、モニタリング、アラートに関する重要な考慮事項に対処します。データ ウェアハウジング、ETL / ELT、SQL、Python、Google Cloud のコンセプトに関する基本的な知識があることが推奨されます。

詳細

データレイクとデータ ウェアハウスを使用する従来のアプローチは効果的ですが、特に大規模な企業環境においては欠点があります。このコースでは、データ レイクハウスのコンセプトと、データ レイクハウスの作成に使用する Google Cloud プロダクトについて説明します。レイクハウス アーキテクチャは、オープン スタンダードのデータソースを使用し、データレイクとデータ ウェアハウスの優れた機能を組み合わせて、両者の欠点の多くに対処します。

詳細