Silva Silva Alejandra Belén
メンバー加入日: 2022
ゴールドリーグ
6030 ポイント
Google Cloud Operations を使用したスケーリング
Earned 4月 5, 2026 EDT
Google Cloud で実現する信頼とセキュリティ
Earned 4月 5, 2026 EDT
Google Cloud によるインフラストラクチャとアプリケーションのモダナイゼーション
Earned 4月 5, 2026 EDT
Google Cloud の AI を活用したイノベーション
Earned 4月 5, 2026 EDT
Google Cloud によるデジタル トランスフォーメーション
Earned 4月 5, 2026 EDT
Google Cloud によるデータ トランスフォーメーションの探求
Earned 3月 28, 2026 EDT
Agent Platform におけるプロンプト設計
Earned 12月 1, 2025 EST
責任ある AI: Google Cloud における AI に関する原則の適用
Earned 11月 25, 2025 EST
責任ある AI の概要
Earned 11月 25, 2025 EST
大規模言語モデルの概要
Earned 11月 25, 2025 EST
生成 AI の概要
Earned 11月 21, 2025 EST
認定資格試験の学習ガイドを作成する: PDE 認定試験対策
Earned 4月 21, 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 4月 14, 2023 EDT
BigQuery でデータ ウェアハウスを構築する
Earned 4月 13, 2023 EDT
Google Cloud の ML API 用にデータを準備
Earned 4月 12, 2023 EDT
Dataflow を使用したサーバーレスのデータ処理: 運用
Earned 4月 10, 2023 EDT
Dataflow を使用したサーバーレスのデータ処理: パイプラインの開発
Earned 4月 2, 2023 EDT
Dataflow を使用したサーバーレスのデータ処理: 基礎
Earned 3月 26, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版
Earned 3月 26, 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 3月 26, 2023 EDT
Google Cloud でのバッチデータ パイプラインの構築
Earned 3月 19, 2023 EDT
Compute Engine での Cloud Load Balancing の実装
Earned 3月 13, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版
Earned 3月 12, 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 3月 12, 2023 EDT
あらゆる規模の組織が、事業運営の変革にクラウドの能力と柔軟性を活用しているなかで、 けれども、クラウド リソースを効果的に管理、スケーリングするのは複雑なタスクになる場合があります。 このコースでは、クラウドにおける最新の運用、信頼性、レジリエンスに関する基本的概念と、Google Cloud がこういった取り組みをどのように支援できるのかについて理解を深めます。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
組織がデータやアプリケーションをクラウドへ移行する際には、急速に進化するセキュリティ上の課題に対処することが求められます。このコースでは、クラウド セキュリティの基礎、Google Cloud の安全性を重視した設計のインフラストラクチャの価値、多層防御戦略について説明します。また、AI を活用した運用とコンプライアンス ツールが、組織が厳格なグローバル規制要件を満たすのにどのように役立つかについても説明します。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
多くの従来型企業では、既存のシステムやアプリで昨今の顧客の期待に応え続けることが難しくなっています。この場合、経営者は、老朽化した IT システムの保守を続けるのか、新たな製品やサービスに投資をするのか、選択を迫られることになります。このコースではそうした課題を明らかにするとともに、そうした課題をクラウド テクノロジーによって乗り越えるためのソリューションについて学びます。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
AI と ML は、幅広い業種に急速な変革をもたらしているインフォメーション テクノロジーにおける重要な進化です。 「Google Cloud の AI を活用したイノベーション」では、AI と ML を活用して組織でビジネス プロセスを変革する方法について学習します。
このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
デジタル トランスフォーメーションは、現代の組織にとって重要なプロセスです。クラウド コンピューティングで強固なベースラインを確立することは、有意義なイノベーションを推進するための第一歩となります。「Google Cloud によるデジタル トランスフォーメーション」では、組織が業務をモダナイズするのに役立つコア テクノロジーと戦略的フレームワークを紹介します。このコースでは、クラウドの基本的なコンセプト、グローバル ネットワーク インフラストラクチャ、責任の共有モデルについて説明し、リーダーが自信を持ってクラウドへの移行を進められるようにします。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
クラウド テクノロジーは組織に大きな力をもたらします。データと組み合わせることで、イノベーションの触媒となり、カスタマー エクスペリエンスの向上を促進します。「Google Cloud によるデータ トランスフォーメーションの探求」では、組織がクラウドを活用して、データをよりアクセスしやすく、実用的で、価値のあるものにする方法を学びます。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
「Agent Platform におけるプロンプト設計」スキルバッジを獲得できる入門コースを修了すると、 Agent Platform のプロンプト エンジニアリング、画像分析、マルチモーダル生成手法のスキルを実証できます。効果的なプロンプトを作成する方法、目的どおりの生成 AI 出力を生成する方法、 Gemini モデルを実際のマーケティング シナリオに適用する方法を学びます。
詳細
企業における AI と ML の利用が拡大し続けるなか、責任を持ってそれを構築することの重要性も増しています。多くの企業にとっての課題は、責任ある AI と口で言うのは簡単でも、それを実践するのは難しいということです。このコースは、責任ある AI を組織で運用化する方法を学びたい方に最適です。
このコースでは、Google Cloud が責任ある AI を現在どのように運用化しているかを、ベスト プラクティスや教訓と併せて学び、責任ある AI に対する独自のアプローチを構築するためのフレームワークとして活用できるようにします。
詳細
この入門レベルのマイクロラーニング コースでは、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
Gemini Notebook を使用して、Professional Data Engineer 認定試験に向けた自分専用の学習ガイドを作成する方法を学びます。Gemini Notebook の機能を確認して、Gemini Notebook でノートブックを作成し、認定試験の対策として学習ガイドを活用する方法を身につけます。
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
「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
Dataflow シリーズの最後のコースでは、Dataflow 運用モデルのコンポーネントを紹介します。パイプラインのパフォーマンスのトラブルシューティングと最適化に役立つツールと手法を検証した後で、Dataflow パイプラインのテスト、デプロイ、信頼性に関するベスト プラクティスについて確認します。最後に、数百人のユーザーがいる組織に対して Dataflow パイプラインを簡単に拡張するためのテンプレートについても確認します。これらの内容を習得することで、データ プラットフォームの安定性を保ち、予期せぬ状況に対する回復力を確保できるようになります。
詳細
Dataflow コースシリーズの 2 回目である今回は、Beam SDK を使用したパイプラインの開発について詳しく説明します。まず、Apache Beam のコンセプトについて復習します。次に、ウィンドウ、ウォーターマーク、トリガーを使用したストリーミング データの処理について説明します。さらに、パイプラインのソースとシンクのオプション、構造化データを表現するためのスキーマ、State API と Timer API を使用してステートフル変換を行う方法について説明します。続いて、パイプラインのパフォーマンスを最大化するためのベスト プラクティスを再確認します。コースの終盤では、Beam でビジネス ロジックを表現するための SQL と DataFrame、および Beam ノートブックを使用してパイプラインを反復的に開発する方法を説明します。
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
「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
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
