メンバー加入日: 2023
アテンション機構
Earned 4月 6, 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 1月 12, 2026 EST
エージェントの基礎
Earned 1月 12, 2026 EST
Google DeepMind: 02 Represent Your Language Data
Earned 11月 22, 2025 EST
Google DeepMind: 01 Build Your Own Small Language Model
Earned 11月 3, 2025 EST
Generative AI Explorer - Vertex AI
Earned 10月 30, 2025 EDT
生成 AI の概要
Earned 10月 22, 2025 EDT
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。
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。
AI エージェントは、従来の大規模言語モデル（LLM）を超える大きな変化をもたらします。単にテキストベースの解決策を生成するだけでなく、自律的に行動して、それを実行に移すこともできます。このコースでは、AI エージェントの基礎、LLM API との違い、現実の場面でどのように真価を発揮するのかを解説します。また、Google のエージェント ホワイトペーパーに基づき、エージェントのコードを書き始める前に必要となる理論的基盤を提供します。単なるテキスト生成ではなく、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開発者、アーキテクト、技術的意思決定者に適した内容です。質問やディスカッションについては、コミュニティ フォーラムにご参加ください。
In this Google DeepMind course you will learn how to prepare text data for language models to process. You will investigate the tools and techniques used to prepare, structure, and represent text data for language models, with a focus on tokenization and embeddings. You will be encouraged to think critically about the decisions behind data preparation, and what biases within the data may be introduced into models. You will analyze trade-offs, learn how to work with vectors and matrices, how meaning is represented in language models. Finally, you will practice designing a dataset ethically using the Data Cards process, ensuring transparency, accountability, and respect for community values in AI development.
In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.
「Generative AI Explorer - Vertex AI」コースには、 Google Cloud での生成 AI の使用方法に関する複数のラボが含まれます。ラボでは、Vertex AI PaLM API ファミリーの text-bison、chat-bison、 textembedding-gecko などのモデルの使用方法を確認し、プロンプト設計やベスト プラクティス、さらに Vertex AI を活用した アイディエーション、テキスト分類、テキスト抽出、テキスト要約について 学びます。また、 Vertex AI カスタム トレーニングによって基盤モデルをチューニングし、Vertex AI エンドポイントにデプロイする方法も学びます。
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、従来の機械学習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。