Rahul Patel Heta
メンバー加入日: 2019
ダイヤモンド リーグ
41325 ポイント
総仕上げ: Google Cloud のデータ アナリストになるための準備
Earned 10月 28, 2025 EDT
ストーリーテリングの力: クラウドでデータを可視化する方法
Earned 10月 28, 2025 EDT
クラウドにおけるデータ変換
Earned 10月 28, 2025 EDT
クラウドにおけるデータ マネジメントとストレージ
Earned 10月 28, 2025 EDT
Google Cloud におけるデータ分析の概要
Earned 10月 27, 2025 EDT
生成 AI エージェント: 組織の変革
Earned 4月 20, 2025 EDT
生成 AI アプリ: 働き方を変革する
Earned 4月 20, 2025 EDT
生成 AI: 現在の状況を知る
Earned 4月 20, 2025 EDT
生成 AI: 基本概念の理解
Earned 4月 20, 2025 EDT
生成 AI: chatbot を超えて
Earned 4月 20, 2025 EDT
責任ある AI: Google Cloud における AI に関する原則の適用
Earned 6月 1, 2024 EDT
責任ある AI の概要
Earned 6月 1, 2024 EDT
The Power of Storytelling: How to Visualize Data in the Cloud
Earned 5月 28, 2024 EDT
Put It All Together: Prepare for a Cloud Data Analyst Job
Earned 5月 19, 2024 EDT
Data Transformation in the Cloud
Earned 5月 15, 2024 EDT
Data Management and Storage in the Cloud
Earned 5月 15, 2024 EDT
Introduction to Data Analytics in Google Cloud
Earned 5月 12, 2024 EDT
Gemini と Streamlit を使用した生成 AI アプリの開発
Earned 5月 5, 2024 EDT
生成 AI のための ML オペレーション（MLOps)
Earned 5月 5, 2024 EDT
開発者向けの責任ある AI: 解釈可能性と透明性
Earned 5月 5, 2024 EDT
発者向けの責任ある AI: 公平性とバイアス
Earned 5月 5, 2024 EDT
Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチ ドキュメントの検査
Earned 5月 5, 2024 EDT
ベクトル検索とエンベディング
Earned 5月 5, 2024 EDT
Vertex AI Studio の概要
Earned 5月 5, 2024 EDT
画像キャプション モデルの作成
Earned 5月 5, 2024 EDT
Transformer モデルと BERT モデル
Earned 5月 5, 2024 EDT
Encoder-Decoder アーキテクチャ
Earned 5月 5, 2024 EDT
アテンション機構
Earned 5月 5, 2024 EDT
画像生成の概要
Earned 5月 5, 2024 EDT
安全な Google Cloud ネットワークの構築
Earned 10月 30, 2020 EDT
Google Cloud ネットワークにおけるデプロイの自動化とトラフィックの管理
Earned 10月 30, 2020 EDT
Google Cloud ネットワークの設定
Earned 10月 22, 2020 EDT
Google Cloud での Kubernetes アプリケーションのデプロイ
Earned 10月 19, 2020 EDT
Google Cloud の Kubernetes
Earned 10月 17, 2020 EDT
DEPRECATED Cloud Architecture
Earned 10月 17, 2020 EDT
Google Cloud ネットワークの構築
Earned 10月 16, 2020 EDT
クラウド エンジニアリング
Earned 10月 16, 2020 EDT
Google Cloud におけるアプリ開発環境の設定
Earned 10月 16, 2020 EDT
ベースライン: インフラストラクチャ
Earned 10月 16, 2020 EDT
DEPRECATED Explore Machine Learning Models with Explainable AI
Earned 10月 15, 2020 EDT
Google Cloud での ML の API の使用
Earned 10月 15, 2020 EDT
機械学習API
Earned 10月 14, 2020 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 10月 14, 2020 EDT
[DEPRECATED] Data Engineering
Earned 10月 13, 2020 EDT
BigQuery のデータから分析情報を引き出す
Earned 10月 11, 2020 EDT
DEPRECATED BigQuery Basics for Data Analysts
Earned 10月 10, 2020 EDT
Google Cloud の ML API 用にデータを準備
Earned 10月 5, 2020 EDT
ベースライン: データ、ML、AI
Earned 10月 4, 2020 EDT
Compute Engine での Cloud Load Balancing の実装
Earned 10月 3, 2020 EDT
Google Cloud の基礎
Earned 10月 3, 2020 EDT
これは、5 つのコースからなる「Google Cloud データ アナリティクス認定証」プログラムの 5 つ目のコースです。このコースでは、コース 1～4 で学んだ基礎知識とスキルを組み合わせて応用することで、データ ライフサイクル全体に焦点を当てたハンズオン キャップストーン プロジェクトに取り組みます。クラウドベースのツールを使用して、データの分析情報を効果的に取得、保存、処理、分析、可視化し、明確に伝えるための実践を行います。このコースの終了までに、プロジェクトを完了し、複数のソースから得られたデータを効果的に構造化して、さまざまな関係者にソリューションを提示し、クラウドベースのソフトウェアを使用してデータ分析情報を可視化する能力を実証します。また、履歴書を更新し、面接の練習を行って、就職活動や面接に備えることができます。
詳細
これは、「Google Cloud データ アナリティクス認定証」プログラムを構成する 5 つのコースのうちの 4 つ目です。このコースでは、クラウドでのデータ可視化における 5 つの主要な段階（ストーリーテリング、計画、データ探索、ビジュアリゼーションの構築、他のユーザーとのデータ共有）のスキルを開発することに重点を置いています。さらに、UI / UX スキルを使用して、クラウドネイティブで効果的な可視化のワイヤーフレームを実際に作成するとともに、クラウドネイティブのデータ可視化ツールを使用して、データセットの探索、レポートの作成のほか、意思決定とコラボレーションを促進するダッシュボードの構築を行います。
詳細
これは、「Google Cloud データ アナリティクス認定証」プログラムの 5 つのコースのうちの 3 つ目です。最初に、データの収集から分析情報の取得まで、データ ジャーニーの概要について紹介します。次に、SQL を使用して元データを使用可能な形式に変換する方法を学びます。また、データ パイプラインを使用して大量のデータを変換する方法についても学びます。最後に、実際のデータセットに変換戦略を適用することで、ビジネスニーズに対応する方法を学びます。
詳細
これは、「Google Cloud データ アナリティクス認定証」の 5 つのコースのうちの 2 つ目です。このコースでは、データの構造化および整理の方法を確認します。また、BigQuery、Google Cloud Storage、DataProc などのデータ レイクハウス アーキテクチャやクラウド コンポーネントについて実践的な経験を積み、大規模なデータセットを効率的に保存、分析、処理できるようになります。
詳細
これは、5 つのコースからなる「Google Cloud データ アナリティクス認定証」プログラムの 1 つ目のコースです。このコースでは、クラウドデータ分析とは何かについて、そしてデータの取得、保存、処理、可視化に関連するクラウド データ アナリストの役割と責任について学びます。受講者は、Google Cloud ベースのツール（BigQuery や Cloud Storage など）のアーキテクチャと、それらを使用してデータを効果的に整理、提示し、レポートを作成する方法を確認します。
詳細
「Gen AI エージェント: 組織の変革」は、Gen AI Leader 学習プログラムの最後となる 5 番目のコースです。このコースでは、組織でカスタム生成 AI エージェントを使用して特定のビジネス課題に対処する方法を学習します。基本的な生成 AI エージェントを構築する実践演習を行うとともに、モデル、推論ループ、ツールなどのエージェントの構成要素について見ていきます。
詳細
「生成 AI アプリ: 働き方を変革する」は、生成 AI リーダー学習プログラムの 4 つ目のコースです。このコースでは、Gemini for Workspace や NotebookLM など、Google の生成 AI アプリケーションを紹介します。グラウンディング、検索拡張生成、効果的なプロンプトの作成、自動化されたワークフローの構築などのコンセプトについて学びます。
詳細
「生成 AI: 現在の状況を知る」は、生成 AI リーダー学習プログラムの 3 つ目のコースです。生成 AI は、私たちの働き方や、私たちを取り巻く世界との関わり方を変えつつあります。リーダーとして、その力をどのように活用し、真のビジネス成果につなげればよいのでしょうか？このコースでは、生成 AI ソリューションの構築におけるさまざまなレイヤ、Google Cloud のサービス、ソリューションを選択する際に考慮すべき要素について学びます。
詳細
「生成 AI: 基本概念の理解」は、Gen AI Leader 学習プログラムの 2 つ目のコースです。このコースでは、AI、ML、生成 AI の違いを探り、さまざまな種類のデータが生成 AI によるビジネス課題への対処を可能にする仕組みを理解することで、生成 AI の基本概念を習得します。また、基盤モデルの限界に対処するための Google Cloud の戦略、および責任ある安全な AI の開発と導入における重要な課題に関するインサイトも得られます。
詳細
「生成 AI: chatbot を超えて」は、生成 AI リーダー学習プログラムの最初のコースで、前提条件はありません。このコースは、chatbot の基礎的な理解をさらに広げ、組織で実現できる生成 AI の真の可能性を把握することを目的としています。基盤モデルやプロンプト エンジニアリングなど、生成 AI の力を活用するうえで重要な概念も紹介します。また、このコースでは、組織において優れた生成 AI 戦略を策定する場合に検討するべき重要事項も見ていきます。
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
This is the fourth of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll focus on developing skills in the five key stages of visualizing data in the cloud: storytelling, planning, exploring data, building visualizations, and sharing data with others. You’ll also gain experience using UI/UX skills to wireframe impactful, cloud-native visualizations and work with cloud-native data visualization tools to explore datasets, create reports, and build dashboards that drive decisions and foster collaboration.
詳細
This is the fifth of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll combine and apply the foundational knowledge and skills from courses 1-4 in a hands-on Capstone project that focuses on the full data lifecycle project. You’ll practice using cloud-based tools to acquire, store, process, analyze, visualize, and communicate data insights effectively. By the end of the course, you’ll have completed a project demonstrating their proficiency in effectively structuring data from multiple sources, presenting solutions to varied stakeholders, and visualizing data insights using cloud-based software. You’ll also update your resume and practice interview techniques to help prepare for applying and interviewing for jobs.
詳細
This is the third of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll begin by getting an overview of the data journey, from collection to insights. You’ll then learn how to use SQL to transform raw data into a usable format. Next, you’ll learn how to transform high volumes of data with a data pipeline. Finally, you’ll gain experience applying transformation strategies to real data sets to solve business needs.
詳細
This is the second of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll explore how data is structured and organized. You’ll gain hands-on experience with the data lakehouse architecture and cloud components like BigQuery, Google Cloud Storage, and DataProc to efficiently store, analyze, and process large datasets.
詳細
This is the first of five courses in the Google Cloud Data Analytics Certificate. In this course, you’ll define the field of cloud data analysis and describe roles and responsibilities of a cloud data analyst as they relate to data acquisition, storage, processing, and visualization. You’ll explore the architecture of Google Cloud-based tools, like BigQuery and Cloud Storage, and how they are used to effectively structure, present, and report data.
詳細
「Gemini と Streamlit を使用した生成 AI アプリの開発」の中級スキルバッジを獲得すると、 テキストの生成、Python SDK と Gemini API を使用した関数呼び出し、Cloud Run を使用した Streamlit アプリケーションのデプロイといったスキルを実証できます。 ここでは、Gemini にテキスト生成のプロンプトを与えるさまざまな方法を確認し、Cloud Shell を使用して Streamlit アプリケーションのテストとイテレーションを行い、Cloud Run にデプロイされる Docker コンテナとしてパッケージ化します。
詳細
このコースでは、生成 AI モデルのデプロイと管理において MLOps チームが直面する特有の課題に対処するために必要な知識とツールを提供し、AI チームが MLOps プロセスを合理化して生成 AI プロジェクトを成功させるうえで Vertex AI がどのように役立つかを説明します。
詳細
このコースでは、AI の解釈可能性と透明性のコンセプトを紹介します。デベロッパーとエンジニアにとって AI の透明性が重要であることについて説明します。データと AI モデルの両方で解釈可能性と透明性を達成できる実践的な方法とツールを検証します。
詳細
このコースでは、責任ある AI および AI に関する原則のコンセプトを紹介します。AI / ML の実践における公平性とバイアスを特定し、バイアスを軽減するための実践的な手法を取り扱います。具体的には、Google Cloud プロダクトとオープンソース ツールを使用して責任ある AI のベスト プラクティスを実装するための実践的な方法とツールを検証します。
詳細
Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチ ドキュメントの検査 スキルバッジを獲得できる中級コースを修了すると、次のスキルを実証できます。 Gemini を使用したマルチモダリティにより、マルチモーダル プロンプトを使用してテキストと視覚データから情報を抽出し、動画の説明を生成して、 動画の範囲を超えた追加情報を取得する。Gemini を使用したマルチモーダル検索拡張生成（RAG）により、テキストと画像を含むドキュ引用を出力する。
詳細
このコースでは、AI を活用した検索テクノロジー、ツール、アプリケーションについて学びます。ベクトル エンベディングを利用するセマンティック検索、セマンティック アプローチとキーワード アプローチを組み合わせたハイブリッド検索、グラウンディング対応 AI エージェントとして AI のハルシネーションを最小限に抑える検索拡張生成（RAG）をご紹介します。Vertex AI Vector Search を実践的な経験を積んで、インテリジェントな検索エンジンを構築しましょう。
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
安全な Google Cloud ネットワークの構築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 でアプリケーションを ビルド、スケール、保護するための複数のネットワーク関連リソースについて学習します。
詳細
ネットワーキングはクラウド コンピューティングにおける主要なテーマです。Google Cloud の基盤となる 構造であり、すべてのリソースとサービスを 相互に接続するものです。このコースでは、Google Cloud の基本的なネットワーキング サービスについて学び、 優れたネットワークを開発するための専用ツールを使用して実践演習を 行います。VPC についての詳細な学習から、エンタープライズ クラスのロードバランサの作成まで、 「Google Cloud ネットワークにおけるデプロイの自動化とトラフィックの管理」では、 堅牢なネットワークを今すぐ構築するために必要となる実践的な経験を積むことができます。
詳細
Google Cloud ネットワークの設定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 Platform で基本的なネットワーキング タスクを実行する方法を学習します。具体的には、カスタム ネットワークの作成、サブネット ファイアウォール ルールの追加、VM の作成、そして VM 同士が通信する際のレイテンシのテストについて学びます。
詳細
Google Cloud での Kubernetes アプリケーションのデプロイ 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、 Docker コンテナ イメージの構成とビルド、Google Kubernetes Engine（GKE）クラスタの作成と管理、kubectl を活用した効率的な クラスタ管理、堅牢な継続的デリバリー（CD）による Kubernetes アプリケーションのデプロイ手法といったスキルを実証できます。
詳細
Kubernetes は最も人気のあるコンテナ オーケストレーション システムであり、Google Kubernetes Engine は特に Google Cloud でマネージド Kubernetes Deployment をサポートするよう 設計されています。この上級レベルのコースでは、 Docker イメージとコンテナを構成し、本格的な Kubernetes Engine アプリケーションをデプロイする実践演習を行います。 また、コンテナ オーケストレーションを独自のワークフローに統合するために必要な 実践的なスキルを学びます。 ハンズオン チャレンジラボを受講して、 スキルを証明し、知識を確認することもできます。このコースの修了後、 Google Cloud での Kubernetes アプリケーションのデプロイコースの 最後にあるチャレンジラボを追加で完了して、Google Cloud の限定デジタルバッジを獲得しましょう。
詳細
この基礎レベルの クエスト は他の Qwiklabs 製品の中でもユニークです。これらのラボは、Google Cloud Certified Professional Cloud Architect 認定資格試験に出題されるトピックやサービスについて、 IT プロフェッショナルがハンズオンで演習するために作成されました。 IAM からネットワーキング、Kubernetes engine のデプロイまで、Goodle Cloud の知識が試される特定のラボで構成されています。これらのラボでの演習は スキルや能力の向上に役立ちますが、試験ガイドやその他の対策資料も参照することをお勧めします。
詳細
「Google Cloud ネットワークの構築」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、 アプリケーションをデプロイしてモニタリングするための複数の方法について学びます。具体的には、IAM ロールの確認とプロジェクト アクセスの追加 / 削除、 VPC ネットワークの作成、Compute Engine VM のデプロイとモニタリング、 SQL クエリの記述、Compute Engine での VM のデプロイとモニタリング、Kubernetes を使用した複数のデプロイ アプローチによるアプリケーションのデプロイなどです。
詳細
この入門コースは、他のコースとは異なるものです。 これらのラボは、Google Cloud Certified Associate Cloud Engineer 認定資格試験に出題されるトピックやサービスについて、IT プロフェッショナルがハンズオンで演習するために作成されました。IAM からネットワーキング、 Kubernetes Engine のデプロイまでを 網羅する個別のラボで構成されており、Goodle Cloud の知識が試されます。これらのラボによる演習で 知識やスキルや能力を向上させることは可能ですが、 試験ガイドやその他の対策資料も参照することをおすすめします。
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
これは、Google Cloud Essentials よりもレベルの高い内容の練習機会を求めている初心者のクラウド デベロッパーに おすすめのコースです。Cloud Storage だけでなく、 Monitoring や Cloud Run functions などの主要なアプリケーション サービスに関連するラボを通して、 実践的な経験を積むことが可能です。また、 あらゆる Google Cloud イニシアチブに応用できる有益なスキルを身に付けることができます。
詳細
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
「Google Cloud での ML の API の使用 」コースを修了して、上級スキルバッジを獲得しましょう。このコースでは、ML と AI テクノロジーを活用する 3 つの API（Cloud Vision API、Cloud Translation API、Cloud Natural Language API） の基本機能について学習します。
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
「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
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
「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
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
「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
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
「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
この入門レベルのコースでは、 Google Cloud の基本的なツールやサービスに関する実践演習を行います。オプションで動画も提供されており、 ラボで取り上げられたコンセプトに関するさらなるコンテキストの確認や、復習に利用できます。「Google Cloud の基礎」は、Google Cloud の学習者に最初に推奨されるコースです。 クラウドの予備知識がほとんどなくても、 最初の Google Cloud プロジェクトに応用できる実践的な経験を積むことができます。Cloud Shell コマンドの記述、 初めての仮想マシンのデプロイ、Kubernetes Engine 上でのアプリケーションの実行や ロード バランシングなど、「Google Cloud の基礎」では、Google Cloud の 基本的な機能について学ぶことができます。
詳細
