参加 ログイン

Renzi Simone

メンバー加入日: 2026

ゴールドリーグ

27636 ポイント
Gemini in BigQuery で生産性を高める Earned 10月 19, 2026 EDT
Dataflow を使用したサーバーレスのデータ処理: 運用 Earned 10月 19, 2026 EDT
Knowledge Catalog を使用したデータメッシュの構築 Earned 10月 19, 2026 EDT
BigQuery でデータ ウェアハウスを構築する Earned 10月 19, 2026 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 10月 19, 2026 EDT
Dataflow を使用したサーバーレスのデータ処理: 基礎 Earned 10月 19, 2026 EDT
Google Cloud でのバッチデータ パイプラインの構築 Earned 10月 19, 2026 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 10月 19, 2026 EDT
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 10月 18, 2026 EDT
開発者向けの責任ある AI: プライバシーと安全性 Earned 10月 17, 2026 EDT
開発者向けの責任ある AI: 解釈可能性と透明性 Earned 10月 17, 2026 EDT
発者向けの責任ある AI: 公平性とバイアス Earned 10月 17, 2026 EDT
Google Cloud での生成 AI アプリの作成 Earned 10月 17, 2026 EDT
Vertex AI を使用した ML オペレーション（MLOps）: 特徴の管理 Earned 10月 16, 2026 EDT
ML オペレーション（MLOps）: 概要 Earned 10月 16, 2026 EDT
本番環境 ML システム Earned 10月 16, 2026 EDT
BigQuery ML を使用した ML モデルの作成 Earned 10月 16, 2026 EDT
Google Cloud の ML API 用にデータを準備 Earned 10月 16, 2026 EDT
認定資格試験の学習ガイドを作成する: PMLE 認定試験対策 Earned 10月 16, 2026 EDT
Google Cloud でのクラウド セキュリティの基礎の実践 Earned 10月 16, 2026 EDT
Cloud Run でのサーバーレス アプリケーションの開発 Earned 10月 15, 2026 EDT
安全な Google Cloud ネットワークの構築 Earned 10月 15, 2026 EDT
Compute Engine での Cloud Load Balancing の実装 Earned 10月 15, 2026 EDT
Google Cloud における AI と ML の概要 Earned 10月 15, 2026 EDT
Data Engineering on Google Cloud の概要 Earned 10月 15, 2026 EDT
GKE でのスケーラブルなワークロードの管理 Earned 10月 15, 2026 EDT
Google Cloud のネットワーキング: ハイブリッド クラウドとマルチクラウド Earned 10月 13, 2026 EDT
柔軟性のある Google Cloud インフラストラクチャ: スケーリングと自動化 Earned 10月 13, 2026 EDT
Google Cloud で Cloud Run を使用したアプリケーション開発: 基礎 Earned 10月 13, 2026 EDT
Google Cloud のネットワーキング: ネットワーク アーキテクチャ Earned 10月 13, 2026 EDT
Google Cloud におけるセキュリティの管理 Earned 10月 13, 2026 EDT
Google Cloud のネットワーキング: 基礎 Earned 10月 13, 2026 EDT
重要な Google Cloud インフラストラクチャ: コアサービス Earned 10月 13, 2026 EDT
認定試験の学習ガイドを作成する: PCA 認定試験対策 Earned 10月 13, 2026 EDT
AI Infrastructure: AI Hypercomputer の概要 Earned 10月 13, 2026 EDT
Google Cloud における Terraform を使用したインフラストラクチャの構築 Earned 10月 13, 2026 EDT
Google Cloud Observability を使用したモニタリングとロギング Earned 10月 12, 2026 EDT
Google Cloud 環境での DevSecOps の使用 Earned 10月 12, 2026 EDT
Google Cloud での DevOps ワークフローの実装 Earned 10月 12, 2026 EDT
Google Cloud におけるアプリ開発環境の設定 Earned 10月 12, 2026 EDT
Introduction to Application Design Center Earned 10月 12, 2026 EDT
Google Cloud で Terraform を使ってみる Earned 10月 12, 2026 EDT
Cloud Assist Investigations を使用した AI によるトラブルシューティング Earned 10月 11, 2026 EDT
Google Cloud でのオブザーバビリティ Earned 10月 11, 2026 EDT
Google Cloud におけるロギングとモニタリング Earned 10月 11, 2026 EDT
信頼性に優れた Google Cloud インフラストラクチャ: 設計とプロセス Earned 10月 11, 2026 EDT
Google Cloud の基礎: コア インフラストラクチャ Earned 10月 11, 2026 EDT
Google の SRE 文化の醸成 Earned 10月 11, 2026 EDT
Google Workspace のトラブルシューティング Earned 10月 11, 2026 EDT
Google Workspace のセキュリティ Earned 10月 11, 2026 EDT
Google Workspace のデータ ガバナンス Earned 10月 11, 2026 EDT
Google Workspace コアサービス Earned 10月 11, 2026 EDT
Google Workspace ユーザーおよびリソース管理 Earned 10月 11, 2026 EDT
Google Cloud Managed Service for Prometheus で環境をモニタリングする Earned 10月 10, 2026 EDT
Security Command Center による脅威と脆弱性の緩和 Earned 10月 10, 2026 EDT
Google Cloud での ML の API の使用 Earned 10月 10, 2026 EDT
Database Migration Service を使用した MySQL データの Cloud SQL への移行 Earned 10月 10, 2026 EDT
クラウドコラボレーションと生産性ワークフローの実装 Earned 10月 10, 2026 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 10, 2026 EDT
BigQuery のデータから分析情報を引き出す Earned 10月 10, 2026 EDT
エンベディング作成、ベクトル検索、BigQuery での RAG Earned 10月 10, 2026 EDT
エンタープライズ データベースを使用した AI エージェントの構築 Earned 10月 10, 2026 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 10, 2026 EDT
クラウド アーキテクチャ: 設計、実装、管理 Earned 10月 10, 2026 EDT
Agent Development Kit（ADK）を使用した AI エージェントのエンジニアリング Earned 10月 10, 2026 EDT
Google Cloud での Kubernetes の管理 Earned 10月 10, 2026 EDT
Vertex AI を使用した ML オペレーション（MLOps）: モデルの評価 Earned 10月 10, 2026 EDT
生成 AI のための ML オペレーション（MLOps) Earned 10月 10, 2026 EDT
Google DeepMind: 小規模言語モデルのトレーニング Earned 10月 10, 2026 EDT
責任ある AI: Google Cloud における AI に関する原則の適用 Earned 4月 17, 2026 EDT
責任ある AI の概要 Earned 4月 17, 2026 EDT
大規模言語モデルの概要 Earned 4月 17, 2026 EDT
生成 AI の概要 Earned 4月 17, 2026 EDT

このコースでは、データを AI 活用へつなげるためのワークフローに役立つ AI 搭載の機能スイート、Gemini in BigQuery について説明します。この機能スイートには、データの探索と準備、コード生成とトラブルシューティング、ワークフローの検出と可視化などが含まれます。このコースでは、概念の説明、実際のユースケース、ハンズオンラボを通じて、データ実務者が生産性を高め、開発パイプラインを迅速化できるよう支援します。

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

「Knowledge Catalog を使用したデータメッシュの構築」入門コースを修了してスキルバッジを獲得すると、Knowledge Catalog を使用してデータメッシュを構築し、 Google Cloud 上のデータ セキュリティ、ガバナンス、検出を強化するスキルを実証できます。このコースでは、Knowledge Catalog でアセットにタグを付け、IAM ロールを割り当て、データ品質を評価する方法を練習し、そのスキルをテストします。

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

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

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

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

このコースでは、AI のプライバシーと安全性に関する重要なトピックを紹介します。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 AI のプライバシーと安全性の推奨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

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

生成 AI アプリケーションは、大規模言語モデル（LLM）の発明以前にはほぼ不可能であった、新しいユーザー エクスペリエンスを生み出すことができます。アプリケーション デベロッパーが Google Cloud 上で生成 AI を活用し、魅力的で強力なアプリを構築するにはどうすればよいでしょうか？ このコースでは、生成 AI アプリケーションについて学びます。また、プロンプト設計と検索拡張生成（RAG）を使用して、LLM を活用した強力なアプリケーションを構築する方法についても学びます。さらに、生成 AI アプリケーションで使用できるプロダクション レディなアーキテクチャについて学び、LLM と RAG ベースのチャット アプリケーションを構築します。

詳細

このコースでは、Google Cloud 上で本番環境の ML システムをデプロイ、評価、モニタリング、運用するための MLOps ツールとベスト プラクティスについて説明します。MLOps は、本番環境 ML システムのデプロイ、テスト、モニタリング、自動化に重点を置いた規範です。 受講者は、SDK レイヤで Vertex AI Feature Store のストリーミング取り込みを使用する実践的な演習を受けられます。

詳細

このコースでは、Google Cloud 上で本番環境の ML システムをデプロイ、評価、モニタリング、運用するための MLOps ツールとベスト プラクティスについて説明します。MLOps は、本番環境 ML システムのデプロイ、テスト、モニタリング、自動化に重点を置いた規範です。機械学習エンジニアリングの担当者は、ツールを活用して、デプロイしたモデルの継続的な改善と評価を行います。また、データ サイエンティストと協力して、あるいは自らがデータ サイエンティストとして、最も効果的なモデルを迅速かつ正確にデプロイできるようモデルを開発します。

詳細

このコースでは、本番環境で高パフォーマンスな ML システムを構築するためのコンポーネントとベスト プラクティスについて学習します。また、ML システムを構築するうえで最も一般的な考慮事項を紹介します。これには、静的トレーニング、動的トレーニング、静的な推論、動的な推論、分散型 TensorFlow、TPU などが含まれます。このコースでは、優れた予測能力にとどまらない、優れた ML システムの特性を探索することに焦点を当てています。

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

「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

Gemini Notebook を使用して、Professional Machine Learning Engineer（PMLE）認定試験に向けてパーソナライズされた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、ノートブックを作成し、その学習ガイドを使用して認定資格試験に向けて練習します。

詳細

Google Cloud でのクラウド セキュリティの基礎の実践 スキルバッジを獲得できる中級コースを修了すると、 Identity and Access Management（IAM）でのロールの作成と割り当て、 サービス アカウントの作成と管理、Virtual Private Cloud（VPC）ネットワーク全体でのプライベート接続の有効化、 Identity-Aware Proxy を使用したアプリケーション アクセスの制限、Cloud Key Management Service（KMS）を使用した鍵と暗号化されたデータの管理、 限定公開 Kubernetes クラスタの作成に関するスキルを実証できます。

詳細

「Cloud Run でのサーバーレス アプリケーションの開発」コースの中級スキルバッジを獲得すると、 データ マネジメントのための Cloud Run と Cloud Storage の統合、 Cloud Run と Pub/Sub を使用した復元力のある非同期システムの構築、 Cloud Run を使用した REST API ゲートウェイの構築、Cloud Run でのサービスの構築とデプロイといったスキルを実証できます。

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

「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、Google Cloud の AI および ML 機能について紹介します。特に、生成 AI と予測 AI の両方のプロジェクトの開発に重点を置きます。データから AI へのライフサイクル全体で利用可能なさまざまなテクノロジー、プロダクト、ツールについて説明するとともに、データ サイエンティスト、AI デベロッパー、ML エンジニアがインタラクティブな演習を通じて専門知識を強化できるよう支援します。

詳細

このコースでは、Google Cloud におけるデータ エンジニアリング、データ エンジニアの役割と責任、それらが Google Cloud の各サービスにどのように対応しているかについて学びます。また、データ エンジニアリングの課題に対処する方法も学習します。

詳細

Google Kubernetes Engine を使用して、アプリケーションを大規模にモダナイズ、管理、モニタリングする方法を学びます。このコースでは、講義とハンズオンラボを通じて、Google Kubernetes Engine（GKE）、GKE フリート、Cloud Service Mesh、Config Controller の機能を学習し、デプロイします。これらの機能を活用することで、複数のプロバイダでホストされた複数のクラスタに分散しているような最新のアプリケーションでも、適切に管理できるようになります。

詳細

「Google Cloud のネットワーキング」シリーズの 6 番目のコース「ハイブリッド クラウドとマルチクラウド」へようこそ。最初のモジュールでは、Google Cloud のさまざまな接続オプションを説明します。Cloud Interconnect について掘り下げ、その種類とそれぞれの機能を確認します。2 番目のモジュールでは Cloud VPN の実装、高可用性 VPN トポロジ、Network Connectivity Center（NCC）による管理の効率化について説明します。このコースを修了すると、オンプレミス ネットワークや他のクラウド ネットワークを Google Cloud に拡張するためのさまざまな接続オプションについて説明できるようになります。また、Google Cloud の各種のハイブリッドおよびマルチクラウド接続サービスが特定のユースケースに適しているかどうかを検討する方法についても理解できます。さっそく始めましょう。

詳細

このオンデマンド速習コースでは、Google Cloud が提供する包括的で柔軟なインフラストラクチャとプラットフォーム サービスについて紹介します。動画講義、デモ、ハンズオンラボを通してさまざまなソリューションの要素について学び、実際にデプロイしてみます。これにはセキュリティを維持しながらネットワークを相互接続する方法や、ロード バランシング、自動スケーリング、インフラストラクチャの自動化、マネージド サービスも含まれます。

詳細

このコースでは、アプリケーションを実行するための Cloud Run サーバーレス プラットフォームについて説明します。Cloud Run の基礎とそのリソースモデル、コンテナ ライフサイクルについて学習します。また、サービス ID、サービスへのアクセスを制御する方法、アプリケーションを Cloud Run にデプロイする前にローカルで開発、テストする方法も確認します。Google Cloud の他のサービスと統合して、フル機能のアプリケーションをビルドする方法も説明しています。

詳細

「Google Cloud のネットワーキング」シリーズの 3 番目のコース「ネットワーク アーキテクチャ」へようこそ。 このコースでは、Google Cloud 内で効率的かつスケーラブルなネットワーク アーキテクチャを設計するための基礎について説明します。 モジュール 1「ネットワーク アーキテクチャの概要」では、サブネット、ルート、ファイアウォール、ロード バランシングなど、ネットワーク アーキテクチャの中核となるコンポーネントやコンセプトを紹介します。 モジュール 2「ネットワーク トポロジ」では、Google Cloud でよく使用されるさまざまなネットワーク トポロジの詳細とその長所と短所について説明します。

詳細

この自習式トレーニング コースでは、Google Cloud でのセキュリティの管理と手法全般について学習します。録画された講義、デモ、ハンズオンラボを通して、Cloud Identity、Resource Manager、Cloud IAM、Virtual Private Cloud ファイアウォール、Cloud Load Balancing、Cloud ピアリング、Cloud Interconnect、VPC Service Controls など、安全な Google Cloud ソリューションのコンポーネントについて学び、演習を行います。 これは「Google Cloud におけるセキュリティ」シリーズの最初のコースです。このコースを修了したら、「Google Cloud におけるセキュリティのベスト プラクティス」コースを受講してください。

詳細

Google Cloud のネットワーキングは、6 部構成のコースシリーズです。6 部構成のコースシリーズの最初のコース「Google Cloud のネットワーキング: 基礎」へようこそ。  このコースでは、ネットワーキングの基礎、Virtual Private Cloud（VPC）、VPC ネットワークの共有など、ネットワーキングの主なコンセプトに関する包括的な概要を説明します。また、ネットワークのロギング手法とモニタリング手法についても説明します。 

詳細

このオンデマンド速習コースでは、Google Cloud で提供される包括的かつ柔軟なインフラストラクチャとプラットフォームのサービスについて、Compute Engine を中心に紹介します。受講者は、動画講義、デモ、ハンズオンラボを通してソリューションの各要素について学習し、演習を行います。これらの要素には、ネットワーク、システム、アプリケーション サービスなどのインフラストラクチャ コンポーネントが含まれます。また、実践的なソリューションの実装も取り上げ、顧客指定の暗号鍵、セキュリティとアクセス管理、割り当てと課金、リソース モニタリングなどについても学習します。

詳細

Gemini Notebook を活用して、Professional Cloud Architect 認定試験に向けた自分専用の学習ガイドの作成方法を学びます。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

AI Hypercomputer を使い始めたい方に最適なコースです。AI Hypercomputer の基礎と、それが AI ワークロードで AI を支援する仕組みについて説明します。GPU、TPU、CPU など、ハイパーコンピュータ内の各種コンポーネントについて学び、ニーズに合った適切なデプロイ アプローチを選択する方法を知ることができます。

詳細

「Google Cloud における Terraform を使用したインフラストラクチャの構築」の中級スキルバッジを獲得すると、 Terraform を使用した Infrastructure as Code（IaC）の原則、Terraform 構成を使用した Google Cloud リソースのプロビジョニングと管理、 状態の効果的な管理（ローカルおよびリモート）、組織内での再利用性を念頭に置いた Terraform コードのモジュール化といったスキルを実証できます。

詳細

入門スキルバッジ コース「Google Cloud Observability を使用したモニタリングとロギング」を修了すると、 Compute Engine における仮想マシンのモニタリング、 複数プロジェクトの監視を目的とした Cloud Monitoring の利用、モニタリング機能とロギング機能の Cloud Functions への拡張、 アプリケーションに対するカスタム指標の作成と送信、カスタム指標に基づく Cloud Monitoring アラートの構成に関するスキルを実証できます。

詳細

このコースでは、Google Cloud で安全かつ効率的な DevSecOps プラクティスを実践するための基本的なスキルを学びます。Artifact Registry、Cloud Build、 Cloud Deploy、Binary Authorization などの Google Cloud サービスを使用して開発パイプラインを保護する方法を学びます。これにより、 CI/CD パイプライン全体でセキュリティ制御を使用して、コンテナ化されたアプリケーションをビルド、テスト、デプロイできます。

詳細

Google Cloud での DevOps ワークフローの実装 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、 Git リポジトリの作成と管理、 Google Kubernetes Engine（GKE）上でのデプロイのリリース、管理、スケール、 コンテナ イメージのビルドと GKE へのデプロイを自動化する CI / CD パイプラインの設計といったスキルを実証できます。

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

Application Design Center accelerates app delivery while maintaining governance and security across Google Cloud. It empowers both platform and development teams to visually design, standardize, and deploy production-ready apps in minutes rather than days. By adopting reusable templates that automatically generate infrastructure as code configurations and integrate with App Hub, teams ship secure-by-design apps faster and gain unified visibility across all app workloads. This course teaches you how to use App Design Center to transition from manual, inconsistent app provisioning to automated, resilient app management.

詳細

このコースでは、Google Cloud 向けに Terraform を使用する方法の概要を説明します。このコースを受講すると、Terraform を使用して Infrastructure as Code を実装し、その主要な特性と機能を使って Google Cloud インフラストラクチャを作成および管理する方法について説明できるようになります。 また、Terraform を使用して Google Cloud のリソースを構築、管理する実践的な演習を受けられます。

詳細

Gemini Cloud Assist Investigations は、Google Cloud 環境で反復的なトラブルシューティングを行うための AI 対応ツールであり、ユーザーが一般的な問題をトラブルシューティングして、Google Cloud サービスの使用時に発生する可能性がある問題の根本原因を見つけられるようにすることを目的としています。 このコースでは、DevOps、SRE、プラットフォーム エンジニアを対象に、Google Cloud サービスのトラブルシューティングを合理的に進めるための Gemini Cloud Assist Investigations の効果的な使用方法について説明します。トラブルシューティングの時間を短縮し、Google Cloud ユーザーの全体的な運用効率を向上させることを目的に、トレーニングを通じて Gemini Cloud Assist Investigations の基礎知識を中心に学んでいきます。

詳細

2 部構成でお届けするコースシリーズの第 2 部「Google Cloud でのオブザーバビリティ」へようこそ。このコースを受講する前に、パート 1 の「Google Cloud におけるロギングとモニタリング」を修了することをおすすめします。このコースでは、Error Reporting、Cloud Trace、Cloud Profiler などのアプリケーション パフォーマンス管理ツールについて学びます。

詳細

Google Cloud のロギングとモニタリング、オブザーバビリティの 2 部構成コースへようこそGoogle Cloudの運用のコアとなるツールを大きく 2 つに分類すると、運用に関連するものと、アプリケーション パフォーマンス管理に関連するものに分かれます。本コース「Google Cloud におけるロギングとモニタリング」では、運用に役立つロギング、モニタリング、サービス モニタリングについて学習します。このコースを受講したら、パート 2 の「Google Cloud でのオブザーバビリティ」を受講して、利用可能なアプリケーション パフォーマンス管理ツールについて学ぶことをおすすめします。

詳細

このコースでは、実績ある設計パターンを利用して、信頼性と効率に優れたソリューションを Google Cloud で構築する方法を学習します。本コースは、Google Compute Engine を使用した構築 または Google Kubernetes Engine を使用した構築 のコースの続きで、これらのコースで取り上げているテクノロジーの実践経験があることを前提としています。参加者は、講義、設計アクティビティ、ハンズオンラボを通して、ビジネス要件と技術要件を定義し、バランスを取りながら、信頼性、可用性、安全性、費用対効果に優れた Google Cloud のデプロイを設計する方法を学びます。

詳細

Google Cloud の基礎: コア インストラクチャ では、Google Cloud に関する重要なコンセプトと用語について説明します。このコースでは動画とハンズオンラボを通じて学習を進めていきます。Google Cloud の多数のコンピューティング サービスとストレージ サービス、そしてリソースとポリシーを管理するための重要なツールについて比較しながら説明します。

詳細

多くの IT 組織では、アジリティを求める開発者と、安定性を重視する運用担当者の間で、インセンティブが調整されていません。サイト信頼性エンジニアリング（SRE）は、Google が開発と運用の間のインセンティブを調整し、ミッション クリティカルな本番環境サポートを行う方法です。SRE の文化的および技術的手法を導入することで、ビジネスと IT の連携を改善できます。このコースでは、Google の SRE の主な手法を紹介し、SRE の組織的な導入を成功させるうえで IT リーダーとビジネス リーダーが果たす重要な役割について説明します。

詳細

このコースは、Google Workspace 管理者が Google Workspace の一般的な問題をトラブルシューティングできるよう準備するためのコースです。受講者は、Gmail、カレンダー、ドライブにおける問題の診断と解決、管理コンソールの使用方法について演習を受けられます。さらに、監査ログの分析によるセキュリティ上の問題のトラブルシューティングや、情報の収集と有効なリソースの活用を通じた技術的な問題のトラブルシューティングとレポート作成について経験を積むことができます。

詳細

このコースを受講すると、Google Workspace 環境のセキュリティを確保できるようになります。まず、ユーザー アクセスを制御する強力なパスワード ポリシーと 2 段階認証プロセスを実装します。その後、セキュリティ調査ツールを利用して、セキュリティ リスクを事前に特定し、対処します。次に、サードパーティ製アプリへのアクセスとモバイル デバイスを管理し、セキュリティを確保します。最後に、メール セキュリティとコンプライアンス対策を適用して、組織データを保護します。

詳細

このコースでは、Google Workspace 環境内のデータを管理するためのスキルを身に付けます。まず、Gmail とドライブのデータ漏洩を防止するデータ損失防止（DLP）ルールについて確認します。その後、Google Vault を使用してデータを保持、保存、取得する方法を学習します。次に、規制を遵守するように、データ リージョンおよびエクスポート設定を構成する方法を学びます。最後に、組織とセキュリティを強化するために、ラベルを使用してデータを分類する方法を確認します。

詳細

このコースは、Google Workspace コアサービスを包括的に理解することを目的としたものです。このコースでは、Gmail、カレンダー、ドライブ、Meet、Chat、ドキュメントなどのサービスに関する設定の有効化、無効化、構成について学びます。次に、ユーザーを支援するために Gemini をデプロイして管理する方法を学びます。最後に、タスクの自動化や Google Workspace アプリケーションの機能拡張を目的とした AppSheet や Apps Script のユースケースを確認します。

詳細

このコースでは、Google Workspace におけるユーザーおよびリソース管理の基礎を学びます。組織のニーズに応じた組織部門の構成方法や、さまざまな種類の Google グループの管理方法、ドメイン設定の管理方法についての理解を深め、最終的には Google Workspace 環境におけるリソースの最適化と構造化に関するスキルを習得します。

詳細

Google Cloud Managed Service for Prometheus を使った Kubernetes 環境のモニタリングについて学ぶ 「Google Cloud Managed Service for Prometheus で環境をモニタリングする」コースを修了するとスキルバッジを獲得できます。

詳細

「Security Command Center による脅威と脆弱性の緩和」の中級コースを修了してスキルバッジを獲得することで、 次のスキルを実証できます。 環境の脅威の防止と管理、アプリケーションの脆弱性の特定と軽減、 セキュリティ異常に対応。

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

「Database Migration Service を使用した MySQL データの Cloud SQL への移行」入門スキルバッジ コースを完了すると、 Database Migration Service で利用可能なさまざまなジョブタイプと接続オプションを使用した、 MySQL データの Cloud SQL への移行や、 Database Migration Service ジョブを実行する際の MySQL ユーザーデータの移行などのスキルを証明できます。

詳細

「クラウドコラボレーションと生産性ワークフローの実装」コースを修了して入門レベルのスキルバッジを獲得しましょう。このコースでは、 Google のコラボレーション プラットフォームの概要と、 Gmail、カレンダー、Meet、ドライブ、スプレッドシート、AppSheet の使用方法を学びます。

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

「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

このコースでは、BigQuery で検索拡張生成（RAG）ソリューションを使用して AI ハルシネーションを軽減する方法を説明します。エンベディングの作成、ベクトル空間の検索、改善された回答の生成を含む RAG ワークフローについて解説し、これらの手順の背後にある概念的な理由と、BigQuery を使用した実践的な実装方法についても説明します。このコースを完了すると、BigQuery、Gemini などの生成 AI モデル、エンベディング モデルを使用して RAG パイプラインを構築し、独自の AI ハルシネーションのユースケースに対処できるようになります。

詳細

データベース向け MCP ツールボックスを使用して、エンタープライズ データベースを活用できる AI エージェントを構築します。安全なデータベース操作ツールを定義し、インテリジェントなクエリ機能を実装します（ベクトル エンベディング、構造化クエリを活用）。

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

クラウド アーキテクチャ: 設計、実装、管理 コースを修了して、スキルバッジを獲得しましょう。 Apache ウェブサーバーを使用した一般公開ウェブサイトのデプロイ、 起動スクリプトを使用した Compute Engine VM の構成、 Windows の踏み台インスタンスとファイアウォール ルールを使用したセキュアな RDP の構成、ビルドした Docker イメージの Kubernetes クラスタへのデプロイと更新、 CloudSQL インスタンスの作成と MySQL データベースのインポートといったスキルを実証できます。 このスキルバッジは、 Google Cloud Certified Professional Cloud Architect 認定資格試験に出題されるトピックを理解するのに 役立つリソースです。

詳細

「Agent Development Kit（ADK）を使用した AI エージェントのエンジニアリング」の中級スキルバッジを獲得できるコースを修了すると、 現実世界の言語モデルにおける研究課題の策定、簡単なトークナイザーの構築、Transformer 言語モデルのトレーニング用データセットの準備、小規模言語モデルのトレーニング ループの実行といったスキルを実証できます。

詳細

「Google Cloud での Kubernetes の管理」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、 kubectl を活用したデプロイの管理、 Google Kubernetes Engine（GKE）でのアプリケーションのモニタリングとデバッグ、継続的デリバリーの手法におけるスキルを実証できます。

詳細

このコースでは、ML の実務担当者に、生成 AI モデルと予測 AI モデルの両方を評価するための重要なツール、手法、ベスト プラクティスを身につけていただきます。モデル評価は、ML システムが本番環境で信頼性が高く、正確で、高性能な結果を確実に提供するための重要な分野です。 参加者は、さまざまな評価指標、方法論のほか、さまざまなモデルタイプやタスクにおけるそれらの適切な適用について理解を深めます。このコースでは、生成 AI モデルによってもたらされる固有の課題に重点を置き、それらの課題に効果的に取り組むための戦略を提供します。参加者は、Google Cloud の Vertex AI プラットフォームを活用して、モデルの選択、最適化、継続的なモニタリングのための堅牢な評価プロセスを実装する方法を学びます。

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

上級コース「Google DeepMind: 小規模言語モデルのトレーニング」を修了してスキルバッジを獲得すると、以下のスキルを習得したことを 証明できます。現実世界の言語モデルにおける研究課題の策定、簡単なトークナイザーの構築、Transformer 言語モデルのトレーニング用データセットの準備、 小規模言語モデルのトレーニング ループの実行といったスキルを実証できます。無料 サブスクリプションに登録すると、このラボに無料でアクセスできます。また、毎月 35 クレジットを無料で受け取れます。

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