Richards Kenny Kevin
メンバー加入日: 2025
ゴールドリーグ
5491 ポイント
メンバー加入日: 2025
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。
「マルチエージェント アーキテクチャをデプロイする」の上級スキルバッジ コースを完了すると、次のスキルを証明できます。 ADK を使用したマルチエージェント システムの構築、エージェント間(A2A)プロトコルを使用したエージェントの接続、 Model Context Protocol(MCP)を使用した外部ツールの統合、完全なマルチエージェント ソリューションの Agent Engine へのデプロイ。
エージェントを localhost から本番環境に移行します。このコースでは、ADK エージェントを Vertex AI Agent Engine と Cloud Run にデプロイする方法を学びます。メモリバンクを使用するセッション間メモリについても、任意で受講できます。
Google の Agent Development Kit(ADK)と Google Cloud の堅牢なインフラストラクチャを使用したマルチ エージェント システムのアーキテクチャとデプロイについて確認します。サーバーレスの Cloud Run から高パフォーマンスの GKE まで、最適なホスティング環境を特定しながら、階層型エージェント ツリーと決定論的ワークフロー エージェントを設計する方法を学びます。これにより、セキュリティとスケーラビリティに優れた、プロダクション レディな AI エージェントの構築が可能になります。
高度な構成を備えたエージェントを構築できたら、次はエージェントに実際の機能を付与します。ウェブの検索、コードの実行、データベースのクエリ、カスタム アクションの実行を可能にするツールをエージェントに搭載します。エージェントを、インテリジェントな応答者から行動を起こす有能なアシスタントへと変貌させます。
クエリに応答する基本的な LLM エージェントを構築したら、次はこれをステートフルにします。セッション状態を使用して、コンテキストを維持し、ユーザーの設定を記憶し、パーソナライズされたエクスペリエンスを提供するエージェントを構築します。エージェントを、ステートレスな応答者からインテリジェントなアシスタントに変貌させます。
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。 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。
「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。
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。
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。