Adrian Denissya Maharani
メンバー加入日: 2025
シルバーリーグ
13690 ポイント
Transformer モデルと BERT モデル
Earned 2月 20, 2025 EST
安全なソフトウェア デリバリー
Earned 2月 19, 2025 EST
Google Cloud の ML API 用にデータを準備
Earned 2月 17, 2025 EST
事前トレーニング済み API を使用した音声および言語ソリューションの実装
Earned 2月 11, 2025 EST
Gemini と Imagen を使用した実際の AI アプリケーションの構築
Earned 2月 7, 2025 EST
Encoder-Decoder アーキテクチャ
Earned 1月 23, 2025 EST
アテンション機構
Earned 1月 23, 2025 EST
画像生成の概要
Earned 1月 23, 2025 EST
責任ある AI: Google Cloud における AI に関する原則の適用
Earned 1月 23, 2025 EST
Agent Platform におけるプロンプト設計
Earned 1月 22, 2025 EST
責任ある AI の概要
Earned 1月 22, 2025 EST
大規模言語モデルの概要
Earned 1月 21, 2025 EST
生成 AI の概要
Earned 1月 21, 2025 EST
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
「安全なソフトウェア デリバリー」の中級スキルバッジを獲得すると、DevSecOps の原則に沿って、ソフトウェア開発ライフサイクル（SDLC） にセキュリティをプロアクティブに統合するスキルを証明できます。 Google Kubernetes Engine（GKE）と Cloud Run を活用して安全なコンテナ イメージのデプロイを行う方法、自動化された脆弱性スキャンを実装してリスクを事前に特定する方法、 Artifact Registry を使用してアプリケーション開発を効率化しながらセキュリティに重点を置く方法を学びます。さらに、堅牢な開発プロセスを実現する Cloud Build の統合スキルや、環境をきめ細かく制御するアドミッション コントロール ポリシーの実装スキルも習得できます。」
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
「事前トレーニング済み API を使用した音声および言語ソリューションの実装」コースを完了してスキルバッジを獲得し、音声関連の API ツールを使用して音声を合成および文字起こしする方法を学びます。
詳細
「Gemini と Imagen を使用した実際の AI アプリケーションの構築」入門スキルバッジを取得して、画像認識、自然言語処理、
Google の強力な Gemini モデルと Imagen モデルを使用した画像生成、Vertex AI プラットフォームへのアプリケーションのデプロイなどのスキルを証明しましょう。
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
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
「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
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
