Lim Boon Yao
メンバー加入日: 2021
シルバーリーグ
63305 ポイント
Gemini Enterprise Agent Platform を使用してマルチエージェント システムをデプロイする
Earned 5月 13, 2025 EDT
[DEPRECATED] Gemini Enterprise で知識の共有を加速させる
Earned 4月 14, 2025 EDT
生成 AI のための ML オペレーション（MLOps)
Earned 12月 23, 2024 EST
[DEPRECATED] Orchestrating Gen AI Applications with LangChain
Earned 10月 23, 2024 EDT
Build and Deploy a Generative AI solution using a RAG framework
Earned 9月 3, 2024 EDT
Orchestrate LLM solutions with LangChain
Earned 8月 28, 2024 EDT
[DEPRECATED] Improving developer velocity with Gemini Code Assist
Earned 8月 27, 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 8月 27, 2024 EDT
Agent Platform で生成 AI を使ってみる
Earned 8月 26, 2024 EDT
[DEPRECATED] Building Gen AI Apps with Vertex AI: Prompting and Tuning
Earned 8月 26, 2024 EDT
[DEPRECATED] Integrate Vertex AI Search and Conversation into Voice and Chat Apps
Earned 8月 23, 2024 EDT
Develop Agent Search and Conversation Applications
Earned 8月 22, 2024 EDT
[DEPRECATED] Custom Search with Embeddings in Vertex AI
Earned 8月 21, 2024 EDT
ベクトル検索とエンベディング
Earned 8月 21, 2024 EDT
画像キャプション モデルの作成
Earned 8月 20, 2024 EDT
Transformer モデルと BERT モデル
Earned 8月 20, 2024 EDT
Encoder-Decoder アーキテクチャ
Earned 8月 20, 2024 EDT
アテンション機構
Earned 8月 20, 2024 EDT
Text Prompt Engineering Techniques
Earned 8月 20, 2024 EDT
Vertex AI Studio の概要
Earned 8月 20, 2024 EDT
Agent Platform におけるプロンプト設計
Earned 8月 20, 2024 EDT
責任ある AI: Google Cloud における AI に関する原則の適用
Earned 8月 19, 2024 EDT
Generative AI for Business Leaders
Earned 8月 19, 2024 EDT
Conversational AI on Vertex AI and Dialogflow CX
Earned 2月 5, 2024 EST
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 2月 2, 2024 EST
Dataflow を使用したサーバーレスのデータ処理: 運用
Earned 2月 2, 2024 EST
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 1月 29, 2024 EST
BigQuery でデータ ウェアハウスを構築する
Earned 1月 29, 2024 EST
Dataflow を使用したサーバーレスのデータ処理: 基礎
Earned 1月 4, 2024 EST
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版
Earned 12月 27, 2023 EST
Google Cloud でのバッチデータ パイプラインの構築
Earned 12月 22, 2023 EST
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 12月 19, 2023 EST
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 12月 8, 2023 EST
[DEPRECATED] Implementing Generative AI with Vertex AI
Earned 11月 30, 2023 EST
Building No-Code Apps with AppSheet: Automation
Earned 10月 2, 2023 EDT
[DEPRECATED] Search with AI Applications
Earned 9月 5, 2023 EDT
Generative AI Explorer : Vertex AI
Earned 7月 21, 2023 EDT
画像生成の概要
Earned 7月 21, 2023 EDT
[DEPRECATED] Generative AI Fundamentals
Earned 7月 20, 2023 EDT
責任ある AI の概要
Earned 7月 20, 2023 EDT
大規模言語モデルの概要
Earned 7月 17, 2023 EDT
生成 AI の概要
Earned 7月 16, 2023 EDT
Vertex AI での ML ソリューションの構築とデプロイ
Earned 5月 28, 2023 EDT
BigQuery ML を使用した ML モデルの作成
Earned 5月 15, 2023 EDT
Google Cloud の ML API 用にデータを準備
Earned 5月 15, 2023 EDT
Recommendation Systems on Google Cloud
Earned 4月 4, 2023 EDT
Natural Language Processing on Google Cloud
Earned 4月 3, 2023 EDT
ML のための BigQuery
Earned 3月 30, 2023 EDT
Cloud Hero Infra Skills
Earned 3月 30, 2023 EDT
Cloud Hero DevOps Skills
Earned 3月 30, 2023 EDT
ML API Skills
Earned 3月 30, 2023 EDT
Cloud Hero BigQuery Skills
Earned 3月 29, 2023 EDT
Computer Vision Fundamentals with Google Cloud
Earned 12月 28, 2022 EST
[DEPRECATED] 特徴量エンジニアリング
Earned 12月 9, 2022 EST
Building No-Code Apps with AppSheet: Implementation
Earned 11月 1, 2022 EDT
Data Warehousing for Partners: BigQuery Extended Capabilities
Earned 10月 25, 2022 EDT
Google Cloud Operations を使用したスケーリング
Earned 10月 4, 2022 EDT
Google Cloud によるインフラストラクチャとアプリケーションのモダナイゼーション
Earned 10月 3, 2022 EDT
Google Cloud によるデータ トランスフォーメーションの探求
Earned 10月 3, 2022 EDT
Google Cloud によるデジタル トランスフォーメーション
Earned 10月 2, 2022 EDT
Apigee API プラットフォームを使用した API の設計と基礎
Earned 9月 30, 2022 EDT
[DEPRECATED] - Building Conversational Experiences with Dialogflow
Earned 9月 1, 2022 EDT
Technology + Beyond the UI
Earned 8月 3, 2022 EDT
Technology + Within the UI
Earned 8月 2, 2022 EDT
Liquid Templates and Parameters
Earned 8月 1, 2022 EDT
Table Calculations, Pivots, and Visualizations
Earned 7月 29, 2022 EDT
Building Reports in Looker
Earned 7月 28, 2022 EDT
Extends to Keep LookML DRY
Earned 7月 28, 2022 EDT
Admin Roles and Folder Access
Earned 7月 27, 2022 EDT
Version Control and Caching
Earned 7月 27, 2022 EDT
The Modern Data Platform and LookML
Earned 7月 27, 2022 EDT
Driving Data Culture and Designing Dashboards
Earned 7月 21, 2022 EDT
Achieving Business Outcomes with Looker
Earned 7月 21, 2022 EDT
Looker Explained
Earned 7月 20, 2022 EDT
Recommendation Systems on Google Cloud
Earned 6月 14, 2022 EDT
Computer Vision Fundamentals with Google Cloud
Earned 5月 19, 2022 EDT
本番環境 ML システム
Earned 5月 17, 2022 EDT
End-to-End Machine Learning with TensorFlow on Google Cloud
Earned 5月 10, 2022 EDT
企業における ML
Earned 5月 5, 2022 EDT
Google Cloud での Keras を使った ML モデルの構築、トレーニング、デプロイ
Earned 4月 26, 2022 EDT
Launching into Machine Learning - 日本語版
Earned 4月 21, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版
Earned 4月 15, 2022 EDT
Exploring and Preparing Your Data with BigQuery - 日本語版
Earned 4月 12, 2022 EDT
How Google Does Machine Learning - 日本語版
Earned 4月 4, 2022 EDT
Virtual Agent Development in Dialogflow CX for Software Devs
Earned 3月 10, 2022 EST
Building No-Code Apps with AppSheet: Foundations
Earned 3月 7, 2022 EST
DEPRECATED Create Conversational AI Agents with Dialogflow CX
Earned 3月 6, 2022 EST
Applying Machine Learning to Your Data with Google Cloud - 日本語版
Earned 1月 24, 2022 EST
Achieving Advanced Insights with BigQuery - 日本語版
Earned 1月 21, 2022 EST
Achieving Advanced Insights with BigQuery - 日本語版
Earned 1月 21, 2022 EST
Compute Engine での Cloud Load Balancing の実装
Earned 1月 5, 2022 EST
Google Kubernetes Engine を使ってみる
Earned 1月 5, 2022 EST
Creating New BigQuery Datasets and Visualizing Insights - 日本語版
Earned 1月 2, 2022 EST
Exploring and Preparing Your Data with BigQuery - 日本語版
Earned 12月 30, 2021 EST
Elastic Cloud Infrastructure: Scaling and Automation 日本語版
Earned 12月 24, 2021 EST
重要な Google Cloud インフラストラクチャ: コアサービス
Earned 12月 13, 2021 EST
重要な Google Cloud インフラストラクチャ: 基礎
Earned 12月 8, 2021 EST
Google Cloud の基礎: コア インフラストラクチャ
Earned 12月 6, 2021 EST
Google Cloud の基礎
Earned 12月 2, 2021 EST
このコースでは、Google Agent Development Kit を使用して複雑なマルチエージェント システムを構築する方法を学びます。各種ツールを備えた複数のエージェントを構築し、それらのエージェントを親子関係とフローで接続してエージェント間の対話方法を定義します。構築したエージェントは、ローカルで実行するとともに、Gemini Enterprise Agent Platform の Agent Runtime にデプロイしてマネージド エージェント フローとして実行します。このとき、インフラストラクチャに関する決定やリソースのスケーリングは、Agent Runtime によって行われます。
これらのラボは、このプロダクトのプレリリース版に基づいています。メンテナンスの更新が提供された場合、これらのラボにずれが生じる可能性があります。
詳細
Google が持つ検索と AI の専門知識を Gemini Enterprise と融合させましょう。Gemini Enterprise は、従業員が単一の検索バーでドキュメント ストレージ、メール、チャット、チケット発行システム、その他のデータソースから特定の情報を検索できるよう設計された強力なツールです。また、Gemini Enterprise アシスタントは、ブレインストーミング、調査、ドキュメントの概要作成、カレンダーの予定への同僚の招待といったアクションの実行を支援し、あらゆる種類の知識労働や共同作業を加速させます。（Gemini Enterprise は以前 Google Agentspace という名前でした。このコースでは以前のプロダクト名が使用されている場合があります。）
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
This course equips full-stack mobile and web developers with the skills to integrate generative AI features into their applications using LangChain. You'll learn how to leverage LangChain’s capabilities for backend flows and seamless model execution, all within the familiar environment of Python. The course guides you through the entire process, from prototyping to production, ensuring a smooth journey in building next-generation AI-powered applications.
詳細
Demonstrate your ability to implement updated prompt engineering techniques and utilize several of Gemini's key capacilities including multimodal understanding and function calling. Then integrate generative AI into a RAG application deployed to Cloud Run. This course contains labs that are to be used as a test environment. They are deployed to test your understanding as a learner with a limited scope. These technologies can be used with fewer limitations in a real world environment.
詳細
Learn to use LangChain to call Google Cloud LLMs and Generative AI Services and Datastores to simplify complex applications' code.
詳細
Learn how Gemini can revolutionize your ability to develop applications! This course helps developers go beyond the basics and learn how to integrate Gemini into their workflows.
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
「Agent Platform で生成 AI を使ってみる」の中級スキルバッジを獲得すると、 テキスト生成、画像と動画の分析によるコンテンツ作成の強化、Gemini API 内での関数呼び出し手法の適用といったスキルを実証できます。 Gemini の高度な手法の活用、マルチモーダル コンテンツの生成、AI を活用したプロジェクトの機能拡張を行う方法を学びましょう。
詳細
(This course was previously named Multimodal Prompt Engineering with Gemini and PaLM) This course teaches how to use Vertex AI Studio, a Google Cloud console tool for rapidly prototyping and testing generative AI models. You learn to test sample prompts, design your own prompts, and customize foundation models to handle tasks that meet your application's needs. Whether you are looking for text, chat, code, image or speech generative experiences Vertex AI Studio offers you an interface to work with and APIs to integrate your production application.
詳細
This course on Integrate Vertex AI Search and Conversation into Voice and Chat Apps is composed of a set of labs to give you a hands on experience to interacting with new Generative AI technologies. You will learn how to create end-to-end search and conversational experiences by following examples. These technologies complement predefined intent-based chat experiences created in Dialogflow with LLM-based, generative answers that can be based on your own data. Also, they allow you to porvide enterprise-grade search experiences for internal and external websites to search documents, structure data and public websites.
詳細
In this quest, you’ll use text embeddings for tasks like classification, outlier detection, text clustering and semantic search. You’ll combine semantic search with the text generation capabilities of an LLM to build Retrieval Augmented Generation (RAG) solutions, such as for question-answering systems, using Google Cloud’s Vertex AI and Google Cloud databases.
詳細
This course explores Google Cloud technologies to create and generate embeddings. Embeddings are numerical representations of text, images, video and audio, and play a pivotal role in many tasks that involve the identification of similar items, like Google searches, online shopping recommendations, and personalized music suggestions. Specifically, you’ll use embeddings for tasks like classification, outlier detection, clustering and semantic search.
You’ll combine semantic search with the text generation capabilities of an LLM to build Retrieval Augmented Generation (RAG) systems and question-answering solutions, on your own proprietary data using Google Cloud’s Vertex AI.
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、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
Text Prompt Engineering Techniques introduces you to consider different strategic approaches & techniques to deploy when writing prompts for text-based generative AI tasks.
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
「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
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
A Business Leader in Generative AI can articulate the capabilities of core cloud Generative AI products and services and understand how they benefit organizations. This course provides an overview of the types of opportunities and challenges that companies often encounter in their digital transformation journey and how they can leverage Google Cloud's generative AI products to overcome these challenges.
詳細
In this course you will learn how to use the new generative AI features in Dialogflow CX to create virtual agents that can have more natural and engaging conversations with customers. Discover how to deploy generative fallback responses to gracefully handle errors and omissions in customer conversations, deploy generators to increase intent coverage, and structure, ingest, and manage data in a data store. And explore how to deploy and maintain generative AI agents using your data, and deploy and maintain hybrid agents in combination with existing intent-based design paradigms.
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
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
「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
「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
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
ML をデータ パイプラインに組み込むと、データから分析情報を抽出する能力を向上できます。このコースでは、Google Cloud でデータ パイプラインに ML を含める複数の方法について説明します。カスタマイズがほとんど、またはまったく必要ない場合のために、このコースでは AutoML について説明します。よりカスタマイズされた ML 機能については、Notebooks と BigQuery の機械学習（BigQuery ML）を紹介します。また、Vertex AI を使用して ML ソリューションを本番環境に導入する方法も説明します。
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
This course will help ML Engineers, Developers, and Data Scientists implement Large Language Models for Generative AI use cases with Vertex AI. The first two modules of this course contain links to videos and prerequisite course materials that will build your knowledge foundation in Generative AI. Please do not skip these modules. The advanced modules in this course assume you have completed these earlier modules.
詳細
This course helps you recognize the need to implement business process automation in your organization. You learn about automation patterns and use cases, and how to use AppSheet constructs to implement automation in your app. You learn about the various features of AppSheet automation, and integrate your app with Google Workspace products. You also learn how to send email, push notifications and text messages from your app, parse documents and generate reports with AppSheet automation.
詳細
(Previously named "Developing apps with Vertex AI Agent Builder: Search". Please note there maybe instances in this course where previous product names and titles are used)
Enterprises of all sizes have trouble making their information readily accessible to employees and customers alike. Internal documentation is frequently scattered across wikis, file shares, and databases. Similarly, consumer-facing sites often offer a vast selection of products, services, and information, but customers are frustrated by ineffective site search and navigation capabilities.
This course teaches you to use AI Applications to integrate enterprise-grade generative AI search.
詳細
This content is deprecated. Please see the latest version of the course, here.
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
Earn a skill badge by passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI.
A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.
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
Vertex AI での ML ソリューションの構築とデプロイ コースを修了して、 中級スキルバッジを獲得しましょう。このコースでは、Google Cloud の Vertex AI プラットフォーム、AutoML、カスタム トレーニング サービスを使用して、 ML モデルのトレーニング、評価、チューニング、説明、デプロイを行う方法を学びます。 このスキルバッジ コースは、データ サイエンティストと ML エンジニアのプロフェッショナルを 対象としています。 スキルバッジは、Google Cloud のプロダクトとサービスの習熟度を示す Google Cloud 発行の限定デジタルバッジで、 インタラクティブなハンズオン環境での知識の応用力を証明するものです。このスキルバッジと 最終評価チャレンジラボを完了し、デジタルバッジを獲得して ネットワークで共有しましょう。
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
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine.
This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
詳細
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
詳細
SQL だけを使用して、数時間ではなく数分で ML モデルを構築したいとお考えの場合、BigQuery ML は、データ アナリストが既存の SQL ツールやスキルを使って、ML モデルを作成、トレーニング、 評価し、そのモデルで予測を行うことを可能にして、ML をより多くの人が利用できるようにします。 この一連のラボでは、さまざまなモデルタイプを試して、 優れたモデルを作成する方法を学習します。
詳細
Get hands-on practice with Google Cloud! You will compete with your peers to see who can finish this game with the most points. Speed and accuracy will be used to calculate your scores — earn points by completing the labs accurately and bonus points for speed! Be sure to click “End” where you’re done with each lab to be rewarded your points.
詳細
Welcome Gamers! Learn to navigate that iterative journey efficiently and effectively using Google Cloud's operations tools!, all while having fun! Deploy a Kubernetes cluster along with a service using Terraform. You will compete to see who can finish the game with the highest score. Earn the points by completing the steps in the lab.... and get bonus points for speed! Be sure to click "End" when you're done with each lab to get the maximum points. All players will be awarded the game badge.
詳細
Welcome Gamers! Explore the power of machine learning by using multiple machine learning APIs together, all while having fun! Translate the text with the Translation API and analyze it with the Natural Language API. You will compete to see who can finish the game with the highest score. Earn the points by completing the steps in the lab.... and get bonus points for speed! Be sure to click "End" when you're done with each lab to get the maximum points. All players will be awarded the game badge.
詳細
Get hands-on practice with Google Cloud! You will compete with your peers to see who can finish this game with the most points. Earn points by completing the labs accurately and receive bonus points for speed! Be sure to click “End” where you’re done with each lab to be rewarded your points.
詳細
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models.
The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data.
The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models.
Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
詳細
このコースでは、Vertex AI Feature Store を使用するメリット、ML モデルの精度を向上させる方法、最も有効な特徴を抽出できるデータ列の見極め方について説明します。また、BigQuery ML、Keras、TensorFlow を使用した特徴量エンジニアリングに関するコンテンツとラボも用意されています。
詳細
This course teaches you how to implement various capabilities that include data organization and management, application security, actions and integrations in your app using AppSheet. The course also includes topics on managing and upgrading your app, improving performance and troubleshooting issues with your app.
詳細
This course explores the Geographic Information Systems (GIS), GIS Visualization, and machine learning enhancements to BigQuery.
詳細
あらゆる規模の組織が、事業運営の変革にクラウドの能力と柔軟性を活用しているなかで、 けれども、クラウド リソースを効果的に管理、スケーリングするのは複雑なタスクになる場合があります。 このコースでは、クラウドにおける最新の運用、信頼性、レジリエンスに関する基本的概念と、Google Cloud がこういった取り組みをどのように支援できるのかについて理解を深めます。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
多くの従来型企業では、既存のシステムやアプリで昨今の顧客の期待に応え続けることが難しくなっています。この場合、経営者は、老朽化した IT システムの保守を続けるのか、新たな製品やサービスに投資をするのか、選択を迫られることになります。このコースではそうした課題を明らかにするとともに、そうした課題をクラウド テクノロジーによって乗り越えるためのソリューションについて学びます。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
クラウド テクノロジーは組織に大きな力をもたらします。データと組み合わせることで、イノベーションの触媒となり、カスタマー エクスペリエンスの向上を促進します。「Google Cloud によるデータ トランスフォーメーションの探求」では、組織がクラウドを活用して、データをよりアクセスしやすく、実用的で、価値のあるものにする方法を学びます。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
デジタル トランスフォーメーションは、現代の組織にとって重要なプロセスです。クラウド コンピューティングで強固なベースラインを確立することは、有意義なイノベーションを推進するための第一歩となります。「Google Cloud によるデジタル トランスフォーメーション」では、組織が業務をモダナイズするのに役立つコア テクノロジーと戦略的フレームワークを紹介します。このコースでは、クラウドの基本的なコンセプト、グローバル ネットワーク インフラストラクチャ、責任の共有モデルについて説明し、リーダーが自信を持ってクラウドへの移行を進められるようにします。このコースは Cloud Digital Leader 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。
詳細
このコースでは、API を設計する方法と、OpenAPI 仕様を使用してそれらを文書化する方法を学びます。API のライフサイクルについて理解し、Apigee API プラットフォームがそのライフサイクルのあらゆる側面の管理にどのように役立つかを学びます。また、API プロキシを使用して API を設計する方法と、アプリ デベロッパー向けに API を API プロダクトとしてパッケージ化する方法を学びます。
レッスン、ハンズオンラボ、補足的な資料の組み合わせを通じて、Google Cloud の Apigee API プラットフォームを使用して API ソリューションを設計、構築、保護、デプロイ、管理する方法を学びます。このコースは「Apigee API プラットフォームを使用した API の開発」シリーズの最初のコースです。このコースを修了したら、「Apigee API プラットフォームを使用した API のセキュリティ」コースを受講してください。
詳細
This course provides a deep dive into how to create a chatbot using Dialogflow, augment it with Cloud Natural Language API and operationalize it using Google Cloud tools.
詳細
In this course you will discover additional tools for your toolbox for working with complex deployments, building robust solutions, and delivering even more value.
詳細
Develop technical skills beyond LookML along with basic administration for optimizing Looker instances
詳細
In this course you will discover Liquid, the templating language invented by Shopify and explore how it can be used in Looker to create dynamic links, content, formatting, and more.
詳細
This course reviews the processes for creating table calculations, pivots and visualizations
詳細
This course is designed for Looker users who want to create their own ad-hoc reports. It assumes experience of everything covered in our Get Started with Looker course (logging in, finding Looks & dashboards, adjusting filters, and sending data)
詳細
Hands on course covering the main uses of extends and the three primary LookML objects extends are used on as well as some advanced usage of extends.
詳細
This course is designed to teach you about roles, permission sets and model sets. These are areas that are used together to manage what users can do and what they can see in Looker.
詳細
This course aims to introduce you to the basic concepts of Git: what it is and how it's used in Looker. You will also develop an in-depth knowledge of the caching process on the Looker platform, such as why they are used and why they work
詳細
This course provides an introduction to databases and summarized the differences in the main database technologies. This course will also introduce you to Looker and how Looker scales as a modern data platform. In the lessons, you will build and maintain standard Looker data models and establish the foundation necessary to learn Looker's more advanced features.
詳細
This course provides an iterative approach to plan, build, launch, and grow a modern, scalable, mature analytics ecosystem and data culture in an organization that consistently achieves established business outcomes. Users will also learn how to design and build a useful, easy-to-use dashboard in Looker. It assumes experience with everything covered in our Getting Started with Looker and Building Reports in Looker courses.
詳細
In this course, we’ll show you how organizations are aligning their BI strategy to most effectively achieve business outcomes with Looker. We'll follow four iterative steps: Plan, Build, Launch, Grow, and provide resources to take into your own services delivery to build Looker with the goal of achieving business outcomes.
詳細
By the end of this course, you should be able to articulate Looker's value propositions and what makes it different from other analytics tools in the market. You should also be able to explain how Looker works, and explain the standard components of successful service delivery.
詳細
In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine.
This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.
詳細
This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models.
The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data.
The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models.
Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.
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
One of the best ways to review something is to work with the concepts and technologies that you have learned. So, this course is set up as a workshop and in this workshop, you will do End-to-End Machine Learning with TensorFlow on Google Cloud Platform. It involves building an end-to-end model from data exploration all the way to deploying an ML model and getting predictions from it.
This is the first course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Production Machine Learning Systems course.
詳細
このコースでは、ML ワークフローに対する実践的なアプローチを取り上げます。具体的には、いくつかの ML のビジネス要件とユースケースに取り組む ML チームをケーススタディ形式で紹介します。このチームは、データ マネジメントとガバナンスに必要なツールを理解し、データの前処理に最適なアプローチを検討する必要があります。
2 つのユースケースに対して ML モデルを構築するための 3 つのオプションがチームに提示されます。このコースでは、チームの目標を達成するために、AutoML、BigQuery ML、カスタム トレーニングを使用する理由について説明します。
詳細
このコースでは、TensorFlow と Keras を使用した ML モデルの構築、ML モデルの精度の向上、スケーリングに対応した ML モデルの作成について取り上げます。
詳細
このコースでは、まず、データ品質を向上させる方法や探索的データ分析を行う方法など、データについての議論から始めます。Vertex AI AutoML について確認し、コードを一切記述せずに ML モデルを構築、トレーニング、デプロイする方法を説明します。また、BigQuery ML のメリットを確認します。その後、ML モデルを最適化する方法、一般化とサンプリングを活用してカスタム トレーニング向けに ML モデルの品質を評価する方法を説明します。
詳細
このコースでは、データから AI へのライフサイクルをサポートする Google Cloud のビッグデータと ML のプロダクトやサービスを紹介します。また、Google Cloud で Vertex AI を使用してビッグデータ パイプラインと ML モデルを作成する際のプロセス、課題、メリットについて説明します。
詳細
このコースでは、データ アナリストが共通して直面する課題と、その課題を Google Cloud のビッグデータ ツールを使用して解決する方法を取り上げます。その過程で SQL を学習しながら、BigQuery と Dataprep を使用してデータセットを分析し、変換する方法について理解を深めます。
これは「From Data to Insights with Google Cloud」シリーズの最初のコースです。このコースを修了したら、「Creating New BigQuery Datasets and Visualizing Insights」コースを受講してください。
詳細
Google Cloud で機械学習を実装する際のベスト プラクティスには何があるでしょうか。Vertex AI とは何であり、このプラットフォームを使用してコードを 1 行も記述せずに AutoML 機械学習モデルを迅速に構築、トレーニング、デプロイするにはどうすればよいでしょうか。機械学習とはどのようなもので、どのような問題の解決に役立つのでしょうか。
Google では機械学習について独自の視点で考えています。マネージド データセット、特徴量ストア、そしてコードを 1 行も記述せずに迅速に機械学習モデルを構築、トレーニング、デプロイする手段を 1 つにまとめた統合プラットフォームを提供するとともに、データにラベル付けし、TensorFlow、SciKit Learn、Pytorch、R やその他のフレームワークを使用して Workbench ノートブックを作成できるようにすることが、Google の考える機械学習の在り方です。Google の Vertex AI プラットフォームでは、カスタムモデルをトレーニングしたり、コンポーネント パイプラインを構築したりすることもできます。さらに、オンライン予測とバッチ予測の両方を実施できます。このコースでは、候補となるユースケースを機械学習で学習できる形に変換する 5 つのフェーズについても説明し、これらのフェーズを省略しないことが重要である理由について論じます。最後に、機械学習によって増幅される可能性のあるバイアスの認識と、それを識別する方法について説明します。
詳細
Welcome to "Virtual Agent Development in Dialogflow CX for Software Devs", the third course in the "Customer Experiences with Contact Center AI" series. In this course, learn how to develop more customized customer conversational solutions using Contact Center Artificial Intelligence (CCAI). In this course, you'll be introduced to more advanced and customized handling for virtual agent conversations that need to look up and convey dynamic data, and methods available to you for testing your virtual agent and logs which can be useful for understanding issues that arise.
This is an intermediate course, intended for learners with the following type of role:
Software developers: Codes computer software in a programming language (e.g., C++, Python, Javascript) and often using an SDK/API.
詳細
In this course you will learn the fundamentals of no-code app development and recognize use cases for no-code apps. The course provides an overview of the AppSheet no-code app development platform and its capabilities. You learn how to create an app with data from spreadsheets, create the app’s user experience using AppSheet views and publish the app to end users.
詳細
Earn a skill badge by completing the Create Conversational AI Agents with Dialogflow CX quest, where you will learn how to create a conversational virtual agent, including how to: define intents and entities, use versions and environments, create conversational branching, and use IVR features. 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
このコースでは、ML について定義し、ビジネスで ML をどのように活用できるのかを学習します。機械学習を使用したデモをいくつか確認し、機械学習の主な用語（インスタンス、特徴、ラベルなど）について学習します。インタラクティブなラボでは、事前トレーニング済みの ML API の呼び出しを実行するほか、BigQuery ML で SQL のみを使用して独自の ML モデルを構築します。
詳細
このコースシリーズの 3 番目のコースは、「Achieving Advanced Insights with BigQuery」です。ここでは、高度な関数と、複雑なクエリを管理可能なステップに分割する方法を学びながら、SQL に関する知識を深めます。 BigQuery の内部アーキテクチャ（列ベースのシャーディング ストレージ）についてや、ARRAY と STRUCT を使用した、ネストされたフィールドと繰り返しフィールドなどの高度な SQL トピックについて説明します。最後に、クエリのパフォーマンスを最適化する方法と、承認済みビューを使用してデータを保護する方法について説明します。 このコースを修了したら、「Applying Machine Learning to Your Data with Google」コースに登録してください。
詳細
このコースシリーズの 3 番目のコースは、「Achieving Advanced Insights with BigQuery」です。ここでは、高度な関数と、複雑なクエリを管理可能なステップに分割する方法を学びながら、SQL に関する知識を深めます。 BigQuery の内部アーキテクチャ（列ベースのシャーディング ストレージ）についてや、ARRAY と STRUCT を使用した、ネストされたフィールドと繰り返しフィールドなどの高度な SQL トピックについて説明します。最後に、クエリのパフォーマンスを最適化する方法と、承認済みビューを使用してデータを保護する方法について説明します。 このコースを修了したら、「Applying Machine Learning to Your Data with Google」コースに登録してください。
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
"「Google Kubernetes Engine を使ってみる」コースへようこそ。Kubernetes にご興味をお持ちいただきありがとうございます。Kubernetes は、アプリケーションとハードウェア インフラストラクチャとの間にあるソフトウェア レイヤです。Google Kubernetes Engine は、Google Cloud 上のマネージド サービスとしての Kubernetes を提供します。
このコースでは、Google Kubernetes Engine（一般に GKE と呼ばれています）の基礎と、Google Cloud でアプリケーションをコンテナ化して実行する方法を学びます。このコースでは、まず Google Cloud の基本事項を確認します。続けて、コンテナ、Kubernetes、Kubernetes アーキテクチャ、Kubernetes オペレーションの概要について学びます。"
詳細
これは「Data to Insights」コースシリーズの 2 つ目のコースです。ここでは、新しい外部データセットを BigQuery に取り込み、Looker Studio で可視化する方法について説明します。また、複数テーブルの JOIN と UNION など、中級者向けの SQL のコンセプトについても説明します。JOIN や UNION を使用すると、複数のデータソースのデータを分析できます。 注: すでに SQL に関する知識をお持ちの方も、BigQuery に固有の要素（クエリ キャッシュやテーブル ワイルドカードの処理など）について学ぶことができます。 このコースを修了したら、「Achieving Advanced Insights with BigQuery」コースに登録してください。
詳細
このコースでは、データ アナリストが共通して直面する課題と、その課題を Google Cloud のビッグデータ ツールを使用して解決する方法を取り上げます。その過程で SQL を学習しながら、BigQuery と Dataprep を使用してデータセットを分析し、変換する方法について理解を深めます。
これは「From Data to Insights with Google Cloud」シリーズの最初のコースです。このコースを修了したら、「Creating New BigQuery Datasets and Visualizing Insights」コースを受講してください。
詳細
このオンデマンド速習コースでは、Google Cloud Platform 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。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、ネットワークの安全な相互接続、負荷分散、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 サービスなど、実用的なソリューションの演習も行います。
受講条件: このコースで効果的に学習するには、次の条件を満たしている必要があります。 • Google Cloud Platform Fundamentals（Core Infrastructure または AWS Professionals）を修了しているか、同等の経験がある ##a dummy change • Essential Cloud Infrastructure: Foundation を修了しているか、同等の経験がある • Essential Cloud Infrastructure: Core Services を修了しているか、同等の経験がある • コマンドライン ツールと Linux オペレーティング システム環境についての基本的なスキルがある • システム運用の経験がある（オンプレミスまたはパブリック クラウド環境でのアプリケーションのデプロイと管理を含む）
>>> よくある質問に記載のとおり、このコースに登録すると Qwiklabs の利用規約（https://qwiklabs.com/terms_of_service）に同意したことになります。<<<
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
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さまざまなソリューションの各要素について学習し、実際のデプロイを演習します。これらの要素には、ネットワークや仮想マシン、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。コンソールと Cloud Shell を使用して Google Cloud を運用する方法についても学習します。また、クラウド アーキテクトの役割、インフラストラクチャ設計の方法、Virtual Private Cloud（VPC）を使用した仮想ネットワークの構成、プロジェクト、ネットワーク、サブネットワーク、IP アドレス、ルート、ファイアウォール ルールについても学習します。
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
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
