参加 ログイン

Google Cloud コンソールでスキルを試す

Ben Nasr Oussama

メンバー加入日: 2022

Getting Started with Apache Beam Earned 10月 24, 2023 EDT
アテンション機構 Earned 9月 10, 2023 EDT
画像生成の概要 Earned 9月 10, 2023 EDT
Vertex AI での ML ソリューションの構築とデプロイ Earned 9月 10, 2023 EDT
Generative AI Explorer - Vertex AI Earned 9月 8, 2023 EDT
Vertex AI Studio の概要 Earned 9月 8, 2023 EDT
Generative AI Fundamentals - 日本語版 Earned 9月 8, 2023 EDT
責任ある AI の概要 Earned 9月 8, 2023 EDT
生成 AI の概要 Earned 9月 7, 2023 EDT
ML オペレーション（MLOps）: 概要 Earned 9月 6, 2023 EDT
BigQuery for Data Warehousing Earned 8月 7, 2023 EDT
Analyzing and Visualizing Data in Looker - 日本語版 Earned 8月 7, 2023 EDT
Data Catalog Fundamentals Earned 8月 3, 2023 EDT
Dataplex を使用したデータメッシュの構築 Earned 8月 3, 2023 EDT
Managing Change when Moving to Google Cloud Earned 8月 2, 2023 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 7月 30, 2023 EDT
Data Lake Modernization on Google Cloud: Data Governance Earned 7月 29, 2023 EDT
Pub/Sub を使ってみる Earned 7月 29, 2023 EDT
Data Lake Modernization on Google Cloud: Cloud Composer Earned 7月 29, 2023 EDT
Exploring and Preparing Your Data with BigQuery - 日本語版 Earned 7月 26, 2023 EDT
Google Slides - 日本語版 Earned 7月 25, 2023 EDT
大規模言語モデルの概要 Earned 6月 20, 2023 EDT
Google Sheets - 日本語版 Earned 1月 18, 2023 EST
MongoDB Atlas on Google Cloud Earned 12月 14, 2022 EST
Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本 Earned 11月 11, 2022 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 11月 6, 2022 EST
Cloud Spanner インスタンスの作成と管理 Earned 11月 2, 2022 EDT
Dataflow を使用したサーバーレスのデータ処理: 運用 Earned 10月 30, 2022 EDT
Professional Data Engineer の取得に向けた準備 Earned 10月 20, 2022 EDT
How Google Does Machine Learning - 日本語版 Earned 10月 16, 2022 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 12, 2022 EDT
Google Cloud の ML API 用にデータを準備 Earned 10月 11, 2022 EDT
Dataflow を使用したサーバーレスのデータ処理: 基礎 Earned 10月 7, 2022 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版 Earned 10月 5, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 Earned 10月 5, 2022 EDT
BigQuery でデータ ウェアハウスを構築する Earned 10月 4, 2022 EDT
Google Cloud でストリーミング データ パイプラインを構築する Earned 10月 1, 2022 EDT
Google Cloud でのバッチデータ パイプラインの構築 Earned 9月 28, 2022 EDT
Google Cloud の基礎: コア インフラストラクチャ Earned 9月 26, 2022 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 9月 21, 2022 EDT

Learn how to write and test pipelines with Dataflow and Apache Beam

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

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

「Generative AI Explorer - Vertex AI」コースには、 Google Cloud での生成 AI の使用方法に関する複数のラボが含まれます。ラボでは、Vertex AI PaLM API ファミリーの text-bison、chat-bison、 textembedding-gecko などのモデルの使用方法を確認し、プロンプト設計やベスト プラクティス、さらに Vertex AI を活用した アイディエーション、テキスト分類、テキスト抽出、テキスト要約について 学びます。また、 Vertex AI カスタム トレーニングによって基盤モデルをチューニングし、Vertex AI エンドポイントにデプロイする方法も学びます。

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

「Introduction to Generative AI」、「Introduction to Large Language Models」、「Introduction to Responsible AI」の各コースを修了すると、スキルバッジを獲得できます。最終テストに合格することで、ジェネレーティブ AI の基礎概念を理解していることが証明されます。 スキルバッジは、Google Cloud のプロダクトとサービスに関する知識を認定するために Google Cloud が発行するデジタルバッジです。スキルバッジは、ソーシャル メディアの公開プロフィールを作成してそこに追加することで一般向けに共有できます。

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、従来の機械学習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

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

データ ウェアハウスの構築または最適化を検討している場合は、BigQuery を使ったデータの抽出、変換、Google Cloud への読み込みに関するおすすめの方法を学びます。この一連のインタラクティブなラボでは、各種の大規模な BigQuery 一般公開データセットを使って独自のデータ ウェアハウスを作成、最適化します。BigQuery は、Google が低料金で提供する NoOps のフルマネージド分析データベースです。インフラストラクチャを所有して管理したり、データベース管理者を配置したりすることなく、テラバイト単位の大規模なデータでクエリを実行できます。また、SQL が採用されており、従量課金制モデルでご利用いただけます。このような特徴を活かし、お客様は有用な情報を得るためのデータ分析に専念できます。

詳細

このコースでは、これまで主に SQL のデベロッパーやアナリストが行っていたようなデータの探索や分析を Looker で実施する方法について学びます。このコースを修了すると、Looker の最新の分析プラットフォームを活用して、組織の Looker インスタンスにおける関連性の高いコンテンツの検索と探索、データに関する問い合わせ、必要に応じた新しい指標の作成、データドリブンな意思決定を促進するためのビジュアリゼーションとダッシュボードの作成や共有を行えるようになります。

詳細

Data Catalog is deprecated and will be discontinued on January 30, 2026. You can still complete this course if you want to. For steps to transition your Data Catalog users, workloads, and content to Dataplex Catalog, see Transition from Data Catalog to Dataplex Catalog (https://cloud.google.com/dataplex/docs/transition-to-dataplex-catalog). Data Catalog is a fully managed and scalable metadata management service that empowers organizations to quickly discover, understand, and manage all of their data. In this quest you will start small by learning how to search and tag data assets and metadata with Data Catalog. After learning how to build your own tag templates that map to BigQuery table data, you will learn how to build MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors.

詳細

「Dataplex 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、Dataplex 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、Dataplex 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

Moving to the cloud creates numerous opportunities to start working in a new way and it empowers the workforce to better collaborate and innovate. But it’s also a big change. Sometimes the success of the change hinges not on the change itself, but on how it’s managed. This course will help people managers to understand some of the key challenges associated with cloud adoption, and provide them with a verified in-the-field framework that will assist them in supporting their teams on the change journey. By addressing the human factor of moving to the cloud, organizations increase their chances of realizing business objectives and investing in their future talent.

詳細

クラウド テクノロジーは組織に大きな価値をもたらします。クラウド テクノロジーの力をデータと組み合わせることで、その価値はさらに大きなものとなり、新しいカスタマー エクスペリエンスを提供できる可能性があります。「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、データが組織にもたらす価値と、Google Cloud でデータを有用かつアクセス可能なものにする方法を学習します。このコースは「クラウド デジタル リーダー」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

Welcome to Data Governance, where we discuss how to implement data governance on Google Cloud.

詳細

「Pub/Sub を使ってみる」クエストを修了すると スキルバッジを獲得できます。 このクエストでは、Cloud コンソールでの Pub/Sub の使用方法、Cloud Scheduler ジョブで作業を効率化する方法、 大量のイベント取り込みで Pub/Sub Lite を使用してコストを 削減できるタイミングについて学習します。

詳細

Welcome to Cloud Composer, where we discuss how to orchestrate data lake workflows with Cloud Composer.

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 スライドを使用すると、営業用、プロジェクト用、トレーニング モジュール用にプロフェッショナルなプレゼンテーションを作成して提示できます。 Google スライドのプレゼンテーションは、クラウドに安全に保存されます。プレゼンテーションはウェブブラウザで直接作成でき、特別なソフトウェアは必要ありません。 さらに、複数のユーザーが同時に作業することができ、他のユーザーの変更内容をリアルタイムで見ることもできます。変更はすべて自動的に保存されます。このコースでは、Google スライドを開いて空のプレゼンテーションを作成する方法と、テンプレートからプレゼンテーションを作成する方法を学習します。プレゼンテーションのテーマやレイアウトのオプション、コンテンツとスピーカーノートの追加や書式設定の方法について学びます。表、画像、グラフなどを追加してスライドを充実させる方法を学習します。また、スライドの切り替え効果やオブジェクトのアニメーションなどの視覚効果をプレゼンテーションで使用する方法についても学びます。スライドを整理する方法について説明し、スライドの複製と順序付け、既存のスライドのインポート、スライドのコピー、スライドの非表示などのオプションを確認します。プレゼンテーションを他のユーザーと共有する方法のほか、共同編集者の権限、変更履歴、バージョン管理についても学習します。Google スライドには、チームの共同編集を容易にするさまざまな機能が用意されています。チームでの共同編集にコメントとアクション アイテムを活用する方法を学習します。 スライドを提示することが最終的な目標であるため、スライドを他の人にプレゼンテーションする方法や、利用可能なプレゼンテーション ツールについて学習します。

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

このコースでは、Google スプレッドシートを紹介します。Google スプレッドシートはクラウドベースのスプレッドシート ソフトウェアで、 Google Workspace に含まれています。 Google スプレッドシートでは、ウェブブラウザで直接スプレッドシートを作成して編集できます。特別なソフトウェアは必要ありません。 複数のユーザーが同時に編集することも、他のユーザーの変更内容をリアルタイムで見ることもできます。また、変更はすべて自動的に保存されます。 このコースでは、Google スプレッドシートを開いて空のスプレッドシートを作成する方法、テンプレートからスプレッドシートを作成する方法を学習します。また、Google スプレッドシートを使用してデータの追加、インポート、並べ替え、フィルタリング、書式設定を行い、さまざまな種類のファイルで作業する方法も学習します。 数式と関数を使用すると、すばやく計算を行ってデータをより有効に活用できます。このコースでは、基本的な数式を作成する方法、関数を使用する方法、データを参照する方法について見ていきます。スプレッドシートにグラフを追加する方法も学習します。 Google スプレッドシートは簡単に共有できます。このコースでは、他のユーザーとスプレッドシートを共有するさまざまな方法を見ていきます。また、変更を追跡し、Google スプレッドシートのバージョンを管理する方法についても説明します。 Google Workspace を使用すれば、チーム、クライアント、他のユーザーがどこにいても、簡単に共同編集を行うことができます。Google スプレッドシートで利用できる共同編集オプションについてもいくつか紹介します。これらのオプションには、コメント、アクション アイテム、通知などがあります。

詳細

Discover the ease of an integrated multi-cloud database with data services that simplify database deployment and management. Get practical experience using MongoDB Atlas on Google Cloud and unlock the power of a flexible document data model that makes data easier to work with in a global, scalable, fully-managed, and elastic service. Come expecting to learn, Building a Cloud Run application that leverages Atlas App Services to call Cloud Natural Language Processing and carry out sentiment analysis, Running a MongoDB Database in Kubernetes with StatefulSets and Ingesting New Datasets into BigQuery

詳細

Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。 この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。 このコースは、次の順で完了する必要があります。 1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本 2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ 3. Google Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ 4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI この最初のコースでは、クラウド コンピューティングの概要、Google Cloud の使用方法、さまざまなコンピューティング オプションについて説明します。

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

「Cloud Spanner インスタンスの作成と管理」スキルバッジを 獲得できる入門コースを修了すると、 Cloud Spanner のインスタンスとデータベースの作成と操作、 さまざまな手法による Cloud Spanner データベースの読み込み、 Cloud Spanner データベースのバックアップ、スキーマの定義、クエリプランの理解、 Cloud Spanner インスタンスに接続された最新ウェブアプリのデプロイといったスキルを実証できます。

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

このコースでは、Professional Data Engineer（PDE）認定資格試験に向けた学習計画を作成できます。学習者は、試験の範囲を把握できます。また、試験への準備状況を把握して、個々の学習計画を作成します。

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

「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

「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、Dataproc 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

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

「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

このコースでは、ストリーミング データ パイプラインの構築時に直面する実際の問題を解決するために、実践的な演習を行います。ポイントは、Google Cloud プロダクトを使用して、絶えず流れ続けるデータを効果的に管理することです。

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

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

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