Sharma Kunal
メンバー加入日: 2024
ゴールドリーグ
8610 ポイント
メンバー加入日: 2024
Learn how to streamline healthcare data management with cloud technology. In these hands-on labs, you'll work with FHIR and HL7v2 data using the Healthcare API, de-identify medical images, and build a secure data lake on Cloud Storage. You'll also explore ways to cut cost and process large datasets with Cloud Dataproc. Whether it's managing patient records or securing sensitive data, these labs will equip you with the skills to enhance healthcare technology.
「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。
「Google Cloud でのウェブサイトの構築」スキルバッジ 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。 このコースは「Get Cooking in Cloud」シリーズに基づいており、次の内容を扱います。 Cloud Run でウェブサイトをデプロイするCompute Engine でウェブアプリをホストするGoogle Kubernetes Engine でウェブサイトを作成、デプロイ、 スケーリングするCloud Build を使用してモノリシック アプリケーションからマイクロサービス アーキテクチャに移行する
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。
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。
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。
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。