「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
このコースでは、Associate Cloud Engineer 認定試験の合格を目指す方が受験の準備を進めることができます。試験範囲に含まれる Google Cloud ドメインの概要と、ドメインに関する知識を高めるための学習計画の作成方法について学習します。
詳細
この入門レベルのマイクロラーニング コースでは、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。
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。
「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。
Google Cloud Fundamentals for AWS Professionals introduces important concepts and terminology for working with Google Cloud. Through videos and hands-on labs, this course presents and compares many of Google Cloud's computing and storage services, along with important resource and policy management tools.
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
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
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。
Generative AI Fundamentals - 日本語版
Earned 11月 21, 2023 EST
Associate Cloud Engineer の取得に向けた準備
Earned 10月 15, 2023 EDT
責任ある AI の概要
Earned 6月 6, 2023 EDT
大規模言語モデルの概要
Earned 6月 6, 2023 EDT
生成 AI の概要
Earned 6月 6, 2023 EDT
Dataflow を使用したサーバーレスのデータ処理: 基礎
Earned 3月 24, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版
Earned 3月 24, 2023 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 3月 19, 2023 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 2月 28, 2023 EST
BigQuery でデータ ウェアハウスを構築する
Earned 2月 25, 2023 EST
Google Cloud Fundamentals for AWS Professionals
Earned 2月 25, 2023 EST
Google Cloud でのバッチデータ パイプラインの構築
Earned 2月 24, 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 2月 11, 2023 EST
Professional Data Engineer の取得に向けた準備
Earned 1月 29, 2023 EST
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版
Earned 1月 26, 2023 EST
Google Cloud におけるアプリ開発環境の設定
Earned 1月 19, 2023 EST
Google Cloud の基礎: コア インフラストラクチャ
Earned 1月 12, 2023 EST
Compute Engine での Cloud Load Balancing の実装
Earned 1月 9, 2023 EST