参加 ログイン

Google Cloud コンソールでスキルを試す

Madhira Vithal

メンバー加入日: 2017

ダイヤモンド リーグ

11606 ポイント
医療分野向け生成 AI Earned 4月 2, 2026 EDT
How to Use TPUs for Inference Earned 3月 22, 2026 EDT
Architecting an AI Inference Stack Earned 3月 21, 2026 EDT
エージェントの動作を最適化する Earned 3月 12, 2026 EDT
Agent Development Kit（ADK）を使用したエージェントの構築を始める Earned 3月 12, 2026 EDT
Gemini Enterprise アプリケーションの作成を始める Earned 2月 27, 2026 EST
Enterprise のエージェントとユースケース Earned 2月 27, 2026 EST
AI エージェントの概要 Earned 2月 22, 2026 EST
エージェントの基礎 Earned 1月 9, 2026 EST
生成 AI のための ML オペレーション（MLOps) Earned 12月 27, 2025 EST
開発者向けの責任ある AI: プライバシーと安全性 Earned 12月 27, 2025 EST
開発者向けの責任ある AI: 解釈可能性と透明性 Earned 12月 26, 2025 EST
発者向けの責任ある AI: 公平性とバイアス Earned 12月 25, 2025 EST
ベクトル検索とエンベディング Earned 12月 21, 2025 EST
Vertex AI Studio の概要 Earned 11月 8, 2025 EST
画像キャプション モデルの作成 Earned 11月 5, 2025 EST
Transformer モデルと BERT モデル Earned 11月 4, 2025 EST
Encoder-Decoder アーキテクチャ Earned 11月 4, 2025 EST
アテンション機構 Earned 11月 3, 2025 EST
画像生成の概要 Earned 11月 3, 2025 EST
エンベディング作成、ベクトル検索、BigQuery での RAG Earned 10月 27, 2025 EDT
生成 AI エージェント: 組織の変革 Earned 10月 25, 2025 EDT
生成 AI アプリ: 働き方を変革する Earned 10月 24, 2025 EDT
生成 AI: 現在の状況を知る Earned 10月 22, 2025 EDT
生成 AI: 基本概念の理解 Earned 10月 21, 2025 EDT
生成 AI: chatbot を超えて Earned 10月 20, 2025 EDT
Google Cloud: Prompt Engineering Guide Earned 2月 26, 2025 EST
Professional Data Engineer の取得に向けた準備 Earned 7月 16, 2024 EDT
大規模言語モデルの概要 Earned 12月 30, 2023 EST
生成 AI の概要 Earned 12月 30, 2023 EST
特徴量エンジニアリング Earned 4月 14, 2022 EDT
How Google Does Machine Learning - 日本語版 Earned 4月 6, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 Earned 4月 2, 2022 EDT

医療従事者向けに特別に設計されたこのコースでは、AI の中で最新の画期的な進歩である生成 AI と、それを支える大規模言語モデル（LLM）の謎を解き明かします。医療現場における生成 AI の実際の応用例を学び、目標に合わせた効果的なプロンプトを作成する技術を習得します。

詳細

This course is for developers interested in learning how to use TPUs for inference—from architecture to deployment, and how to solve common implementation challenges.

詳細

This course is designed for developers looking to build an optimized AI inference stack on Google Cloud. Whether you’re working with GPUs or TPUs, you’ll explore the fundamental components of an inference stack, learn design principles for maximizing performance and reliability, and explore practical techniques to take your workloads from 0 to 1.

詳細

初めてのエージェントを構築できたところで、次のステップに進みましょう。このコースでは、高度な指示、モデル選択、計画機能、構造化出力パターンを適用して、基本的な AI エージェントを高度で正確なアシスタントに変える方法を学び、スキルを向上させます。 コミュニティ フォーラムでは質問やディスカッションを行えます。ぜひご参加ください。

詳細

Google の Agent Development Kit（ADK）を使用して AI エージェントを初めて構築、構成、実行してみることで、エージェントに関する理解を実践に活かしましょう。 この実践的なコースでは、完全な ADK 開発環境をセットアップしたうえで、Python コードと YAML 構成の両方を使用してエージェントを作成し、複数のインターフェースを介してエージェントを実行します。また、エージェントの動作を定義するコア パラメータについても学習し、コース 1 で学習した内容を実際に使えるコードに適用します。

詳細

Gemini Enterprise アプリケーションの作成を始めて、スキルバッジを獲得しましょう。さまざまなデータソースをアプリケーションに接続し、強力で統合された検索・分析エンジンを構築します。Deep Research エージェント、マルチエージェント アイディエーション、NotebookLM を使用した集中的な分析などの高度な機能を習得します。

詳細

AI エージェントがビジネスの成果を促進する仕組みについて学習します。エージェント タイプを KPI にマッピングし、実際のボトルネックを解決するユースケースを確認します。次に、Gemini Enterprise が、ノーコード ソリューションからハイコード ソリューションまで、適切なエージェントの構築とオーケストレーションをどのように支援するのかについて学びます。

詳細

AI エージェントのコンセプトの概要を理解したうえで、AI エージェントが自律的なアクションと推論を使用して複雑な問題を解決する仕組みを学習します。また、エージェントがユーザーに代わって学習、計画し、目標を達成できるようにする技術的アーキテクチャ（モデル、ツール、オーケストレーション）について学びます。

詳細

AI エージェントは、従来の大規模言語モデル（LLM）を超える大きな変化をもたらします。単にテキストベースの解決策を生成するだけでなく、自律的に行動して、それを実行に移すこともできます。このコースでは、AI エージェントの基礎、LLM API との違い、現実の場面でどのように真価を発揮するのかを解説します。また、Google のエージェント ホワイトペーパーに基づき、エージェントのコードを書き始める前に必要となる理論的基盤を提供します。単なるテキスト生成ではなく、自律的で目標指向のふるまいという観点から AI システムを理解したい開発者、アーキテクト、技術的意思決定者に適した内容です。質問やディスカッションについては、コミュニティ フォーラムにご参加ください。

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

このコースでは、AI のプライバシーと安全性に関する重要なトピックを紹介します。具体的には、Google Cloud プロダクトとオープンソース ツールを使用して AI のプライバシーと安全性の推奨プラクティスを実装するための実践的な方法とツールを検証します。

詳細

このコースでは、AI の解釈可能性と透明性のコンセプトを紹介します。デベロッパーとエンジニアにとって AI の透明性が重要であることについて説明します。データと AI モデルの両方で解釈可能性と透明性を達成できる実践的な方法とツールを検証します。

詳細

このコースでは、責任ある AI および AI に関する原則のコンセプトを紹介します。AI / ML の実践における公平性とバイアスを特定し、バイアスを軽減するための実践的な手法を取り扱います。具体的には、Google Cloud プロダクトとオープンソース ツールを使用して責任ある AI のベスト プラクティスを実装するための実践的な方法とツールを検証します。

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、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

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

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

このコースでは、BigQuery で検索拡張生成（RAG）ソリューションを使用して AI ハルシネーションを軽減する方法を説明します。エンベディングの作成、ベクトル空間の検索、改善された回答の生成を含む RAG ワークフローについて解説し、これらの手順の背後にある概念的な理由と、BigQuery を使用した実践的な実装方法についても説明します。このコースを完了すると、BigQuery、Gemini などの生成 AI モデル、エンベディング モデルを使用して RAG パイプラインを構築し、独自の AI ハルシネーションのユースケースに対処できるようになります。

詳細

「Gen AI エージェント: 組織の変革」は、Gen AI Leader 学習プログラムの最後となる 5 番目のコースです。このコースでは、組織でカスタム生成 AI エージェントを使用して特定のビジネス課題に対処する方法を学習します。基本的な生成 AI エージェントを構築する実践演習を行うとともに、モデル、推論ループ、ツールなどのエージェントの構成要素について見ていきます。

詳細

「生成 AI アプリ: 働き方を変革する」は、生成 AI リーダー学習プログラムの 4 つ目のコースです。このコースでは、Gemini for Workspace や NotebookLM など、Google の生成 AI アプリケーションを紹介します。グラウンディング、検索拡張生成、効果的なプロンプトの作成、自動化されたワークフローの構築などのコンセプトについて学びます。

詳細

「生成 AI: 現在の状況を知る」は、生成 AI リーダー学習プログラムの 3 つ目のコースです。生成 AI は、私たちの働き方や、私たちを取り巻く世界との関わり方を変えています。リーダーは、実際のビジネス成果に結びつけるために、生成 AI の力をどのように活用できるでしょうか？このコースでは、生成 AI ソリューションの構築におけるさまざまなレイヤ、Google Cloud のサービス、ソリューションを選択する際に考慮すべき要素について学びます。

詳細

「生成 AI: 基本概念の理解」は、生成 AI リーダー学習プログラムの 2 つ目のコースです。このコースでは、AI、ML、生成 AI の違いを探り、さまざまなデータタイプが生成 AI によるビジネス課題への対処を可能にする仕組みを理解することで、生成 AI の基本概念を習得します。また、基盤モデルの限界に対処するための Google Cloud の戦略、および責任ある安全な AI の開発と導入における重要な課題に関するインサイトも得られます。

詳細

「生成 AI: chatbot を超えて」は、生成 AI リーダー学習プログラムの最初のコースで、前提条件はありません。このコースは、chatbot の基礎的な理解をさらに広げ、組織で実現できる生成 AI の真の可能性を把握することを目的としています。基盤モデルおよびプロンプト エンジニアリングなど、生成 AI の力を活用するうえで重要な概念も紹介します。また、このコースでは、組織において優れた生成 AI 戦略を策定する場合に検討するべき重要事項も見ていきます。

詳細

Google Cloud : Prompt Engineering Guide examines generative AI tools, how they work. We'll explore how to combine Google Cloud knowledge with prompt engineering to improve Gemini responses.

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。

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

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

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