Hoodeh Ramin
メンバー加入日: 2025
ゴールドリーグ
5357 ポイント
開発者向けの責任ある AI: 解釈可能性と透明性
Earned 7月 30, 2026 EDT
本番環境 ML システム
Earned 7月 30, 2026 EDT
Google Cloud での生成 AI アプリの作成
Earned 7月 29, 2026 EDT
Vertex AI を使用した ML オペレーション（MLOps）: 特徴の管理
Earned 7月 29, 2026 EDT
発者向けの責任ある AI: 公平性とバイアス
Earned 7月 29, 2026 EDT
Vertex AI を使用した ML オペレーション（MLOps）: モデルの評価
Earned 7月 29, 2026 EDT
ML オペレーション（MLOps）: 概要
Earned 7月 29, 2026 EDT
生成 AI の概要
Earned 7月 29, 2026 EDT
生成 AI のための ML オペレーション（MLOps)
Earned 7月 29, 2026 EDT
BigQuery ML を使用した ML モデルの作成
Earned 7月 29, 2026 EDT
Google Cloud の ML API 用にデータを準備
Earned 7月 29, 2026 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 7月 29, 2026 EDT
開発者向けの責任ある AI: プライバシーと安全性
Earned 7月 29, 2026 EDT
Google Cloud における AI と ML の概要
Earned 7月 29, 2026 EDT
大規模言語モデルの概要
Earned 4月 30, 2026 EDT
生成 AI エージェント: 組織の変革
Earned 4月 29, 2026 EDT
生成 AI アプリ: 働き方を変革する
Earned 4月 29, 2026 EDT
生成 AI: 現在の状況を知る
Earned 4月 29, 2026 EDT
生成 AI: 基本概念の理解
Earned 4月 29, 2026 EDT
生成 AI: chatbot を超えて
Earned 4月 29, 2026 EDT
認定資格試験の学習ガイドを作成する: PMLE
Earned 11月 16, 2025 EST
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、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
生成 AI アプリケーションは、大規模言語モデル（LLM）の発明以前にはほぼ不可能であった、新しいユーザー エクスペリエンスを生み出すことができます。アプリケーション デベロッパーが Google Cloud 上で生成 AI を活用し、魅力的で強力なアプリを構築するにはどうすればよいでしょうか？
このコースでは、生成 AI アプリケーションについて学びます。また、プロンプト設計と検索拡張生成（RAG）を使用して、LLM を活用した強力なアプリケーションを構築する方法についても学びます。さらに、生成 AI アプリケーションで使用できるプロダクション レディなアーキテクチャについて学び、LLM と RAG ベースのチャット アプリケーションを構築します。
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。
受講者は、SDK レイヤで Vertex AI Feature Store のストリーミング取り込みを使用する実践的な演習を受けられます。
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、ML の実務担当者に、生成 AI モデルと予測 AI モデルの両方を評価するための重要なツール、手法、ベスト プラクティスを身につけていただきます。モデル評価は、ML システムが本番環境で信頼性が高く、正確で、高性能な結果を確実に提供するための重要な分野です。
参加者は、さまざまな評価指標、方法論のほか、さまざまなモデルタイプやタスクにおけるそれらの適切な適用について理解を深めます。このコースでは、生成 AI モデルによってもたらされる固有の課題に重点を置き、それらの課題に効果的に取り組むための戦略を提供します。参加者は、Google Cloud の Vertex AI プラットフォームを活用して、モデルの選択、最適化、継続的なモニタリングのための堅牢な評価プロセスを実装する方法を学びます。
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
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
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
「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
「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
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、Google Cloud の AI および ML 機能について紹介します。特に、生成 AI と予測 AI の両方のプロジェクトの開発に重点を置きます。データから AI へのライフサイクル全体で利用可能なさまざまなテクノロジー、プロダクト、ツールについて説明するとともに、データ サイエンティスト、AI デベロッパー、ML エンジニアがインタラクティブな演習を通じて専門知識を強化できるよう支援します。
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
「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
NotebookLM を使用して、Professional Machine Learning Engineer（PMLE）認定資格試験に向けてパーソナライズした学習ガイドを作成する方法を学びます。NotebookLM の機能を確認して、ノートブックを作成し、その学習ガイドを使用して認定資格試験に向けて練習します。
詳細
