参加 ログイン

Google Cloud コンソールでスキルを試す

Ramos Miguel

メンバー加入日: 2023

Conversational AI on Vertex AI and Dialogflow CX Earned 8月 13, 2024 EDT
特徴量エンジニアリング Earned 1月 8, 2024 EST
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版 Earned 12月 17, 2023 EST
企業における ML Earned 12月 5, 2023 EST
大規模言語モデルの概要 Earned 11月 29, 2023 EST
生成 AI の概要 Earned 11月 28, 2023 EST
Encoder-Decoder アーキテクチャ Earned 11月 28, 2023 EST
アテンション機構 Earned 11月 28, 2023 EST
Vertex AI Studio の概要 Earned 11月 15, 2023 EST
Understand Your Google Cloud Costs Earned 11月 15, 2023 EST
画像生成の概要 Earned 11月 9, 2023 EST
責任ある AI: Google Cloud における AI に関する原則の適用 Earned 11月 8, 2023 EST
Google Cloud でのデータ分析の概要 Earned 11月 6, 2023 EST

In this course you will learn how to use the new generative AI features in Dialogflow CX to create virtual agents that can have more natural and engaging conversations with customers. Discover how to deploy generative fallback responses to gracefully handle errors and omissions in customer conversations, deploy generators to increase intent coverage, and structure, ingest, and manage data in a data store. And explore how to deploy and maintain generative AI agents using your data, and deploy and maintain hybrid agents in combination with existing intent-based design paradigms.

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

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、ML ワークフローに対する実践的なアプローチを取り上げます。具体的には、いくつかの ML のビジネス要件とユースケースに取り組む ML チームをケーススタディ形式で紹介します。このチームは、データ マネジメントとガバナンスに必要なツールを理解し、データの前処理に最適なアプローチを検討する必要があります。 2 つのユースケースに対して ML モデルを構築するための 3 つのオプションがチームに提示されます。このコースでは、チームの目標を達成するために、AutoML、BigQuery ML、カスタム トレーニングを使用する理由について説明します。

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。

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、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

このクエストは、技術または財務の担当者で GCP の費用の管理を担う方に最適です。請求先アカウントを設定する方法、リソースを整理する方法、請求アクセス権限を管理する方法について学習します。ハンズオンラボでは、請求書を表示する方法、請求レポートを使用して GCP の費用を追跡する方法、BigQuery や Google スプレッドシートを使用して請求データを分析する方法、データポータルを使用してカスタムの請求ダッシュボードを作成する方法について学習します。

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

企業における AI と ML の利用が拡大し続けるなか、責任を持ってそれを構築することの重要性も増しています。多くの企業にとっての課題は、責任ある AI と口で言うのは簡単でも、それを実践するのは難しいということです。このコースは、責任ある AI を組織で運用化する方法を学びたい方に最適です。 このコースでは、Google Cloud が責任ある AI を現在どのように運用化しているかを、ベスト プラクティスや教訓と併せて学び、責任ある AI に対する独自のアプローチを構築するためのフレームワークとして活用できるようにします。

詳細

この初級コースでは、Google Cloud のデータ分析ワークフローについてと、データを探索、分析、可視化し、得られた情報をステークホルダーと共有するために使用できるツールについて学びます。ケーススタディを取り上げながら、ハンズオンラボ、講義、理解度チェック、デモを通じて、元データセットをクリーンなデータに、さらには効果的な可視化やダッシュボードに生まれ変わらせる方法を示します。このコースは、Google Cloud で成果を上げる方法を知りたいと思っているデータ実務担当者にも、さらなるキャリアアップを目指している方にも、専門知識を深める入口として最適な内容になっています。データ分析業務を実際に行っている、あるいはデータ分析を利用している大多数の人に有益です。

詳細