参加 ログイン

Google Cloud コンソールでスキルを試す

A Chitra Devi

メンバー加入日: 2022

シルバーリーグ

4860 ポイント
Gemini in Google Meet Earned 1月 22, 2024 EST
Gemini in Google スプレッドシート Earned 1月 22, 2024 EST
Gemini in Google スライド Earned 1月 22, 2024 EST
Gemini in Google ドキュメント Earned 1月 22, 2024 EST
Gemini in Gmail Earned 1月 20, 2024 EST
Gemini for Google Workspace の概要 Earned 1月 20, 2024 EST
Generative AI Fundamentals Earned 9月 19, 2023 EDT
責任ある AI の概要 Earned 6月 22, 2023 EDT
大規模言語モデルの概要 Earned 6月 22, 2023 EDT
Encoder-Decoder アーキテクチャ Earned 6月 22, 2023 EDT
生成 AI の概要 Earned 6月 22, 2023 EDT
Compute Engine でのロード バランシングの実装 Earned 5月 18, 2023 EDT
How Google Does Machine Learning - 日本語版 Earned 4月 27, 2023 EDT
ML オペレーション（MLOps）: 概要 Earned 4月 23, 2023 EDT

Gemini for Google Workspace は、生成 AI 機能へのアクセスをユーザーに提供するアドオンです。このコースでは、Google Meet での Gemini の機能について掘り下げます。動画レッスン、ハンズオン アクティビティ、実用的な例を通じて Google Meet の Gemini 機能を総合的に理解し、Gemini を使用した背景画像の生成、ビデオ通話の映りの改善、字幕翻訳の方法を学びます。このコースを修了すると、Google Meet で Gemini を自信を持って活用し、ビデオ会議の効果を最大限に高めるための知識とスキルを身に付けられます。

詳細

Gemini for Google Workspace は、Google Workspace の生成 AI 機能をお客様に提供するアドオンです。このミニコースでは、Gemini の主な機能と、それらの機能を使用して Google スプレッドシートの生産性と効率を向上させる方法について学びます。

詳細

Gemini for Google Workspace は、Google Workspace の生成 AI 機能をお客様に提供するアドオンです。このミニコースでは、Gemini の主な機能と、それらの機能を使用して Google スライドの生産性と効率を向上させる方法について学びます。

詳細

Gemini for Google Workspace は、生成 AI 機能へのアクセスをユーザーに提供するアドオンです。動画レッスン、ハンズオン アクティビティ、実用的な例を使用して、Gemini in Google ドキュメントの機能について詳しく説明します。Gemini を使用して、プロンプトに基づいて文書のコンテンツを生成する方法を学びます。また、Gemini を使用して、記述済みのテキストを編集し、全体的な生産性の向上を支援することも検討します。このコースを修了すると、自信を持って Gemini in Google ドキュメントを活用し、文章作成能力を向上させるための知識やスキルを身に付けることができます。

詳細

Gemini for Google Workspace は、Google Workspace の生成 AI 機能をお客様に提供するアドオンです。このミニコースでは、Gemini の主な機能と、それらの機能を使用して Gmail の生産性と効率を向上させる方法について学びます。

詳細

Gemini for Google Workspace は、Google Workspace の生成 AI 機能をお客様に提供するアドオンです。この学習プログラムでは、Gemini の主な機能と、それらの機能を使用して Google Workspace の生産性と効率を向上させる方法について学びます。

詳細

Earn a skill badge by passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI. A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.

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

Compute Engine でのロード バランシングの実装 スキルバッジを獲得できる入門コースを修了すると、次のスキルを実証できます: gcloud コマンドの記述と Cloud Shell の使用、Compute Engine における仮想マシンの作成とデプロイ、 ネットワーク ロードバランサと HTTP ロードバランサの構成。 スキルバッジは、Google Cloud の プロダクトとサービスに関する習熟度を示す Google Cloud 発行の限定デジタルバッジです。 これは、インタラクティブなハンズオン環境での知識の応用力を 証明するものです。この入門コースと最終評価チャレンジラボを完了し、 スキルバッジを獲得しましょう。このスキルバッジはネットワークで共有できます。

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、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