参加 ログイン

Google Cloud コンソールでスキルを試す

Fernandez Villar Álvaro

メンバー加入日: 2024

Google Cloud Operations を使用したスケーリング Earned 8月 21, 2025 EDT
Google Cloud で実現する信頼とセキュリティ Earned 8月 21, 2025 EDT
Google Cloud によるインフラストラクチャとアプリケーションのモダナイゼーション Earned 8月 20, 2025 EDT
Google Cloud の AI を活用したイノベーション Earned 8月 18, 2025 EDT
Google Cloud によるデータ トランスフォーメーションの探求 Earned 8月 18, 2025 EDT
Google Cloud によるデジタル トランスフォーメーション Earned 8月 17, 2025 EDT
Preparing for Your Professional Cloud Architect Journey - 日本語版 Earned 6月 6, 2025 EDT
Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチ ドキュメントの検査 Earned 5月 7, 2024 EDT
開発者向けの責任ある AI: 解釈可能性と透明性 Earned 5月 6, 2024 EDT
生成 AI のための ML オペレーション（MLOps) Earned 5月 5, 2024 EDT
発者向けの責任ある AI: 公平性とバイアス Earned 5月 3, 2024 EDT
Vertex AI Studio の概要 Earned 5月 3, 2024 EDT
ベクトル検索とエンベディング Earned 5月 3, 2024 EDT
画像キャプション モデルの作成 Earned 5月 2, 2024 EDT
Transformer モデルと BERT モデル Earned 5月 2, 2024 EDT
Encoder-Decoder アーキテクチャ Earned 5月 2, 2024 EDT
アテンション機構 Earned 5月 2, 2024 EDT
画像生成の概要 Earned 5月 2, 2024 EDT
Natural Language Processing on Google Cloud Earned 4月 30, 2024 EDT
Recommendation Systems on Google Cloud Earned 4月 29, 2024 EDT
Computer Vision Fundamentals with Google Cloud Earned 4月 18, 2024 EDT
Vertex AI を使用した ML オペレーション（MLOps）: 特徴の管理 Earned 4月 15, 2024 EDT
本番環境 ML システム Earned 4月 15, 2024 EDT
ML オペレーション（MLOps）: 概要 Earned 4月 9, 2024 EDT
Google Cloud での Keras を使った ML モデルの構築、トレーニング、デプロイ Earned 4月 3, 2024 EDT
企業における ML Earned 4月 2, 2024 EDT
特徴量エンジニアリング Earned 4月 1, 2024 EDT
Launching into Machine Learning - 日本語版 Earned 2月 12, 2024 EST
How Google Does Machine Learning - 日本語版 Earned 2月 5, 2024 EST
Google Cloud における AI と ML の概要 Earned 1月 30, 2024 EST
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 Earned 1月 29, 2024 EST

あらゆる規模の組織が、事業運営の変革にクラウドの能力と柔軟性を活用しているなかで、クラウド リソースを効果的に管理、スケーリングすることが複雑なタスクになる可能性もあります。 ここでは、Google Cloud Operations を使用したスケーリングを通して、クラウドにおける最新の運用、信頼性、レジリエンスに関する基本的概念と、Google Cloud がこういった取り組みをどのように支援できるのかについて理解を深めます。 このコースは クラウド デジタル リーダー 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。

詳細

組織がデータやアプリケーションをクラウドへ移行する際には、新たなセキュリティ上の課題に対処することが求められます。この「Google Cloud で実現する信頼とセキュリティ」コースでは、クラウド セキュリティの基礎、およびインフラストラクチャ セキュリティに対する Google Cloud のマルチレイヤ型アプローチが持つ価値について学ぶとともに、Google がクラウドへのお客様の信頼をどのように獲得し維持しているのかについて学びます。 このコースは クラウド デジタル リーダー 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。

詳細

多くの従来型企業では、既存のシステムやアプリケーションで昨今の顧客の期待に応え続けることが難しくなっています。この場合、経営者は、老朽化した IT システムの保守を続けるのか、新たな製品やサービスに投資をするのか、選択を迫られることになります。「Google Cloud によるインフラストラクチャとアプリケーションのモダナイゼーション」ではそうした課題を明らかにするとともに、そうした課題をクラウド テクノロジーによって乗り越えるためのソリューションについて学びます。 このコースは クラウド デジタル リーダー 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。

詳細

AI と ML は、幅広い業種に急速な変革をもたらしているインフォメーション テクノロジーにおける重要な進化です。「Google Cloud の AI を活用したイノベーション」では、AI と ML を活用して組織でビジネス プロセスを変革する方法について学習します。 このコースは クラウド デジタル リーダー 学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。

詳細

クラウド テクノロジーは組織に大きな価値をもたらします。クラウド テクノロジーの力をデータと組み合わせることで、その価値はさらに大きなものとなり、新しいカスタマー エクスペリエンスを提供できる可能性があります。「Google Cloud によるデータ トランスフォーメーションの探求」では、データが組織にもたらす価値と、Google Cloud でデータを有用かつアクセス可能なものにする方法を学習します。このコースは「クラウド デジタル リーダー」学習プログラムの一部で、個人が自分の役割において成長し、ビジネスの未来を構築することを目的としています。

詳細

クラウド テクノロジーとデジタル トランスフォーメーションに大きな期待が寄せられていますが、疑問点も多く残っています。 例: クラウド テクノロジーとは何か？デジタル トランスフォーメーションとは何を意味しているか？クラウド テクノロジーが組織にどう役立つのか？どこから着手するのか？ このような疑問をお持ちなら、このコースはぴったりです。このコースでは、デジタル トランスフォーメーションにおいて多くの企業が直面する機会と課題のタイプについてご説明します。このデジタル トランスフォーメーションの入門コースなら、クラウド テクノロジーに関する知識を深めて自分の業務に活用するとともに、今後のビジネスの成長にも役立てていただけます。このコースは クラウド デジタル リーダー 学習プログラムの一部です。

詳細

このコースでは、PCA（Professional Cloud Architect）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

Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチ ドキュメントの検査 スキルバッジを獲得できる中級コースを修了すると、次のスキルを実証できます。 Gemini を使用したマルチモダリティにより、マルチモーダル プロンプトを使用してテキストと視覚データから情報を抽出し、動画の説明を生成して、 動画の範囲を超えた追加情報を取得する。Gemini を使用したマルチモーダル検索拡張生成（RAG）により、テキストと画像を含むドキュメントのメタデータを作成し、関連するすべてのテキスト チャンクの取得して、 引用を出力する。 スキルバッジは、Google Cloud のプロダクトとサービスの習熟度を示す Google Cloud 発行の限定デジタルバッジで、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。 このスキルバッジ コースと最終評価チャレンジラボを修了してスキルバッジを獲得し、ネットワークで共有しましょう。

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、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、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、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、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、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

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

詳細

In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.

詳細

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

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、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

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

このコースでは、TensorFlow と Keras を使用した ML モデルの構築、ML モデルの精度の向上、スケーリングに対応した ML モデルの作成について取り上げます。

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

このコースでは、まず、データ品質を向上させる方法や探索的データ分析を行う方法など、データについての議論から始めます。Vertex AI AutoML について確認し、コードを一切記述せずに ML モデルを構築、トレーニング、デプロイする方法を説明します。また、BigQuery ML のメリットを確認します。その後、ML モデルを最適化する方法、一般化とサンプリングを活用してカスタム トレーニング向けに ML モデルの品質を評価する方法を説明します。

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、予測 AI と生成 AI の両方のプロジェクトを構築できる、Google Cloud の AI および機械学習（ML）サービスについて紹介します。AI の基盤、開発、ソリューションを含むデータから AI へのライフサイクル全体で利用可能なテクノロジー、プロダクト、ツールについて説明するとともに、魅力的な学習体験と実践的なハンズオン演習を通じて、データ サイエンティスト、AI 開発者、ML エンジニアの方々がスキルや知識を強化できるようサポートすることを目指しています。

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 のビッグデータと機械学習のプロダクトおよびサービスを紹介します。Google Cloud で Vertex AI を使用して、ビッグデータ パイプラインと機械学習モデルを構築するためのプロセス、課題、メリットについて説明します。

詳細