In this quest, you will get hands-on experience with LookML in Looker. You will learn how to write LookML code to create new dimensions and measures, create derived tables and join them to Explores, filter Explores, and define caching policies in LookML.
「Looker を使ってみる」クエストを修了すると スキルバッジを獲得できます。 このクエストでは、Looker Studio と Looker を使用してデータを分析、可視化、キュレートする方法 を学びます。
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
Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。
この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。
このコースは、次の順で完了する必要があります。
1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本
2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ
3. Google Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ
4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI
Google Cloud コンピューティングの基礎コースは、クラウド コンピューティングのバックグラウンドや経験がほとんどまたはまったくない方を対象としています。クラウドの基礎、ビッグデータ、ML の中核となるコンセプトと、Google Cloud を活用できる場面や方法の概要を示します。
この一連のコースを修了すると、これらのコンセプトについて明確に理解し、実践的なスキルを実証できます。
このコースは、次の順で完了する必要があります。
1. Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本
2. Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ
3. Google Cloud コンピューティングの基礎: Google Cloud でのネットワーキングとセキュリティ
4. Google Cloud コンピューティングの基礎: Google Cloud のデータ、ML、AI
この最初のコースでは、クラウド コンピューティングの概要、Google Cloud の使用方法、さまざまなコンピューティング オプション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
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、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、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。
Developing Data Models with LookML - 日本語版
Earned 12月 29, 2023 EST
Analyzing and Visualizing Data in Looker - 日本語版
Earned 12月 22, 2023 EST
Looker での高度な LookML コンセプトの適用
Earned 12月 22, 2023 EST
Understanding LookML in Looker
Earned 12月 21, 2023 EST
Looker ダッシュボードとレポート用にデータを準備する
Earned 12月 21, 2023 EST
Looker を使ってみる
Earned 12月 14, 2023 EST
企業における ML
Earned 9月 22, 2023 EDT
Google Cloud コンピューティングの基礎: Google Cloud のインフラストラクチャ
Earned 9月 22, 2023 EDT
Google Cloud におけるアプリ開発環境の設定
Earned 9月 21, 2023 EDT
Google Cloud コンピューティングの基礎: クラウド コンピューティングの基本
Earned 9月 20, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版
Earned 9月 13, 2023 EDT
特徴量エンジニアリング
Earned 9月 13, 2023 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 8月 23, 2023 EDT
Launching into Machine Learning - 日本語版
Earned 8月 15, 2023 EDT
How Google Does Machine Learning - 日本語版
Earned 8月 9, 2023 EDT