Fernández Tomás
メンバー加入日: 2025
シルバーリーグ
33803 ポイント
AI インフラストラクチャ: ネットワーキング手法
Earned 8月 15, 2026 EDT
AI Infrastructure: ストレージ オプション
Earned 8月 15, 2026 EDT
Agent Development Kit（ADK）を使用したエージェントの構築を始める
Earned 3月 12, 2026 EDT
AI Infrastructure: デプロイタイプ
Earned 2月 1, 2026 EST
AI Infrastructure: Cloud TPU
Earned 1月 23, 2026 EST
AI Infrastructure: Cloud GPU
Earned 1月 22, 2026 EST
AI Infrastructure: AI Hypercomputer の概要
Earned 1月 22, 2026 EST
生成 AI エージェント: 組織の変革
Earned 6月 13, 2025 EDT
生成 AI アプリ: 働き方を変革する
Earned 6月 13, 2025 EDT
生成 AI: 現在の状況を知る
Earned 6月 13, 2025 EDT
生成 AI: 基本概念の理解
Earned 6月 13, 2025 EDT
生成 AI: chatbot を超えて
Earned 6月 9, 2025 EDT
BigQuery で Gemini モデルを操作する
Earned 4月 3, 2025 EDT
Google Cloud の ML API 用にデータを準備
Earned 3月 22, 2025 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 3月 21, 2025 EDT
Gemini in BigQuery で生産性を高める
Earned 3月 12, 2025 EDT
BigQuery でデータ ウェアハウスを構築する
Earned 3月 11, 2025 EDT
Dataflow を使用したサーバーレスのデータ処理: 基礎
Earned 3月 5, 2025 EST
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版
Earned 3月 5, 2025 EST
Google Cloud でストリーミング データ パイプラインを構築する
Earned 2月 28, 2025 EST
Data Engineering on Google Cloud の概要
Earned 2月 24, 2025 EST
Google Cloud でのバッチデータ パイプラインの構築
Earned 2月 3, 2025 EST
Google Cloud でデータレイクとデータ ウェアハウスを構築する
Earned 1月 26, 2025 EST
Professional Data Engineer の取得に向けた準備
Earned 1月 9, 2025 EST
「AI インフラストラクチャ: ネットワーキング手法」コースへようこそ。
このコースでは、Google Cloud の高帯域かつ低レイテンシなインフラストラクチャを活用し、AI システムを構成する各コンポーネント間のデータ転送と通信を最適化する方法を学びます。このコースを修了すると、データの取り込みやトレーニングから推論に至るまで、AI パイプライン全体においてネットワーキングが果たす重要な役割を理解し、ワークロードを最大限の速度で実行するためのベスト プラクティスを適用できるようになります。
詳細
このコースでは、Google Cloud で利用可能なストレージ ソリューションについて、AI とハイ パフォーマンス コンピューティング（HPC）のワークロードに特化した内容を包括的に学びます。ML ライフサイクルの各段階に適したストレージを選択する方法を学びます。トレーニング中の I/O パフォーマンスを最適化する方法、データ準備のために大規模なデータセットを管理する方法、モデルのアーティファクトを低レイテンシで提供する方法について学びます。実践的な例とデモを通じて、AI イノベーションを加速させる堅牢なストレージ ソリューションを設計する専門知識を習得できます。
詳細
Google の Agent Development Kit（ADK）を使用して AI エージェントを初めて構築、構成、実行してみることで、エージェントに関する理解を実践に活かしましょう。
この実践的なコースでは、完全な ADK 開発環境をセットアップしたうえで、Python コードと YAML 構成の両方を使用してエージェントを作成し、複数のインターフェースを介してエージェントを実行します。また、エージェントの動作を定義するコア パラメータについても学習し、コース 1 で学習した内容を実際に使えるコードに適用します。
詳細
このコースでは、Google Cloud で AI とハイ パフォーマンス コンピューティング（HPC）のワークロードをデプロイ、管理、最適化するための包括的なガイドを提供します。一連のレッスンと実践的なデモを通じて、Google Compute Engine（GCE）を使用した高度にカスタマイズ可能な環境から、Google Kubernetes Engine（GKE）などのマネージド ソリューションまで、さまざまなデプロイ戦略について学びます。具体的には、クラスタを作成し、推論用に GKE をデプロイする方法を学習します。
詳細
Cloud TPU コースへようこそ。このコースでは、さまざまなシナリオにおける TPU の長所と短所を検討し、各種 TPU アクセラレータを比較して最適なものを選択できるようにします。また、AI モデルのパフォーマンスと効率を最大化する戦略を学び、柔軟な ML ワークフローにおける GPU / TPU の相互運用性の重要性について理解を深めます。魅力的なコンテンツと実践的なデモを通じて、TPU を効果的に活用するための方法を段階的に確認していきます。
詳細
AI を支える強力なハードウェアにご関心をお持ちですか？このモジュールでは、パフォーマンスの最適化が図られた AI コンピュータについて解説し、それがなぜ重要なのかを説明します。CPU、GPU、TPU が AI タスクを高速化する仕組み、それぞれの特徴、AI ソフトウェアがそれらを最大限に活用する方法について探ります。最後には、AI プロジェクトに最適な GPU を選択する方法を正確に理解し、AI ワークロードに適した選択を行えるようになります。
詳細
AI Hypercomputer を使い始めたい方に最適なコースです。AI Hypercomputer の基礎と、それが AI ワークロードで AI を支援する仕組みについて説明します。GPU、TPU、CPU など、ハイパーコンピュータ内の各種コンポーネントについて学び、ニーズに合った適切なデプロイ アプローチを選択する方法を知ることができます。
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
このコースでは、BigQuery の生成 AI タスクで AI / ML モデルを使用する方法をご紹介します。顧客管理を含む実際のユースケースを通して、Gemini モデルを使用してビジネス上の問題を解決するワークフローを学びます。また、理解を深めるために、このコースでは SQL クエリと Python ノートブックの両方を使用したコーディング ソリューションの詳細な手順も提供しています。
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、データを AI 活用へつなげるためのワークフローに役立つ AI 搭載の機能スイート、Gemini in BigQuery について説明します。この機能スイートには、データの探索と準備、コード生成とトラブルシューティング、ワークフローの検出と可視化などが含まれます。このコースでは、概念の説明、実際のユースケース、ハンズオンラボを通じて、データ実務者が生産性を高め、開発パイプラインを迅速化できるよう支援します。
詳細
「BigQuery でデータ ウェアハウスを構築する」スキルバッジを獲得できる中級コースを修了すると、 データの結合による新しいテーブルの作成、結合のトラブルシューティング、UNION を使用したデータの連結、日付パーティション分割テーブルの作成、 BigQuery での JSON、配列、構造体の操作に関するスキルを証明できます。
詳細
このコースは、Dataflow を使用したサーバーレスのデータ処理に関する 3 コースシリーズのパート 1 です。この最初のコースでは、始めに Apache Beam とは何か、そして Dataflow とどのように関係しているかを復習します。次に、Apache Beam のビジョンと Beam Portability フレームワークの利点について説明します。Beam Portability フレームワークによって、デベロッパーが好みのプログラミング言語と実行バックエンドを使用できるビジョンが実現します。続いて、Dataflow によってどのように費用を節約しながらコンピューティングとストレージを分離できるか、そして識別ツール、アクセスツール、管理ツールがどのように Dataflow パイプラインと相互に機能するかを紹介します。最後に、Dataflow でそれぞれのユースケースに合った適切なセキュリティ モデルを実装する方法について学習します。
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、ストリーミング データ パイプラインの構築時に直面する実際の問題を解決するために、実践的な演習を行います。ポイントは、Google Cloud プロダクトを使用して、絶えず流れ続けるデータを効果的に管理することです。
詳細
このコースでは、Google Cloud におけるデータ エンジニアリング、データ エンジニアの役割と責任、それらが Google Cloud の各サービスにどのように対応しているかについて学びます。また、データ エンジニアリングの課題に対処する方法も学習します。
詳細
この中級コースでは、Google Cloud で堅牢なバッチデータ パイプラインを設計、構築、最適化する方法を学習します。基本的なデータ処理から一歩進んで、大規模なデータ変換と効率的なワークフロー オーケストレーションを確認します。この内容は、タイムリーなビジネス インテリジェンスと重要なレポートの作成に不可欠です。
実装に Apache Beam 用の Dataflow と Apache Spark 向け Serverless（Dataproc Serverless）を使用する実践的な演習を行い、パイプラインの信頼性の確保と効果的な運用を実現するために、データの品質、モニタリング、アラートに関する重要な考慮事項に対処します。データ ウェアハウジング、ETL / ELT、SQL、Python、Google Cloud のコンセプトに関する基本的な知識があることが推奨されます。
詳細
データレイクとデータ ウェアハウスを使用する従来のアプローチは効果的ですが、特に大規模な企業環境においては欠点があります。このコースでは、データ レイクハウスのコンセプトと、データ レイクハウスの作成に使用する Google Cloud プロダクトについて説明します。レイクハウス アーキテクチャは、オープン スタンダードのデータソースを使用し、データレイクとデータ ウェアハウスの優れた機能を組み合わせて、両者の欠点の多くに対処します。
詳細
このコースでは、Professional Data Engineer（PDE）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、試験の範囲を把握したうえで、自分の試験への準備状況を確認し、個々の学習計画を作成できます。
詳細
