参加 ログイン

Boldyrieva Valeriia

メンバー加入日: 2022

ゴールドリーグ

8995 ポイント
Deploy an Agent with Agent Development Kit (ADK) Earned 11月 27, 2025 EST
Agent Development Kit（ADK）と Agent Engine を使用してマルチエージェント システムをデプロイする Earned 11月 27, 2025 EST
Natural Language Processing on Google Cloud Earned 1月 11, 2024 EST
特徴量エンジニアリング Earned 1月 3, 2024 EST
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 11月 25, 2022 EST
Launching into Machine Learning - 日本語版 Earned 11月 15, 2022 EST
How Google Does Machine Learning - 日本語版 Earned 11月 1, 2022 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 Earned 10月 18, 2022 EDT

In this challenge lab, you will demonstrate your ability to author agents using Agent Development Kit (ADK), deploy those agents to Agent Engine, and use them from a web app. Complete the challenge lab to earn a Google Cloud skill badge.

詳細

このコースでは、Google Agent Development Kit を使用して複雑なマルチエージェント システムを構築する方法を学びます。各種ツールを備えた複数のエージェントを構築し、それらのエージェントを親子関係とフローで接続してエージェント間の対話方法を定義します。構築したエージェントは、ローカルで実行するとともに、Vertex AI Agent Engine にデプロイしてマネージド エージェント フローとして実行します。このとき、インフラストラクチャに関する決定やリソースのスケーリングは、Agent Engine によって行われます。 これらのラボは、このプロダクトのプレリリース版に基づいています。メンテナンスの更新が提供された場合、これらのラボに遅延が生じる可能性があります。

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

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。

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