ご自身に最適な Google Cloud トレーニングをお探しください。

Google Cloud では、学習者のことを念頭に置いて設計された、980 以上の学習アクティビティを含む包括的なカタログをご用意しています。さまざまなアクティビティ形式のコン テンツで構成されたカタログから、短時間の単独ラボのほか、一連の動画、ドキュメント、 ラボ、テストで構成されるマルチモジュール コースをお選びいただけます。ラボでは、 実際のクラウド リソースへのアクセスに必要な一時的な認証情報が付与されるため、 本番さながらの状況で Google Cloud について学習できます。修了した学習アクティビ ティのバッジを獲得したり、Google Cloud での成果を定義、記録、分析したりできます。

フィルタ条件
すべてクリア
  • 象徴
  • 形式
  • 言語

71 件の結果
  1. ラボ おすすめ

    Vertex AI: Qwik Start

    このラボでは、BigQuery を使用してデータ処理や探索的データ分析を行い、Vertex AI プラットフォームを使用してカスタム TensorFlow Regressor モデルのトレーニングとデプロイを行うことによって、顧客のライフタイム バリュー(CLV)を予測します。このラボの目標は、価値の高い実際のユースケースである予測 CLV を通して Vertex AI の概要を知ることです。最初は BigQuery と TensorFlow のワークフローから始めて、Vertex AI によるクラウドでのモデルのトレーニングとデプロイへと進みます。

  2. ラボ おすすめ

    Cloud IAM: Qwik Start

    Google Cloud IAM は Cloud Platform サービスに関するアクセス制御を 1 つのシステムに統合し、一貫性のあるオペレーションを提供します。Google Cloud IAM でのアクセス制御の管理の短い動画をご覧ください。

  3. ラボ おすすめ

    Cloud Monitoring: Qwik Start

    このラボでは、Compute Engine 仮想マシン(VM)インスタンスを Cloud Monitoring でモニタリングする方法を学びます。

  4. ラボ おすすめ

    Cloud Endpoints: Qwik Start

    このラボでは、Google Cloud Endpoints でサンプル API をデプロイします。

  5. ラボ おすすめ

    Cloud Functions: Qwik Start - コンソール

    このハンズオンラボでは、Cloud Platform のコンソールを使用して Cloud Functions の関数を作成し、それをデプロイする方法について学習します。「Google Cloud Functions で GCP サービスを接続、拡張する」の短い動画をご覧ください。

  6. ラボ おすすめ

    Pub/Sub: Qwik Start - コンソール

    このハンズオンラボでは、Cloud コンソールを使用してメッセージをパブリッシュし、そのメッセージを pull サブスクライバーで利用する方法を学習します。Cloud Pub/Sub を使用したイベント ドリブンな処理の簡素化の短い動画をご覧ください。

  7. ラボ おすすめ

    Looker Developer: Qwik Start

    In this lab, you learn about the fundamental LookML structures, create a view, and join the new view to an existing Explore.

  8. ラボ おすすめ

    Service Directory: Qwik Start

    In this lab, you will configure Service Directory, configure a Service Directory DNS zone, and use Cloud Logging with Service Directory.

  9. ラボ おすすめ

    Looker でのデータ探索 - Qwik Start

    このラボでは、Looker で空港とフライトのデータセットから一連のビジュアリゼーションを作成し、ダッシュボードに保存します。

  10. ラボ おすすめ

    Data Catalog: Qwik Start

    このラボでは、Data Catalog を使用して既存のデータセットを探索し、テーブルと列のメタデータを取り出して、分析情報を獲得します。