参加 ログイン

Amieva Rodriguez Daniel

メンバー加入日: 2023

App Deployment, Debugging, and Performance - 日本語版 のバッジ App Deployment, Debugging, and Performance - 日本語版 Earned 12月 4, 2023 EST
Managing Security in Google Cloud - 日本語版 のバッジ Managing Security in Google Cloud - 日本語版 Earned 12月 4, 2023 EST
Application Development with Cloud Run のバッジ Application Development with Cloud Run Earned 11月 27, 2023 EST
Building No-Code Apps with AppSheet: Foundations のバッジ Building No-Code Apps with AppSheet: Foundations Earned 11月 24, 2023 EST
Understand Your Google Cloud Costs のバッジ Understand Your Google Cloud Costs Earned 11月 24, 2023 EST
Build and Deploy Machine Learning Solutions on Vertex AI のバッジ Build and Deploy Machine Learning Solutions on Vertex AI Earned 11月 23, 2023 EST
Machine Learning Operations (MLOps) with Vertex AI: Manage Features - 日本語版 のバッジ Machine Learning Operations (MLOps) with Vertex AI: Manage Features - 日本語版 Earned 11月 23, 2023 EST
Develop Serverless Apps with Firebase のバッジ Develop Serverless Apps with Firebase Earned 11月 23, 2023 EST
Recommendation Systems on Google Cloud のバッジ Recommendation Systems on Google Cloud Earned 11月 16, 2023 EST
Machine Learning in the Enterprise - 日本語版 のバッジ Machine Learning in the Enterprise - 日本語版 Earned 11月 15, 2023 EST
Production Machine Learning Systems - 日本語版 のバッジ Production Machine Learning Systems - 日本語版 Earned 11月 15, 2023 EST
Natural Language Processing on Google Cloud のバッジ Natural Language Processing on Google Cloud Earned 11月 10, 2023 EST
Computer Vision Fundamentals with Google Cloud のバッジ Computer Vision Fundamentals with Google Cloud Earned 11月 9, 2023 EST
Machine Learning Operations (MLOps): Getting Started - 日本語版 のバッジ Machine Learning Operations (MLOps): Getting Started - 日本語版 Earned 11月 8, 2023 EST
Launching into Machine Learning - 日本語版 のバッジ Launching into Machine Learning - 日本語版 Earned 11月 8, 2023 EST
Feature Engineering - 日本語版 のバッジ Feature Engineering - 日本語版 Earned 10月 24, 2023 EDT
TensorFlow on Google Cloud - 日本語版 のバッジ TensorFlow on Google Cloud - 日本語版 Earned 10月 24, 2023 EDT
Introduction to AI and Machine Learning on Google Cloud - 日本語版 のバッジ Introduction to AI and Machine Learning on Google Cloud - 日本語版 Earned 10月 2, 2023 EDT
Google Cloud Fundamentals: Core Infrastructure - 日本語版 のバッジ Google Cloud Fundamentals: Core Infrastructure - 日本語版 Earned 10月 2, 2023 EDT
Engineer Data for Predictive Modeling with BigQuery ML のバッジ Engineer Data for Predictive Modeling with BigQuery ML Earned 9月 28, 2023 EDT
Build a Data Warehouse with BigQuery のバッジ Build a Data Warehouse with BigQuery Earned 9月 28, 2023 EDT
Preparing for Your Professional Data Engineer Journey - 日本語版 のバッジ Preparing for Your Professional Data Engineer Journey - 日本語版 Earned 9月 25, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 のバッジ Google Cloud Big Data and Machine Learning Fundamentals - 日本語版 Earned 9月 25, 2023 EDT
Serverless Data Processing with Dataflow: Operations - 日本語版 のバッジ Serverless Data Processing with Dataflow: Operations - 日本語版 Earned 9月 22, 2023 EDT
Building Resilient Streaming Analytics Systems on Google Cloud - 日本語版 のバッジ Building Resilient Streaming Analytics Systems on Google Cloud - 日本語版 Earned 9月 21, 2023 EDT
Serverless Data Processing with Dataflow: Foundations - 日本語版 のバッジ Serverless Data Processing with Dataflow: Foundations - 日本語版 Earned 9月 21, 2023 EDT
Serverless Data Processing with Dataflow: Developing Pipelines - 日本語版 のバッジ Serverless Data Processing with Dataflow: Developing Pipelines - 日本語版 Earned 9月 20, 2023 EDT
Building Batch Data Pipelines on Google Cloud - 日本語版 のバッジ Building Batch Data Pipelines on Google Cloud - 日本語版 Earned 9月 14, 2023 EDT
Modernizing Data Lakes and Data Warehouses with Google Cloud - 日本語版 のバッジ Modernizing Data Lakes and Data Warehouses with Google Cloud - 日本語版 Earned 9月 13, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版 のバッジ Smart Analytics, Machine Learning, and AI on Google Cloud - 日本語版 Earned 9月 12, 2023 EDT
Prepare Data for ML APIs on Google Cloud のバッジ Prepare Data for ML APIs on Google Cloud Earned 9月 11, 2023 EDT

Course Description:

詳細

この自習式トレーニング コースでは、Google Cloud でのセキュリティの管理と手法全般について学習します。録画された講義、デモ、ハンズオンラボを通して、Cloud Identity、Resource Manager、Cloud IAM、Virtual Private Cloud ファイアウォール、Cloud Load Balancing、Cloud ピアリング、Cloud Interconnect、VPC Service Controls など、安全な Google Cloud ソリューションのコンポーネントについて学び、演習を行います。 これは「Security in Google Cloud」シリーズの最初のコースです。このコースを修了したら、「Security Best Practices in Google Cloud」コースを受講してください。

詳細

This course introduces you to fundamentals, practices, capabilities and tools applicable to modern cloud-native application development using Google Cloud Run. Through a combination of lectures, hands-on labs, and supplemental materials, you will learn how to on Google Cloud using Cloud Run.design, implement, deploy, secure, manage, and scale applications

詳細

In this course you will learn the fundamentals of no-code app development and recognize use cases for no-code apps. The course provides an overview of the AppSheet no-code app development platform and its capabilities. You learn how to create an app with data from spreadsheets, create the app’s user experience using AppSheet views and publish the app to end users.

詳細

このクエストは、技術または財務の担当者で GCP の費用の管理を担う方に最適です。請求先アカウントを設定する方法、リソースを整理する方法、請求アクセス権限を管理する方法について学習します。ハンズオンラボでは、請求書を表示する方法、請求レポートを使用して GCP の費用を追跡する方法、BigQuery や Google スプレッドシートを使用して請求データを分析する方法、データポータルを使用してカスタムの請求ダッシュボードを作成する方法について学習します。

詳細

Earn the intermediate skill badge by completing the Build and Deploy Machine Learning Solutions with Vertex AI course, where you will learn how to use Google Cloud's Vertex AI platform, AutoML, and custom training services to train, evaluate, tune, explain, and deploy machine learning models. This skill badge course is for professional Data Scientists and Machine Learning Engineers. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this Skill Badge, and the final assessment challenge lab, to receive a digital badge that you can share with your network.

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

「Develop Serverless Apps with Firebase」の中級スキルバッジを獲得すると、 Firebase を使用したサーバーレス ウェブ アプリケーションの設計とビルド、 データベース管理における Firestore の活用、Cloud Build を使用したデプロイ プロセスの自動化、 アプリケーションと Google アシスタント機能の統合といったスキルを実証できます。 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

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

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、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

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

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。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、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

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 入力データ パイプラインの設計と構築、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、特殊な 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、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

Google Cloud Fundamentals: Core Infrastructure では、Google Cloud に関する重要なコンセプトと用語について説明します。このコースでは動画とハンズオンラボを通じて学習を進めていきます。Google Cloud の多数のコンピューティング サービスとストレージ サービス、そしてリソースとポリシーを管理するための重要なツールについて比較しながら説明します。

詳細

Engineer Data for Predictive Modeling with BigQuery ML 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、 Cloud Composer を使用した複数ロケーション間でのデータのコピーに関するスキルを実証できます。 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。 スキルバッジ コースと最終評価チャレンジラボを完了し、デジタルバッジを獲得して ネットワークで共有しましょう。

詳細

「Build a Data Warehouse with BigQuery」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。 スキルバッジは、Google Cloud の プロダクトとサービスに関する習熟度を示す Google Cloud 発行の限定デジタルバッジです。 これは、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、 デジタルバッジを獲得してネットワークで共有しましょう。

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

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

Dataflow シリーズの最後のコースでは、Dataflow 運用モデルのコンポーネントを紹介します。パイプラインのパフォーマンスのトラブルシューティングと最適化に役立つツールと手法を検証した後で、Dataflow パイプラインのテスト、デプロイ、信頼性に関するベスト プラクティスについて確認します。最後に、数百人のユーザーがいる組織に対して Dataflow パイプラインを簡単に拡張するためのテンプレートについても確認します。これらの内容を習得することで、データ プラットフォームの安定性を保ち、予期せぬ状況に対する回復力を確保できるようになります。

詳細

ストリーミングによって企業が事業運営に関するリアルタイムの指標を取得できるようになり、ストリーミング データの処理を行う機会が増えてきました。このコースでは、Google Cloud でストリーミング データ パイプラインを構築する方法について学習します。受信ストリーミング データの処理のために Pub/Sub について説明します。また、このコースでは、Dataflow を使用してストリーミング データの集計や変換を行う方法、処理済みのレコードを分析用に BigQuery や Bigtable に保存する方法についても説明します。さらに、Qwiklabs を使用して Google Cloud でストリーミング データ パイプラインのコンポーネントを構築する実践演習を行います。

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

Dataflow コースシリーズの 2 回目である今回は、Beam SDK を使用したパイプラインの開発について詳しく説明します。まず、Apache Beam のコンセプトについて復習します。次に、ウィンドウ、ウォーターマーク、トリガーを使用したストリーミング データの処理について説明します。さらに、パイプラインのソースとシンクのオプション、構造化データを表現するためのスキーマ、State API と Timer API を使用してステートフル変換を行う方法について説明します。続いて、パイプラインのパフォーマンスを最大化するためのベスト プラクティスを再確認します。コースの終盤では、Beam でビジネス ロジックを表現するための SQL と DataFrame、および Beam ノートブックを使用してパイプラインを反復的に開発する方法を説明します。

詳細

通常、データ パイプラインは、「抽出、読み込み」、「抽出、読み込み、変換」、「抽出、変換、読み込み」のいずれかの枠組みに分類できます。このコースでは、バッチデータではどの枠組みを、どのような場合に使用するのかについて説明します。本コースではさらに、BigQuery、Dataproc 上での Spark の実行、Cloud Data Fusion のパイプラインのグラフ、Dataflow でのサーバーレスのデータ処理など、データ変換用の複数の Google Cloud テクノロジーについて説明します。受講者には、Qwiklabs を使用して Google Cloud でデータ パイプラインのコンポーネントを構築する実践演習を行っていただきます。

詳細

すべてのデータ パイプラインには、データレイクとデータ ウェアハウスという 2 つの主要コンポーネントがあります。このコースでは、各ストレージ タイプのユースケースを紹介し、Google Cloud で利用可能なデータレイクとデータ ウェアハウスのソリューションを技術的に詳しく説明します。また、データ エンジニアの役割や、効果的なデータ パイプラインが事業運営にもたらすメリットについて確認し、クラウド環境でデータ エンジニアリングを行うべき理由を説明します。 これは「Data Engineering on Google Cloud」シリーズの最初のコースです。このコースを修了したら、「Building Batch Data Pipelines on Google Cloud」コースに登録してください。

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

「Prepare Data for ML APIs on Google Cloud」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、Dataproc 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。 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、 スキルバッジを獲得してネットワークで共有しましょう。

詳細