Overview

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。

Syllabus

はじめに

このモジュールでは、学習者が Google Cloud で AI 開発ツールを操作できるようになるというコース目標について説明します。また、AI の基盤、開発、ソリューションという、3 レイヤの AI フレームワークに基づくコースの構成についても概要を示します。

AI の基盤

このモジュールは、AI の機能を実際に示すユースケースの紹介から始まります。次に、コンピューティングやストレージなどのクラウドインフラストラクチャを含む AI の基盤に焦点を合わせます。また、Google Cloud 上の主要なデータと AI 開発プロダクトについても説明します。最後に、BigQuery ML を使用して ML モデルを構築する方法を紹介します。これは、データから AI への移行に役立ちます。

AI 開発オプション

このモジュールでは、Google Cloud で ML プロジェクトを開発するためのさまざまなオプションについて説明します。オプションとして、事前トレーニング済み API などのすぐに使える AI ソリューションから、AutoML などのノーコードおよびローコードソリューション、カスタムトレーニングなどのコードベースのソリューションまで扱います。また、各オプションのメリットとデメリットを比較し、適切な開発ツールを判断できます。

AI 開発ワークフロー

このモジュールでは、データの準備からモデル開発、Vertex AI でのモデルサービングに至るまで、ML ワークフローについて説明します。また、Vertex AI Pipelines を使用してワークフローを自動パイプラインに変換する方法も紹介します。

生成 AI

このモジュールでは、AI の中でも最も新しい技術的進歩である生成 AI と、生成 AI プロジェクトの開発に必要不可欠なツールキットを紹介します。まず Google Cloud の生成 AI ワークフローについて説明し、続いて Generative AI Studio と Model Garden を使用した Gemini マルチモーダルへのアクセス、プロンプトの設計、モデルのチューニングの方法を解説します。最後に、AI ソリューションに組み込まれた生成 AI 機能を取り上げます。