Google Cloud Big Data and Machine Learning Fundamentals 日本語版

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。

• コース概要
• このセクションでは、Big Data and Machine Learning Fundamentals コースの受講者向けにコースの構成と目標をおおまかに説明します。
• Google Cloud でのビッグデータと ML
• このセクションでは、Google Cloud のインフラストラクチャの主要コンポーネントについて説明します。Google Cloud におけるデータから AI へのライフサイクルをサポートする、ビッグデータと ML のさまざまなプロダクトおよびサービスを紹介します。
• ストリーミング データのデータ エンジニアリング
• このセクションでは、ストリーミング データを管理するための Google Cloud ソリューションを紹介します。また、エンドツーエンドのパイプライン（Pub/Sub を使用したデータの取り込み、Dataflow を使用したデータ処理、Looker とデータポータルを使用したデータの可視化など）について詳しく説明します。
• BigQuery によるビッグデータ
• このセクションでは、Google が提供するフルマネージドのサーバーレス データ ウェアハウスである BigQuery について紹介します。BigQuery ML と、カスタム ML モデルの構築に使用するプロセスや主なコマンドについても説明します。
• Google Cloud での ML オプション
• このセクションでは、Google Cloud で ML モデルを構築するための 4 つのオプションについて説明します。また、ML プロジェクトのライフサイクルを構築、管理するための Google 統合プラットフォームである Vertex AI についても紹介します。
• Vertex AI による ML ワークフロー
• このセクションでは、Vertex AI の ML ワークフローにおける 3 つの主なフェーズ（データの準備、モデルのトレーニング、モデルの準備）を中心に説明します。実際に AutoML を使用して ML モデルを構築することができます。
• コースのまとめ
• このセクションでは、コースで学習したトピックを復習し、理解を深めるための追加のリソースを提供しています。