【Google Cloud】Generative AI Leader 受験前レポート

こんにちは。SCSKの山口です。
今回は、Google Cloud認定資格の受験レポート その①です。

はじめに

先日、Google Cloudの認定資格として、下記の認定資格が追加されました。

最近立て続けに認定資格が増えていますが、ついに生成AI関連の資格が追加されました。

せっかく受験するので、今回も

• Google Cloud歴 3年目
• BigQuery一番よく触っている
• Professional Machine Learning Engineer取得済み
• 最新のTOEICスコア：645（※試験が英語版しかないので書きました。）

対策内容

ここでは、受験前に実際に取り組んだ対策の内容を書きます。

とりあえず試験ガイドを見てみる

今回も、まずは試験ガイドを見ます。

試験ガイドは、認定資格ページにリンクが貼ってあります。
https://services.google.com/fh/files/misc/v1.0_associate_data_practitioner_exam_guide_english.pdf?hl=ja

英語があまり堪能ではないので、今回もPDFをダウンロードして「NotebookLM」にアップして日本語で読みました。

 

①生成AIの基本（30％）

このセクションでは、下記に焦点が当てられています。

タイトル	キーワード
生成AIの主要な概念	自然言語処理 機械学習 基盤モデル マルチモーダル プロンプトエンジニアリング 大規模言語モデル
機械学習のアプローチ・ライフサイクル	教師あり学習 教師なし学習 強化学習 データ取り込み データ準備 モデルトレーニング モデルデプロイ モデル管理
ビジネスユースに適切な基盤モデル	Gemini Gemma Imagen Veo
データ形式	構造化データ 非構造化データ ラベル付きデータ ラベルなしデータ
生成AIランドスケープの主要なレイヤー	インフラストラクチャ モデル プラットフォーム エージェント アプリケーション

この辺りが問われるそうです。

「生成AIの基本」というセクションタイトルなだけあって、このセクションにほとんどの主要要素が詰め込まれているんじゃないかと感じます。

 

②Google Cloudの生成AI製品（35％）

セクション①では主にAI関連の基礎知識に焦点が当てられていますが、ここから「Google」特有の内容が問われます。おそらく本試験のメインはここだと（個人的に）思っています。

タイトル	キーワード
Googleの「AIファースト」アプローチ エンタープライズ向けAIプラットフォーム 包括的なAIエコシステム	責任あるAI 安全なAI プライベートなAI 信頼性の高いAI スケーラブルなAI
生成AI製品の機能、ユースケース、ビジネス価値	Geminiアプリ Gemini Advanced Agentspace Gemini for Google Workspace
開発者がAIを活用して構築するためのGoogle Cloudツール	Vertex AI  Google CloudのRAG製品 Agent Builder
エージェントが外部環境と対話し、タスクを達成するために使用するツール	拡張機能 関数 データストア プラグイン

この辺りが問われるそうです。

「Agentspace」がやはり試験内容に入ってきていますね。Agentspaceは弊社で検証した内容をブログでご紹介しているのでぜひご覧ください。

【Google Cloud】Agentspaceについてご存じですか？①「概要編」

Google Agentspace について調査し、実際に触ってみましたので、その魅力についてご紹介させていただければと思います。

blog.usize-tech.com

2025.04.10

 

 

③生成AIモデルの出力を改善する技術 (20%)

生成AIを有効に使うための技術要素について問われるセクションです。

タイトル	キーワード
基盤モデルの一般的な制限に対するGoogle推奨の対処法	グラウンディング RAG プロンプトエンジニアリング ファインチューニング ヒューマンインザループ（HITL）
プロンプトエンジニアリング	ゼロショットプロンプティング ワンショットプロンプティング フューショットプロンプティング ロールプロンプト プロンプトチューニング 思考の連鎖（Chain of Thought：CoT）プロンプティング ReActプロンプティング
グラウンディングの概念とユースケース	モデルの振舞いを制御するパラメータ トークン数 温度（temperature） top-p 安全設計

この辺りが問われるそうです。

 

 

④生成AIソリューションのためのビジネス戦略（15％）

ここまでのセクションでは主に技術面に焦点が当てられていましたが、このセクションでは「ビジネス目線」の要素が問われます。

タイトル	キーワード
Google Cloud推奨の生成AIソリューション実装手順	–
セキュアAI	Secure AI Framework（SAIF） Google Cloudのセキュリティツール IAM Secure Command Center
責任あるAI	プライバシー データ品質 バイアス 公平性 説明可能性 アカウンタビリティ

この辺りが問われるそうです。

とりあえず模擬試験を受けてみる

模擬試験は、認定資格ページにリンクが貼ってあります。

Generative AI Leader  |  Google Cloud

A Generative AI Leader is a visionary professional with comprehensive knowledge of how generative AI (gen AI) can transf...

cloud.google.com

試験の詳細な内容はここには載せませんが、正解率は19/25でした。
今回も英語の試験なので、ちょっと難しく感じます。

ここまでの内容をふまえ、受験前に抑えておいた方が良いと思われる（実際に学習した）内容を書きます。

抑えておく知識

試験ガイドと模擬試験の内容を加味し、試験前にこれだけは押さえておこうと思っている技術ワードの

• 概要
• 特徴
• ユースケース

をまとめます。それぞれの英語名も書いておきます。

機械学習の基礎概念

Generative AIもまた、機械学習の一分野です。まずは、その土台となる学習手法の基礎を理解しましょう。

教師あり学習 (Supervised Learning)

• 概要: 正解データ（ラベル）が与えられたデータセットを用いてモデルを訓練する学習手法です。入力データとそれに対応する出力データのペアを学習し、未知の入力に対して正しい出力を予測可能。
• 特徴:
  • 明確な目的変数（ターゲット）が存在する。
  • 高品質なラベル付きデータが不可欠。
  • 分類（Classification）と回帰（Regression）が主なタスク。
• ユースケース:
  • 画像認識: 写真に写っているものが何かを識別（例：猫か犬か）。
  • スパムメール検出: メールがスパムかどうかを分類。
  • 株価予測: 過去のデータから将来の株価を予測。

教師なし学習 (Unsupervised Learning)

• 概要: 正解データ（ラベル）が与えられていないデータセットから、データの潜在的なパターンや構造を自動的に発見する学習手法。
• 特徴:
  • ラベル付けの手間が不要。
  • データの隠れた関係性や類似性を発見するのに適している。
  • クラスタリング（Clustering）と次元削減（Dimensionality Reduction）が主なタスク。
• ユースケース:
  • 顧客セグメンテーション: 購買履歴などから顧客をグループ分けし、マーケティング戦略に活用。
  • 異常検知: 通常とは異なるデータパターンを検出し、不正行為や故障の兆候を把握。
  • 推薦システム: ユーザーの行動履歴から類似する商品やコンテンツを推薦。

深層学習 (Deep Learning)

• 概要: ニューラルネットワークを多層に重ねた「深層（ディープ）ニューラルネットワーク」を用いる機械学習の一種。画像、音声、テキストなどの複雑なデータから、自動的に特徴量を学習する。Generative AIの多くはこの深層学習を基盤としている。
• 特徴:
  • 非線形な関係性を表現する能力が高い。
  • 大量のデータと高い計算能力を必要とする。
  • 画像認識、自然言語処理、音声認識などで活用。
• ユースケース:
  • 画像生成: 存在しないリアルな顔写真や風景画を生成。
  • 自然言語理解と生成: テキストの要約、翻訳、文章生成。
  • 音声認識: 人間の音声をテキストに変換。

強化学習 (Reinforcement Learning)

• 概要: エージェントが環境の中で行動し、その結果として得られる報酬を最大化するように学習する手法。試行錯誤を繰り返しながら最適な行動戦略を習得する。
• 特徴:
  • 正解ラベルではなく、報酬に基づいて学習する。
  • 動的な環境下での意思決定に適している。
  • シミュレーション環境での訓練が一般的。
• ユースケース:
  • ロボット制御: ロボットが複雑なタスク（例：物の把持、歩行）を自律的に学習。
  • ゲームAI: プロのプレイヤーを凌駕するゲーム戦略を学習。
  • 資源管理: 限られた資源を効率的に配分する戦略を学習。

Generative AIの応用とカスタマイズ

Generative AIを最大限に活用するためには、基盤モデルを特定の目的に合わせて調整したり、より高度な制御を行うための技術が重要です。

ファインチューニング (Fine-tuning)

• 概要: 事前学習済みの（Pre-trained）大規模モデルを、特定のタスクやデータセットに合わせてさらに学習させるプロセス。モデルの重みを微調整することで、特定の用途に特化した性能向上を図る。
• 特徴:
  • ゼロからモデルを学習させるよりも効率的。
  • 少ないデータ量でも効果が得られやすい。
  • モデルの汎用性を維持しつつ、専門性を高める。
• ユースケース:
  • 特定分野のテキスト生成: 医療や法律など、専門用語を含むテキストを生成。
  • 企業のスタイルに合わせた文章生成: 企業独自のトーン＆マナーを反映した文章を生成。
  • 特定の画像スタイルの生成: 特定のアーティストの画風に似た画像を生成。

プロンプトエンジニアリング (Prompt Engineering)

• 概要: 大規模言語モデル（LLM）に対して、目的の出力を引き出すための効果的な入力（プロンプト）を設計する技術。モデルの挙動を誘導し、より正確で関連性の高い応答を得ることを目指す。
• 特徴:
  • コードを書かずにAIの出力を制御可能。
  • モデルの性能を最大限に引き出すための重要なスキル。
  • 明確性、具体性、文脈、役割付与などが考慮される。
• ユースケース:
  • 特定の形式での出力指示: 「箇条書きでまとめてください」「JSON形式で出力してください」。
  • 役割付与による行動誘導: 「あなたは経験豊富なマーケティング担当者です。この製品のキャッチコピーを考えてください」。
  • 思考の連鎖 (Chain-of-Thought) プロンプティング: 段階的な思考プロセスを促し、複雑な問題解決を支援。

RAG (Retrieval-Augmented Generation)

• 概要: 大規模言語モデル（LLM）が外部の知識ベース（ドキュメント、データベースなど）から関連情報を検索（Retrieval）し、その情報に基づいて応答を生成（Generation）する手法。
• 特徴:
  • モデルが学習していない最新の情報や社内情報にもアクセスできる。
  • ハルシネーション（Hallucination：事実に基づかない情報を生成すること）のリスクを低減。
  • 応答の根拠となる情報源を示すことができるため、信頼性が向上。
• ユースケース:
  • 社内Q&Aシステム: 社内規定や製品マニュアルから正確な情報を引用して回答。
  • カスタマーサポートチャットボット: 製品データベースから最新の情報を取得して顧客の質問に回答。
  • 研究支援: 論文データベースから関連情報を取得し、要約や考察を生成。

グラウンディング (Grounding)

• 概要: 生成AIモデルが生成する情報が、特定の事実（ソース）に基づいていることを保証する概念。特にハルシネーションを抑制し、信頼性のある出力を得るために重要視される。RAGはそのための具体的な手法の一つ。
• 特徴:
  • AIの出力の信頼性と安全性を高める。
  • 現実世界の知識や制約とAIの生成能力を結びつける。
  • 誤情報や偏見の伝播を防ぐ。
• ユースケース:
  • 医療・法律分野での情報生成: 事実に基づいた正確な情報のみを生成。
  • ニュース記事の自動生成: 信頼できる情報源に基づいた記事を生成。
  • 企業のレポート作成: 社内データや規定に準拠したレポートを作成。

AI運用と品質管理

ヒューマンインザループ (Human-in-the-Loop: HITL)

• 概要: AIシステムが完全に自動化されるのではなく、特定のプロセスにおいて人間の介入や判断を組み込む設計思想です。AIの精度向上、倫理的課題への対応、複雑なケースの処理などに活用されます。
• 特徴:
  • AIの限界を補い、より高品質な結果を得る。
  • 人間の専門知識や常識をAIの学習にフィードバックできる。
  • 責任の所在を明確にしやすい。
• ユースケース:
  • AI生成コンテンツのレビュー: AIが作成した記事や画像を人間が最終チェックし、品質や倫理性を保証。
  • 自動運転の緊急時介入: AIが判断できない状況で人間ドライバーが運転を代行。
  • カスタマーサポートにおけるAIと人間の連携: AIが一次対応し、解決できない問い合わせは人間のオペレーターにエスカレーション。

 

抑えておくサービス

試験ガイドと模擬試験の内容を加味し、試験前にこれだけは押さえておこうと思っているサービスの

• 概要
• 特徴
• ユースケース

をまとめます。

基盤モデル＆モデル開発

これらのサービスは、生成AIアプリケーションの根幹となる大規模言語モデルや、それらを開発・カスタマイズするためのツールを提供します。

Gemini

• 概要: Googleが開発した最先端のマルチモーダル大規模言語モデル（LLM）。テキスト、画像、音声、動画など、様々な形式の情報を理解し、生成することができます。
• 特徴:
  • マルチモーダル: 複数のデータ形式を同時に処理し、相互に関連付けて理解・生成が可能。
  • 高性能: 大量のデータで学習されており、複雑な推論、コード生成、クリエイティブなコンテンツ作成など、幅広いタスクに対応。
  • 柔軟なサイズ: Ultra, Pro, Nanoなど、用途に応じた様々なサイズが提供され、エッジデバイスからデータセンターまで幅広い環境で利用可能。
• ユースケース:
  • 高度なチャットボットやバーチャルアシスタントの開発
  • コンテンツの自動生成（記事、広告コピー、脚本など）
  • プログラミングコードの生成、デバッグ、リファクタリング
  • 医療診断支援、科学研究におけるデータ分析

Gemma

• 概要: Googleが開発した軽量かつ高性能なオープンモデルファミリー。Geminiの技術をベースにしており、研究開発コミュニティや開発者が自身のアプリケーションに組み込みやすいように設計されている。
• 特徴:
  • オープンモデル: 研究や商業利用において比較的自由に利用できる。
  • 軽量: 比較的小さなリソースで実行可能で、エッジデバイスや限られた計算リソースの環境でも利用しやすい。
  • パフォーマンス: サイズに対して高い性能を発揮し、様々なタスクに対応。
• ユースケース:
  • 研究機関や大学でのAI研究
  • 小規模なアプリケーションへのAI機能組み込み
  • プライバシーに配慮したオンプレミス環境でのモデルデプロイ
  • カスタムAIモデルのファインチューニングのベース

Veo

• 概要: テキストプロンプトから高品質な動画を生成するAIモデル。
• 特徴:
  • 高品質な動画生成: テキストの説明に基づいて、写実的で滑らかな動画を生成。
  • 高い制御性: カメラワーク、被写体の動き、シーンの変化などを細かく指定可能。
  • 幅広いスタイル: 様々な映像スタイルやジャンルに対応。
• ユースケース:
  • 映画、アニメーション、ゲーム制作におけるプレビズやコンセプト作成
  • 広告、マーケティング素材の動画制作
  • 教育コンテンツやプレゼンテーション用の動画作成
  • 個人クリエイターによるショートビデオ制作

Imagen

• 概要: Googleが開発したテキストプロンプトから高品質な画像を生成するAIモデル。
• 特徴:
  • 高解像度・高品質: 写実的で詳細な画像を生成。
  • 創造性: 独創的で多様なスタイルの画像を生成可能。
  • テキスト理解度: 自然言語の複雑な指示を正確に解釈し、画像に反映。
• ユースケース:
  • デザイン、広告、マーケティングにおけるビジュアルコンテンツ作成
  • Webサイト、ブログ記事の挿絵生成
  • ゲームやメタバースにおけるアセット生成
  • 個人クリエイターによるアート作品制作

アプリケーション開発＆ソリューション

これらのサービスは、Generative AIモデルを活用して、具体的なアプリケーションやソリューションを開発・提供するためのプラットフォームやフレームワークです。

NotebookLM

• 概要: Google AIが提供する、ユーザーのドキュメントやメモを学習し、その情報に基づいて要約、Q&A作成などを行うAIツール。
• 特徴:
  • パーソナルなAIアシスタント: ユーザー自身の情報源を学習するため、専門的で正確な情報を提供。
  • 多機能: 要約、質問応答、ブレインストーミング支援、ドラフト作成など、多様なタスクに対応。
  • プライバシー: ユーザーのデータは保護され、モデルのトレーニングには使用されない。
• ユースケース:
  • 研究者や学生の文献管理と要約
  • ライターやコンテンツクリエイターのアイデア整理と記事作成支援
  • 弁護士やコンサルタントの資料分析とレポート作成
  • 個人の学習支援、情報整理

Gemini for Google Workspace

• 概要: Google Workspace（旧G Suite）の各アプリケーションにGeminiのAI機能が統合されたサービス。Gmail、Google ドキュメント、スプレッドシート、スライドなどで生成AIを活用可能。
• 特徴:
  • 生産性向上: 各アプリケーション内でのコンテンツ作成、要約、分析などをAIが支援。
  • シームレスな統合: 既存のワークフローにAIが自然に組み込まれる。
  • 多機能: メール作成、ドキュメントの校正、データ分析、プレゼンテーション作成など幅広いタスクに対応。
• ユースケース:
  • Gmailでのメール下書き作成、返信提案
  • Google ドキュメントでの記事作成、要約、校正
  • Google スプレッドシートでのデータ分析、数式提案
  • Google スライドでのプレゼンテーションの概要作成、画像提案

Agentspace

• 概要: Googleが提唱する、AIエージェントの設計、開発、デプロイメントを支援する概念およびツール群。複数のAIエージェントが連携し、複雑なタスクを自動化。
• 特徴:
  • エージェントの連携: 複数のAIエージェントが協調して目標達成を目指す。
  • 自律性: エージェントが自律的に判断し、行動する能力。
  • 複雑なタスクの自動化: 従来のAIでは難しかった多段階の意思決定や行動を伴うタスクに対応。
• ユースケース:
  • 複雑な顧客対応の自動化（問い合わせ内容に応じて複数のシステムと連携）
  • サプライチェーン管理における意思決定支援と自動化
  • 研究開発における実験計画の自動生成と実行
  • パーソナルアシスタントの高度化（スケジュール管理、情報収集、予約など）

Conversational Agents（会話型エージェント）

• 概要: 自然言語処理技術を活用し、人間と自然な会話を交わすことができるAIシステム。チャットボットや音声アシスタントとして広く活用されています。
• 特徴:
  • 自然な会話体験: 人間が話すような言葉を理解し、適切に応答。
  • 意図理解: ユーザーの意図を正確に把握し、適切な情報や行動を提供。
  • 多言語対応: 多くの言語に対応可能。
• ユースケース:
  • カスタマーサポートの自動化（FAQ応答、予約、問い合わせ受付）
  • 営業支援（製品情報提供、リード獲得）
  • 社内ヘルプデスク（ITサポート、人事関連の問い合わせ対応）
  • 教育分野での学習支援、言語学習パートナー

Contact Center as a Service (CCaaS)

• 概要: クラウドベースのコンタクトセンターソリューション。AIを活用した自動応答、ルーティング、エージェント支援機能などを統合し、顧客対応業務を効率化・高度化。
• 特徴:
  • クラウドネイティブ: インフラ管理不要でスケーラブルなサービス。
  • AI統合: 自然言語処理、音声認識、Generative AIを活用した自動応答、エージェント支援機能。
  • チャネル統合: 電話、チャット、メール、SNSなど複数のチャネルを統合管理。
  • 分析機能: 顧客対応データの分析により、サービス品質向上や業務改善に貢献。
• ユースケース:
  • 大規模コンタクトセンターの構築と運用
  • 顧客満足度向上を目指す企業での顧客対応プロセスの最適化
  • 人手不足解消のための自動化推進
  • リモートワーク環境下でのコンタクトセンター運用

 

まとめ

意図せず10000文字越えの超大作になりました。

初級の資格ということなので、複雑な問題は少なく、サービス名や技術的な用語とその意味をおさえておけば突破できそうな気はします。

後は英語の問題文と戦うだけです。