GSP1296

개요

Gemini는 Google DeepMind에서 개발한 생성형 AI 모델 제품군으로, 멀티모달 사용 사례를 위해 설계되었습니다. Gemini API를 사용하면 Gemini Pro, Flash, Flash Lite와 같은 다양한 Gemini 모델에 액세스할 수 있습니다.

이 실습에서는 Vertex AI 지도 미세 조정 기능을 사용하여 Gemini Flash 생성 모델을 파인 튜닝하는 방법을 알아봅니다. 지도 미세 조정을 사용하면 자체 학습 데이터를 이용해 기본 모델의 기능을 특정 작업에 맞게 추가로 미세 조정할 수 있습니다.

지도 미세 조정은 라벨이 있는 예(이 경우에는 이미지)를 사용하여 기본 Gemini 모델을 튜닝합니다. 각 예는 추론 중에 텍스트 모델에서 출력되기를 원하는 결과를 보여줍니다.

튜닝을 시작하기 전에 학습 데이터가 고품질이고 라벨이 올바르게 지정되어 있으며 타겟 작업과 직접적으로 관련이 있는지 확인하세요. 이 일은 매우 중요한데, 저품질 데이터는 파인 튜닝된 모델의 성능에 부정적인 영향을 미치고 편향을 유발할 수 있기 때문입니다.

실습을 시작할 때 환경에는 다음 다이어그램에 표시된 리소스가 포함되어 있습니다.

실습을 마치면 아키텍처를 사용하여 여러 작업을 수행할 수 있게 됩니다.

다음 표에서 실습 아키텍처와 관련된 각 작업의 자세한 설명을 살펴볼 수 있습니다.

작업 순서	세부정보
1.	Vertex AI Workbench에서 노트북을 열고 커널을 선택합니다.
2.	패키지를 설치하고 프로젝트에 맞게 노트북 구성: Google Gen AI SDK를 사용하여 Developer API와 Vertex AI를 통해 Gemini로 작업합니다. 이를 위해서는 Python 라이브러리를 설치하고 실습 전반에서 이를 참조해야 합니다. 또한 실습 시작 시 제공된 Cloud Storage 버킷과 같은 프로젝트의 리소스에 액세스할 수 있도록 노트북을 구성해야 합니다.
3.	데이터 세트 준비: 이 작업에서는 이미지를 포함한 데이터 세트 파일을 다운로드하고 노트북에서 사용할 수 있도록 준비합니다.
4.	기준 모델 성능을 정답과 비교: 데이터 세트의 단일 이미지 정답과 기준 Gemini Flash 모델을 비교합니다.
5.	검증 데이터 세트로 기준 모델 평가: 기준 Gemini Flash 모델과 프롬프트를 사용하여 val.jsonl로 결과를 평가합니다. 참고: 튜닝된 모델의 성능을 평가하려면 rougeL_precision, rougeL_recall, rougeL_fmeasure와 같은 다양한 평가 측정항목을 사용합니다.
6.	파인 튜닝된 모델 만들기: 학습 데이터 train.jsonl과 기준 Gemini Flash 모델을 사용하여 특정 이미지 캡셔닝 사용 사례에 맞게 파인 튜닝된 모델을 만듭니다.
7.	파인 튜닝된 모델 평가: 평가 측정항목으로 파인 튜닝된 모델을 평가합니다. 검증 데이터 세트 val.jsonl과 기준 Gemini Flash 모델의 성능을 기준으로 비교합니다. 평가는 rougeL과 같은 평가 측정항목을 사용하여 진행됩니다.

기본 요건

이 실습을 시작하기 전에 다음 개념을 숙지해야 합니다.

• 기본 Python 프로그래밍
• 일반적인 API 개념
• Vertex AI Workbench의 Jupyter 노트북에서 Python 코드를 실행하는 방법

목표

이 실습에서 학습할 내용은 다음과 같습니다.

• 지도 미세 조정을 활용하는 프로세스를 설명합니다.
• 학습 데이터 세트로 기준 Gemini Flash 모델을 파인 튜닝합니다.
• 파인 튜닝된 모델로 이미지 캡셔닝 결과를 평가합니다.
• 파인 튜닝된 모델의 결과를 기준 모델 및 정답과 비교합니다.

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지를 표시합니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드(권장) 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학습자 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간(실습을 시작하고 나면 일시중지할 수 없음)

참고: 이 실습에는 학습자 계정만 사용하세요. 다른 Google Cloud 계정을 사용하는 경우 해당 계정에 비용이 청구될 수 있습니다.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 대화상자가 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 창이 있습니다.

   • Google Cloud 콘솔 열기 버튼
   • 남은 시간
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보

2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다).

   실습에서 리소스가 가동되면 다른 탭이 열리고 로그인 페이지가 표시됩니다.

   팁: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하세요.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 아래의 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다.

   {{{user_0.username | "Username"}}}

   실습 세부정보 창에서도 사용자 이름을 확인할 수 있습니다.

4. 다음을 클릭합니다.

5. 아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.

   {{{user_0.password | "Password"}}}

   실습 세부정보 창에서도 비밀번호를 확인할 수 있습니다.

6. 다음을 클릭합니다.

   중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

7. 이후에 표시되는 페이지를 클릭하여 넘깁니다.

   • 이용약관에 동의합니다.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 않습니다.
   • 무료 체험판을 신청하지 않습니다.

잠시 후 Google Cloud 콘솔이 이 탭에서 열립니다.

참고: Google Cloud 제품 및 서비스에 액세스하려면 탐색 메뉴를 클릭하거나 검색창에 제품 또는 서비스 이름을 입력합니다.

작업 1. Vertex AI Workbench에서 노트북을 열고 커널 선택

작업 1a. 노트북 열기

1. Google Cloud 콘솔의 탐색 메뉴()에서 Vertex AI > Workbench를 클릭합니다.

2. 인스턴스를 찾아 JupyterLab 열기 버튼을 클릭합니다.

Workbench 인스턴스의 JupyterLab 인터페이스가 새 브라우저 탭에서 열립니다.

참고: JupyterLab에 노트북이 표시되지 않는다면 다음 추가 단계에 따라 인스턴스를 재설정하세요.

1. JupyterLab의 브라우저 탭을 닫고 Workbench 홈페이지로 돌아갑니다.

2. 인스턴스 이름 옆의 체크박스를 선택하고 재설정을 클릭합니다.

3. JupyterLab 열기 버튼이 다시 사용 설정되면 1분 정도 기다린 후 JupyterLab 열기를 클릭합니다.

작업 1b. 커널 선택

1. 파일을 엽니다.

2. '커널 선택' 대화상자에서 사용 가능한 커널 목록 중 Python 3을 선택합니다.

작업 2. 패키지 설치 및 노트북 구성

이 작업에서는 필요한 Python 패키지를 설치하고, 커널 런타임을 다시 시작하고, 내 프로젝트와 리전을 사용하도록 노트북을 구성하고, 라이브러리를 가져옵니다.

1. 노트북의 작업 2 패키지 설치 및 노트북 구성 섹션에 나온 단계를 완료합니다.

참고: 모든 작업에서 내 진행 상황 확인하기 버튼을 클릭하기 전에 파일 -> 노트북 저장을 클릭하여 노트북을 저장해야 합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 패키지 설치 및 노트북 구성

작업 3. 데이터 세트 준비

이 작업에서는 이미지를 포함한 데이터 세트 파일을 다운로드하고 노트북에서 사용할 수 있도록 준비합니다.

1. 노트북의 데이터 세트 준비 섹션을 완료합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 데이터 세트 준비

작업 4. 기준 모델 성능을 정답과 비교

이 작업에서는 기준 Gemini Flash 모델을 데이터 세트의 단일 이미지 정답과 비교합니다.

1. 노트북의 기준 모델 성능을 정답과 비교 섹션을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 기준 모델 성능을 정답과 비교

작업 5. 검증 데이터 세트로 기준 모델 평가

이 작업에서는 기준 Gemini Flash 모델과 프롬프트를 사용하여 val.jsonl으로 결과를 평가합니다.

1. 노트북의 검증 데이터 세트로 기준 모델 평가 섹션을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 검증 데이터 세트로 기준 모델 평가

작업 6. 파인 튜닝된 모델 만들기

이 작업에서는 학습 데이터인 train.jsonl과 기준 Gemini Flash 모델을 사용하여 특정 이미지 캡셔닝 사용 사례에 맞게 파인 튜닝된 모델을 만듭니다.

1. 노트북의 파인 튜닝된 모델 만들기 섹션을 실행합니다.

참고: 튜닝 작업을 완료하는 데 몇 분 정도 걸릴 수 있습니다. 튜닝 작업이 완료될 때까지 기다린 후 노트북의 다음 셀로 진행합니다. 중요: 조정 작업 보기 버튼을 클릭하여 튜닝 작업 세부정보에 액세스하고, 실험 보기를 클릭하여 실험 세부정보에 액세스한 후 작업 상태가 '성공'이 될 때까지 기다리세요. 이렇게 해야 이 작업의 진행 상황을 확인하여 크레딧을 받을 수 있습니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 파인 튜닝된 모델 만들기

작업 7. 파인 튜닝된 모델 평가

이 작업에서는 파인 튜닝된 모델을 평가 측정항목으로 평가합니다. 검증 데이터 세트인 val.jsonl 및 기준 Gemini Flash 모델의 성능을 기준으로 비교합니다. 평가는 rougeL과 같은 평가 측정항목을 사용하여 진행됩니다.

1. 노트북의 파인 튜닝된 모델 평가 섹션을 실행합니다.

중요: 노트북에 설명된 대로, 이 작업에서 첫 번째 셀을 실행할 때 '엔드포인트 프로젝트/... 구성 오류, 트래픽 분할이 설정되지 않음' 오류 메시지가 표시되는 경우 잠시만 기다려 주세요. 이전 셀의 실행이 완료된 후 Vertex AI가 배포된 엔드포인트의 트래픽 분할 설정을 업데이트하는 데 약 10분이 소요됩니다. 해당 값이 100%가 되기 전에는 이 엔드포인트를 사용하여 온라인 예측을 실행할 수 없습니다. 기다리는 동안 평가 측정항목 정의에 관한 Google 문서를 검토해 보세요. 이 링크에서는 rougeL이 무엇이며 이 사용 사례에 적합한 이유를 이해할 수 있습니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 파인 튜닝된 모델 평가

수고하셨습니다

이 실습에서는 Vertex AI의 지도 미세 조정 기능을 사용하여 커스텀 데이터를 바탕으로 Gemini를 파인 튜닝해 이미지 캡셔닝 기능을 개선하는 방법을 알아보았습니다.

다음 단계/자세히 알아보기

Gemini에 대한 자세한 내용은 다음 리소스를 참조하세요.

• Gemini 개요
• Vertex AI의 생성형 AI 문서
• YouTube의 생성형 AI
• Vertex AI 설명서에서 생성형 AI를 위한 선별된 노트북 갤러리를 검색하며 살펴보세요.
• Google Cloud 생성형 AI 저장소에서 다른 노트북과 샘플을 찾아보세요.

Google Cloud 교육 및 자격증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2025년 10월 6일

실습 최종 테스트: 2025년 10월 29일

Copyright 2026 Google LLC. All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.