GSP329

개요

챌린지 실습에서는 특정 시나리오와 일련의 작업이 주어집니다. 단계별 안내를 따르는 대신, 과정의 실습에서 배운 기술을 사용하여 스스로 작업을 완료하는 방법을 알아내 보세요. 이 페이지에 표시되어 있는 자동 채점 시스템에서 작업을 올바르게 완료했는지 피드백을 제공합니다.

챌린지 실습을 진행할 때는 새로운 Google Cloud 개념에 대한 정보가 제공되지 않습니다. 학습한 기술을 응용하여 기본값을 변경하거나 오류 메시지를 읽고 조사하여 실수를 바로잡아야 합니다.

100점을 받으려면 시간 내에 모든 작업을 성공적으로 완료해야 합니다.

이 실습은 Google Cloud에서 Machine Learning API 사용하기 과정에 등록한 학습자에게 권장됩니다. 챌린지에 도전할 준비가 되셨나요?

테스트 주제

• BigQuery 및 Cloud Storage에 대한 올바른 권한을 서비스 계정에 부여합니다.
• 서비스 계정 사용자 인증 정보 파일을 만들고 다운로드하여 Python 애플리케이션에 Google Cloud 사용자 인증 정보를 제공합니다.
• Google Cloud Vision API를 사용하여 이미지 파일에서 텍스트를 추출하도록 Python 스크립트를 수정합니다.
• Google Translation API를 사용하여 텍스트를 번역하도록 Python 스크립트를 수정합니다.
• BigQuery SQL 쿼리를 실행하여 추출된 데이터에 어떤 언어가 포함되어 있는지 확인합니다.

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.

챌린지 시나리오

여러분은 Jooli Inc.의 분석팀 구성원으로 새로운 역할을 맡았습니다. 회사의 머신러닝 프로젝트를 위한 데이터 세트의 개발 및 평가를 지원하는 일을 하게 됩니다. 일반적인 작업에는 다양한 데이터 세트 준비, 정리, 분석이 포함됩니다.

여러분은 이러한 작업에 필요한 기술과 지식을 보유하고 있어야 하며 단계별 안내는 따로 제공되지 않습니다.

챌린지

표지판 이미지 세트를 분석하여 이미지에 있는 텍스트를 추출하고 번역하는 프로세스를 개발해 달라는 요청을 받았습니다. 추출된 텍스트 정보는 모델 학습 및 평가를 위해 이 이미지 데이터 세트를 사용하는 머신 러닝 프로젝트의 일환으로 이미지를 분류하는 데 사용됩니다. 모든 이미지에는 텍스트가 포함되어 있지만, 텍스트는 어떤 언어로도 작성될 수 있습니다. 이미지는 제공된 Cloud Storage 버킷에 저장됩니다.

각 이미지 파일을 Google Vision API로 전송하여 이미지의 텍스트를 식별하려면 Python 스크립트를 사용해야 합니다. 각 이미지의 텍스트는 Cloud Storage의 파일에 다시 저장되어야 하며, 각 이미지의 텍스트에 대해 별도의 파일이 있어야 합니다. 텍스트 언어가 (locale='')이 아닌 경우 텍스트를 Google Translation API로 전송하여 원본 텍스트의 번역을 가져와야 합니다. 모든 이미지가 처리되면 스크립트는 결과를 BigQuery 테이블에 업로드해야 합니다.

이 다이어그램은 프로세스를 간략하게 보여줍니다.

그런 다음 처리된 텍스트 데이터는 프로젝트의 image_classification_dataset 데이터 세트에 있는 image_text_detail이라는 기존 BigQuery 테이블에 기록되어야 합니다.

팀의 동료가 Natural Language API를 사용하여 일련의 텍스트 파일을 처리하는 데 사용되었던 Python 스크립트를 기반으로 이미지를 처리하는 코드 작업을 시작했습니다. 동료가 다른 프로젝트로 이동하게 되어 이제 여러분이 이 작업을 완료해야 합니다.

스크립트 작업은 대부분 완료되었으며 제공된 버전은 스토리지 버킷에 액세스하여 찾은 모든 이미지 파일을 반복합니다. 하지만 각 이미지에서 텍스트를 찾아 Translation API로 전송하는 데 필요한 특정 API 호출은 아직 구현되지 않았습니다.

실습 프로젝트 ID를 이름으로 하는 Cloud Storage 버킷에 진행 중인 Python 스크립트 사본과 샘플 이미지 세트가 제공되었습니다.

동료는 스크립트에서 완료되지 않은 부분을 파악하고 필요한 API 호출에 대해 주석을 달았습니다. 스크립트에는 올바른 Machine Learning API 호출을 위해 완료해야 하는 세 가지 미완성 부분이 있으며, 모든 미완성 부분 앞에는 # TBD: 라벨이 있는 주석이 있습니다.

코드의 마지막 줄은 결과 데이터를 BigQuery에 업로드합니다. 스크립트에서 이 줄은 주석 문자로 인해 비활성화되어 있습니다. 스크립트의 나머지 부분이 제대로 작동하는지 확인한 후 주석 문자를 삭제하여 마지막 줄을 활성화합니다.

스크립트를 작성하기 전에 올바른 권한이 있는 서비스 계정을 만들고 해당 계정의 사용자 인증 정보 파일을 다운로드하여 환경을 준비해야 합니다. 서비스 계정 사용자 인증 정보가 있으면 Python 스크립트를 수정하여 이미지 파일을 처리하는 데 사용할 수 있습니다.

챌린지를 완료하려면 모든 이미지의 원래 추출된 텍스트, 언어, 번역된 텍스트 데이터를 image_text_detail이라는 BigQuery 테이블에 로드해야 합니다. 이를 수행하는 코드는 스크립트에 있지만 스크립트 끝에 있는 코드 줄을 활성화하려면 주석 문자를 삭제해야 합니다.

업데이트된 Python 스크립트를 사용하여 이미지 파일을 성공적으로 처리하고 데이터를 BigQuery에 업로드한 후에는 BigQuery에서 다음 쿼리를 실행하여 이미지 데이터가 성공적으로 처리되었는지 확인해야 합니다.

SELECT locale,COUNT(locale) as lcount FROM image_classification_dataset.image_text_detail GROUP BY locale ORDER BY lcount DESC

이 쿼리는 샘플 이미지 세트에서 발견된 각 언어 유형별 표지판 개수를 보고합니다.

작업 1. Machine Learning API, BigQuery, Cloud Storage에 액세스하도록 서비스 계정 구성

1. 스크립트에 사용자 인증 정보를 제공하는 새 서비스 계정을 만듭니다.
2. 계정을 만든 후 역할과 역할을 서비스 계정에 바인딩하여 Cloud Storage에서 파일을 처리하고 결과 데이터를 BigQuery 테이블에 삽입하는 데 필요한 IAM 권한을 제공합니다. BigQuery 및 Cloud Storage에 액세스할 수 있는 관리자 권한이 있는 서비스 계정이 있는지 확인합니다.

작업 2. 서비스 계정의 사용자 인증 정보 파일 만들기 및 다운로드

1. 서비스 계정 권한을 구성한 후 서비스 계정의 JSON 형식 IAM 사용자 인증 정보 파일을 다운로드합니다.
2. Python 스크립트의 사용자 인증 정보 파일 이름을 제공하는 환경 변수를 구성하는 것을 잊지 마세요. 서비스 계정에 대해 IAM 사용자 인증 정보 파일이 생성되었는지 확인합니다.

작업 3. 이미지 파일에서 텍스트를 추출하도록 Python 스크립트 수정

1. 사용자를 위해 생성된 Cloud Storage 버킷에서 Cloud Shell로 analyze-images-v2.py 파일을 복사합니다.

2. 프로젝트 버킷에 저장된 이미지 파일에서 텍스트를 추출한 다음, 각 파일의 텍스트 데이터를 동일한 버킷에 다시 작성하는 텍스트 파일에 저장하려면 이 Python 스크립트를 수정해야 합니다. API에 액세스하기 위해 코드를 추가해야 하는 스크립트 부분은 # TBD 주석으로 표시되어 있습니다.

3. 스크립트의 첫 번째 부분을 수정하여 Cloud Vision API를 사용해 이미지 파일에서 텍스트 데이터를 추출한 후에는 부분적으로 완료된 스크립트를 실행하여 진행 상황을 확인하고 올바른 방향으로 진행하고 있는지 확인해야 합니다.

애플리케이션이 이미지에서 텍스트를 추출할 수 있는지 확인

작업 4. Translation API를 사용하여 텍스트를 번역하도록 Python 스크립트 수정

• 이제 Python 스크립트의 두 번째 부분을 수정하여 Vision API가 찾은 텍스트 데이터를 식별하고 Translation API를 사용하여 원본 텍스트를 로 번역합니다.

  애플리케이션이 텍스트를 번역하고 결과를 BigQuery에 저장할 수 있는지 확인

작업 5. 데이터 세트에 포함된 표지판에서 사용된 가장 일반적인 언어 식별

1. 이미지의 텍스트를 성공적으로 찾아 번역하기 위해 스크립트를 업데이트한 후, BigQuery에 데이터를 업로드하는 스크립트 끝부분에 있는 줄에서 주석 문자를 삭제합니다.
2. 데이터가 BigQuery에 업로드되면 각 언어를 읽는 횟수를 세는 쿼리를 실행하여 필요한 모든 데이터가 BigQuery에 로드되었는지 확인합니다. BigQuery 쿼리를 실행하여 이미지에서 각 언어가 발견된 횟수 보고

도움말 및 유용한 정보

• 팁 1: Python 스크립트가 Google Cloud API에 액세스하는 데 사용해야 하는 사용자 인증 정보 파일의 세부정보를 제공하려면 환경 변수를 설정해야 합니다.

• 팁 2: Vision API 클라이언트 document_text_detection API 호출에 대한 자세한 내용은 Vision API 클라이언트용 Python API 참고 리소스 참조 페이지에서, Vision API 주석 응답 객체에 대한 자세한 내용은 Vision API 객체용 Python API 참고 리소스 참조 페이지에서 확인할 수 있습니다.

• 팁 3: Translation API 클라이언트 번역 API 호출에 대한 자세한 내용은 Translation V2 API 클라이언트용 Python API 참고 리소스를 참조하세요.

수고하셨습니다

표지판 이미지를 분석하고 이미지의 텍스트를 추출하여 번역하는 프로세스를 개발했습니다.

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 9월 2일

실습 최종 테스트: 2025년 9월 2일

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