ANAMIKA A .
회원 가입일: 2026
다이아몬드 리그
20793포인트
Google DeepMind : 08 Capstone: Develop Your Model for Real-World Impact
Earned 10월 17, 2026 EDT
Google DeepMind: 07 Accelerate Your Model
Earned 10월 6, 2026 EDT
Google DeepMind: 05 Fine-Tune Your Model
Earned 9월 29, 2026 EDT
Google DeepMind: 04 Discover The Transformer Architecture
Earned 9월 22, 2026 EDT
Google DeepMind: 03 Design And Train Neural Networks
Earned 9월 13, 2026 EDT
Google DeepMind: 02 Represent Your Language Data
Earned 9월 8, 2026 EDT
Google DeepMind: 소규모 언어 모델 학습
Earned 9월 8, 2026 EDT
Google DeepMind: 01 Build Your Own Small Language Model
Earned 9월 1, 2026 EDT
Google Cloud의 데이터 엔지니어링 입문
Earned 4월 22, 2026 EDT
정리: Cloud 데이터 분석가 업무 준비
Earned 4월 19, 2026 EDT
스토리텔링의 힘: 클라우드에서 데이터를 시각화하는 방법
Earned 4월 6, 2026 EDT
클라우드의 데이터 변환
Earned 3월 12, 2026 EDT
클라우드의 데이터 관리 및 스토리지
Earned 3월 6, 2026 EST
Google Cloud의 데이터 분석 입문
Earned 2월 22, 2026 EST
In this Google DeepMind course, you will complete a capstone project that brings together the technical knowledge, ethical awareness, and creative problem-solving skills that you have developed throughout the Google DeepMind: AI Research Foundations curriculum. You will apply what you have learned to a problem of your choosing. You will first plan your project to ensure that you are clear on your project aims and intended impact. You will then collect and prepare data for your model. Finally, you will implement a full fine-tuning workflow using Gemma 3 with low-rank adaptation (LoRA) and evaluate its performance. You will receive guidance, but the emphasis will be on adaptation and experimentation - skills that are essential for applied AI research.
자세히 알아보기
Train more powerful models with a single GPU. In this course, you will learn how hardware can speed up model training and the key considerations when training models on a GPU. First, you will learn how to estimate the number of computations and the amount of computer memory required to train large neural networks. You will then discover techniques for reducing the computing and memory requirements when training a model. Techniques which you will apply for fine-tuning a Gemma model with 4 billion parameters. Finally, you will consider the potential environmental impacts of machine learning, with a focus on where questions of energy, water, and e-waste intersect with justice and equity.
자세히 알아보기
Unleash the power of language models with fine-tuning. In this course, you will learn how to adjust a pre-trained model to a specific task. You will start with full-parameter fine-tuning using a small language model. To tune larger models like Gemma, you will learn parameter-efficient techniques with a focus on LoRA. Finally, you will be briefly introduced to reinforcement learning as an alternative to supervised fine-tuning (SFT). You will also explore how AI is imagined and made sense of in cultural contexts. You will consider why responsible AI is not just about technical safety but also about building governance systems that reflect community values and protect the public interest.
자세히 알아보기
In this Google DeepMind course you will discover the mechanisms of the transformer architecture. You will investigate how transformer language models process prompts to make context-sensitive next-token predictions. Through practical activities you will explore the attention mechanism, visualize attention weights, and encounter advanced concepts like masked attention and multi-head attention. You will also learn other techniques that are necessary to build neural networks that are well-suited to be used as language models. Finally, through activities on values, stakeholder mapping and community engagement, you will practice concrete tools for ensuring AI projects are developed with communities, not just for them.
자세히 알아보기
In this Google DeepMind course you will focus on the training process for machine learning models. You will learn how to spot and mitigate issues when training a model, such as overfitting and underfitting. In practical coding labs, you will implement and evaluate the multilayer perceptron for simple classification tasks. This will provide insights into the mechanics of training a neural network model and the backpropagation algorithm. Research case studies will demonstrate how neural networks power real-world models. Additionally, you will consider the broader social impacts of innovation by looking beyond immediate benefits to anticipate potential risks, safety concerns, and further-reaching societal consequences.
자세히 알아보기
In this Google DeepMind course you will learn how to prepare text data for language models to process. You will investigate the tools and techniques used to prepare, structure, and represent text data for language models, with a focus on tokenization and embeddings. You will be encouraged to think critically about the decisions behind data preparation, and what biases within the data may be introduced into models. You will analyze trade-offs, learn how to work with vectors and matrices, how meaning is represented in language models. Finally, you will practice designing a dataset ethically using the Data Cards process, ensuring transparency, accountability, and respect for community values in AI development.
자세히 알아보기
고급 Google DeepMind: 소규모 언어 모델 학습 기술 배지를 획득하려면 이 과정을 완료하여 실제 언어 모델 조사 문제 공식화, 간단한 토크나이저 빌드, Transformer 언어 모델 학습을 위한 데이터 세트 준비, 소규모 언어 모델의 학습 루프 실행 등과 같은 기술 역량을 입증하세요. 무료 구독에 가입하여 이 실습을 무료로 이용하세요. 매달 35크레딧이 무료로 제공됩니다.
자세히 알아보기
In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.
자세히 알아보기
이 과정에서는 Google Cloud의 데이터 엔지니어링, 데이터 엔지니어의 역할과 책임, 그리고 이러한 요소가 Google Cloud 제공 서비스와 어떻게 연결되는지에 대해 알아봅니다. 또한 데이터 엔지니어링 과제를 해결하는 방법에 대해서도 배우게 됩니다.
자세히 알아보기
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 다섯 번째 과정입니다. 이 과정에서는 전체 데이터 수명 주기 프로젝트에 중점을 둔 실습형 캡스톤 프로젝트의 1~4번째 과정에서 배운 기초 지식과 기술을 종합하여 적용합니다. 클라우드 기반 도구를 사용하여 데이터 인사이트를 효과적으로 확보, 저장, 처리, 분석, 시각화, 전달하는 방법을 실습합니다. 과정을 마치면 학습자는 여러 소스의 데이터를 효과적으로 구조화하고, 다양한 이해관계자에게 솔루션을 제시하고, 클라우드 기반 소프트웨어를 사용하여 데이터 인사이트를 시각화하는 역량을 보여주는 프로젝트를 완료하게 됩니다. 또한 이력서를 업데이트하고 면접 기법을 연습하면서 입사 지원 및 면접을 준비합니다.
자세히 알아보기
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 네 번째 과정입니다. 이 과정에서 학습자는 클라우드에서 데이터를 시각화하는 5가지 핵심 단계(스토리텔링, 계획, 데이터 탐색, 시각화 구축, 다른 사람과의 데이터 공유)와 관련된 기술을 개발하는 데 중점을 둡니다. 또한 UI/UX 기술을 사용하여 효과적인 클라우드 네이티브 시각화를 와이어프레임으로 제작하고 클라우드 네이티브 데이터 시각화 도구를 사용하여 데이터 세트를 탐색하고, 보고서를 작성할 뿐 아니라 의사 결정 및 협업을 촉진하는 대시보드를 빌드하는 경험을 쌓을 수 있습니다.
자세히 알아보기
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 세 번째 과정입니다. 이 과정에서는 먼저 데이터 수집부터 인사이트 도출까지의 데이터 여정을 개괄적으로 살펴봅니다. 그런 다음 SQL을 사용하여 원시 데이터를 사용 가능한 형식으로 변환하는 방법을 알아봅니다. 다음으로 데이터 파이프라인을 사용하여 대량의 데이터를 변환하는 방법을 배웁니다. 마지막으로 실제 데이터 세트에 변환 전략을 적용하여 비즈니스 요구사항을 해결하는 경험을 쌓게 됩니다.
자세히 알아보기
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 두 번째 과정입니다. 이 과정에서는 데이터를 어떻게 구조화하고 조직화하는지 살펴봅니다. 데이터 레이크하우스 아키텍처 및 BigQuery, Google Cloud Storage, Dataproc과 같은 클라우드 구성요소를 활용하여 대규모 데이터 세트를 효율적으로 저장, 분석, 처리하는 방법을 직접 경험해 봅니다.
자세히 알아보기
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 첫 번째 과정입니다. 이 과정에서는 클라우드 데이터 분석의 분야를 정의하고 데이터 획득, 저장, 처리, 시각화와 관련된 클라우드 데이터 분석가의 역할과 책임을 설명합니다. BigQuery, Cloud Storage와 같은 Google Cloud 기반 도구의 아키텍처와 이러한 도구를 사용하여 데이터를 효과적으로 구조화하여 표시하고 보고하는 방법을 살펴봅니다.
자세히 알아보기
