Omar Irfan Khan
회원 가입일: 2021
골드 리그
21305포인트
어텐션 메커니즘
Earned 2월 1, 2025 EST
이미지 생성 소개
Earned 2월 1, 2025 EST
책임감 있는 AI: Google Cloud를 통한 AI 원칙 적용하기
Earned 2월 1, 2025 EST
보안 엔지니어를 위한 Gemini
Earned 1월 31, 2025 EST
엔드 투 엔드 SDLC를 위한 Gemini
Earned 1월 31, 2025 EST
생성형 AI를 위한 머신러닝 작업(MLOps)
Earned 1월 30, 2025 EST
Google Vids의 Gemini
Earned 1월 30, 2025 EST
Google Drive의 Gemini
Earned 1월 30, 2025 EST
Google Meet의 Gemini
Earned 1월 30, 2025 EST
Google Sheets의 Gemini
Earned 1월 30, 2025 EST
Google Slides의 Gemini
Earned 1월 30, 2025 EST
Google Docs의 Gemini
Earned 1월 30, 2025 EST
Gmail의 Gemini
Earned 1월 30, 2025 EST
Gemini 기반 Google Workspace: AI 워크플로의 기반
Earned 1월 30, 2025 EST
Dataflow를 사용한 서버리스 데이터 처리: 파이프라인 개발
Earned 1월 30, 2025 EST
How Google Does Machine Learning - 한국어
Earned 10월 31, 2021 EDT
자격증 학습 가이드 만들기: PDE 시험 대비
Earned 10월 25, 2021 EDT
Dataflow를 사용한 서버리스 데이터 처리: 기초
Earned 10월 21, 2021 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 한국어
Earned 10월 20, 2021 EDT
Google Cloud에서 스트리밍 데이터 파이프라인 빌드하기
Earned 10월 19, 2021 EDT
Google Cloud에서 데이터 레이크와 데이터 웨어하우스 빌드하기
Earned 10월 18, 2021 EDT
BigQuery ML을 사용한 예측 모델링을 위한 데이터 엔지니어링
Earned 10월 14, 2021 EDT
Apigee API Platform을 사용한 API 개발
Earned 10월 12, 2021 EDT
Apigee API Platform을 사용한 API 보안
Earned 10월 12, 2021 EDT
Apigee API Platform을 사용한 API 설계 및 기초
Earned 10월 12, 2021 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 한국어
Earned 10월 12, 2021 EDT
Google Cloud 앱 개발 환경 설정
Earned 10월 11, 2021 EDT
Compute Engine에서 Cloud Load Balancing 구현하기
Earned 10월 8, 2021 EDT
Google Cloud 필수 정보
Earned 10월 8, 2021 EDT
이 과정에서는 신경망이 입력 시퀀스의 특정 부분에 집중할 수 있도록 하는 강력한 기술인 주목 메커니즘을 소개합니다. 주목 메커니즘의 작동 방식과 이 메커니즘을 다양한 머신러닝 작업(기계 번역, 텍스트 요약, 질문 답변 등)의 성능을 개선하는 데 활용하는 방법을 알아봅니다.
자세히 알아보기
이 과정에서는 최근 이미지 생성 분야에서 가능성을 보여준 머신러닝 모델 제품군인 확산 모델을 소개합니다. 확산 모델은 열역학을 비롯한 물리학에서 착안했습니다. 지난 몇 년 동안 확산 모델은 연구계와 업계 모두에서 주목을 받았습니다. 확산 모델은 Google Cloud의 다양한 최신 이미지 생성 모델과 도구를 뒷받침합니다. 이 과정에서는 확산 모델의 이론과 Vertex AI에서 이 모델을 학습시키고 배포하는 방법을 소개합니다.
자세히 알아보기
기업에서 인공지능과 머신러닝의 사용이 계속 증가함에 따라 책임감 있는 빌드의 중요성도 커지고 있습니다. 대부분의 기업은 책임감 있는 AI를 실천하기가 말처럼 쉽지 않습니다. 조직에서 책임감 있는 AI를 운영하는 방법에 관심이 있다면 이 과정이 도움이 될 것입니다.
이 과정에서 책임감 있는 AI를 위해 현재 Google Cloud가 기울이고 있는 노력, 권장사항, Google Cloud가 얻은 교훈을 알아보면 책임감 있는 AI 접근 방식을 구축하기 위한 프레임워크를 수립할 수 있을 것입니다.
자세히 알아보기
이 과정에서는 Google Cloud의 생성형 AI 기반 파트너인 도구인 Gemini가 클라우드 환경 및 리소스 보호에 어떤 도움이 되는지 알아봅니다. Google Cloud의 환경에 예시 워크로드를 배포하고, Gemini를 이용해 잘못된 보안 구성을 확인 및 해결하는 방법을 배웁니다. 실무형 실습을 통해 Gemini가 클라우드 보안 상황을 어떻게 개선하는지 경험할 수 있습니다.
Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다.
자세히 알아보기
이 과정에서는 Google Cloud의 생성형 AI 기반 파트너인 Gemini가 Google 제품 및 서비스를 사용해 애플리케이션을 개발, 테스트, 배포, 관리하는 데 어떤 도움이 되는지 알아봅니다. Gemini의 도움을 받아 웹 애플리케이션을 개발 및 빌드하고, 애플리케이션의 오류를 수정하고, 테스트를 개발하고, 데이터를 쿼리하는 방법을 배웁니다. 실무형 실습을 통해 Gemini로 소프트웨어 개발 수명 주기(SDLC)가 얼마나 개선되는지 경험할 수 있습니다.
Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다.
자세히 알아보기
이 과정에서는 생성형 AI 모델을 배포하고 관리할 때 MLOps팀이 직면하는 고유한 과제를 파악하는 데 필요한 지식과 도구를 제공하고 Vertex AI가 어떻게 AI팀이 MLOps 프로세스를 간소화하고 생성형 AI 프로젝트에서 성공을 거둘 수 있도록 지원하는지 살펴봅니다.
자세히 알아보기
이 과정에서는 Google Workspace의 AI 기반 제작 도구인 Google Vids를 소개합니다. Google Vids를 사용하면 편집 경험이 없어도 원본 문서를 전문적이고 매력적인 동영상으로 변환할 수 있습니다. 템플릿과 자동화 도구를 사용해 빠르게 초안을 생성하는 방법과 스크립트 기반 편집, 동적 시각 효과, 맞춤 음악을 통해 콘텐츠를 맞춤설정하는 방법을 알아봅니다. 마지막으로 AI 아바타와 내레이션을 통합하여 다양한 비즈니스 사용 사례에서 프레젠테이션을 원활하게 내레이션하는 방법을 살펴봅니다.
자세히 알아보기
이 과정에서는 Google Drive의 Gemini를 사용하여 파일을 관리하고 검색하는 방법을 다룹니다. 자연어를 사용하여 애셋을 찾고, 파일을 열지 않고도 AI 개요를 통해 특정 사실을 추출하고, 여러 미디어 형식을 즉시 요약하고, 반복 가능한 연구를 위해 파일 모음을 프로젝트로 저장하는 방법을 알아보세요.
자세히 알아보기
이 과정에서는 Google Meet의 Gemini를 사용하여 동영상 협업을 개선하는 방법을 다룹니다. 회의록 자동 작성, 실시간 텍스트 및 통역 활용, 놓친 논의를 비공개로 확인, 오디오 및 동영상 품질 즉시 최적화 방법을 알아보세요.
자세히 알아보기
이 과정에서는 Google Sheets의 Gemini를 사용하여 데이터 정리를 자동화하고 복잡한 숫자를 처리하는 방법을 다룹니다. 원시 텍스트에서 테이블을 구성하고, 자연어를 사용하여 데이터를 자동 입력하고, 필요에 따라 기본 스프레드시트 수식을 생성하고, 고급 스프레드시트 전문 지식 없이도 빠르게 개략적인 인사이트나 시각화를 추출하는 방법을 알아보세요.
자세히 알아보기
이 과정에서는 Google Slides의 Gemini를 사용하여 개념을 시각적으로 매력적인 프레젠테이션으로 변환하는 방법을 다룹니다. 단일 프롬프트 또는 기존 소스 문서에서 구조화된 자료를 생성하고, 자동화된 디자인 개선을 사용하여 슬라이드 레이아웃을 다듬고, 커스텀 벡터 그래픽과 사진을 만들고, 정확한 발표자 노트와 함께 슬라이드 사본을 동적으로 작성하는 방법을 알아봅니다.
자세히 알아보기
이 과정에서는 Google Docs의 Gemini를 사용하여 글쓰기와 콘텐츠 제작을 간소화하는 방법을 다룹니다. 문서 초안을 처음부터 작성하고, 대화형 도구를 사용해 글의 어조와 명확성을 개선하며, 복잡한 파일을 요약하고, 긴 형식의 텍스트를 다른 Google Workspace 애플리케이션에서 사용할 수 있는 구조화된 애셋으로 원활하게 변환하는 방법을 알아보세요.
자세히 알아보기
이 과정에서는 Gmail의 Gemini를 사용하여 이메일 관리를 최적화하는 방법을 다룹니다. 긴 대화목록을 요약하고, 자연어를 사용하여 정보를 검색하고, 전문적인 응답 초안을 작성하고, 받은편지함 내에서 직접 커뮤니케이션 전략을 정리하는 방법을 알아보세요.
자세히 알아보기
Google Workspace를 위한 Gemini는 고객에게 Google Workspace의 생성형 AI 기능을 제공합니다. 이 학습 과정에서는 Gemini의 주요 기능을 살펴보고 이러한 기능으로 Google Workspace의 생산성과 효율성을 향상하는 방법을 알아봅니다.
자세히 알아보기
Dataflow 과정 시리즈의 두 번째 편에서는 Beam SDK를 사용하여 파이프라인을 개발하는 방법을 자세히 살펴보겠습니다. 먼저 Apache Beam 개념에 대한 복습부터 시작하겠습니다. 다음으로 윈도우, 워터마크, 트리거를 사용하여 스트리밍 데이터를 처리하는 방법을 알아봅니다. 그런 다음 파이프라인의 소스 및 싱크 옵션, 정형 데이터를 표현하는 스키마, State 및 Timer API를 사용하여 스테이트풀(Stateful) 변환을 수행하는 방법을 다룹니다. 이제 파이프라인 성능을 극대화하는 데 도움이 되는 권장사항을 살펴보겠습니다. 과정의 마지막 부분에서는 Beam에서 비즈니스 로직을 표현하기 위한 SQL과 DataFrame을 소개하고 Beam 노트북을 사용하여 파이프라인을 반복적으로 개발하는 방법을 알아봅니다.
자세히 알아보기
Google Cloud에서 머신러닝을 구현하기 위한 권장사항에는 어떤 것이 있을까요? Vertex AI란 무엇이고, 이 플랫폼을 사용하여 코드는 한 줄도 작성하지 않고 AutoML 머신러닝 모델을 빠르게 빌드, 학습, 배포하려면 어떻게 해야 할까요? 머신러닝이란 무엇이며 어떤 종류의 문제를 해결할 수 있을까요?
Google은 머신러닝을 조금 다른 방식으로 바라봅니다. Google이 머신러닝과 관련하여 중요하게 생각하는 것은 관리형 데이터 세트를 위한 통합 플랫폼과 특징 저장소를 제공하고, 코드를 작성하지 않고도 머신러닝 모델을 빌드, 학습, 배포할 방법을 제공하고, 데이터에 라벨을 지정하고, TensorFlow, scikit-learn, Pytorch, R 등과 같은 프레임워크를 사용하여 Workbench 노트북을 만들 수 있도록 지원하는 것입니다. Google의 Vertex AI 플랫폼에는 커스텀 모델을 학습시키고, 구성요소 파이프라인을 빌드하고, 온라인 및 일괄 예측을 실행하는 기능이 포함되어 있습니다. 후보 사용 사례를 머신러닝으로 구동되도록 변환하는 5단계를 살펴보고, 단계를 건너뛰지 않는 것이 중요한 이유를 알아봅니다. 마지막으로, 머신러닝이 증폭시킬 수 있는 편향과 이를 인식할 방법을 살펴봅니다.
자세히 알아보기
Gemini Notebook을 사용하여 Professional Data Engineer 자격증 시험을 위한 맞춤형 학습 가이드를 만드는 방법을 알아보세요.
Gemini Notebook 기능을 검토하고, Gemini Notebook에서 노트북을 만들고, 학습 가이드를 사용하여 자격증 시험을 연습하는 방법을 익힐 수 있습니다.
자세히 알아보기
이 과정은 Dataflow를 사용한 서버리스 데이터 처리에 관한 3개 과정으로 이루어진 시리즈 중 1부입니다. 이 첫 번째 과정에서는 Apache Beam이 무엇인지, Dataflow와 어떤 관계가 있는지 복습하는 내용으로 시작합니다. 다음으로 Apache Beam의 비전과 Beam 이식성 프레임워크의 이점에 대해 설명합니다. Beam 이식성 프레임워크는 개발자가 선호하는 프로그래밍 언어를 원하는 실행 백엔드와 함께 사용할 수 있다는 비전을 실현합니다. 그런 다음 Dataflow를 통해 컴퓨팅과 스토리지를 분리하면서 비용을 절감하는 방법과 ID, 액세스, 관리 도구가 Dataflow 파이프라인과 상호작용하는 방식을 알아봅니다. 마지막으로 Dataflow에서 사용 사례에 맞는 적절한 보안 모델을 구현하는 방법을 살펴봅니다.
자세히 알아보기
머신러닝을 데이터 파이프라인에 통합하면 데이터에서 더 많은 인사이트를 도출할 수 있습니다. 이 과정에서는 머신러닝을 Google Cloud의 데이터 파이프라인에 포함하는 방법을 알아봅니다. 맞춤설정이 거의 또는 전혀 필요 없는 경우에 적합한 AutoML에 대해 알아보고 맞춤형 머신러닝 기능이 필요한 경우를 위해 Notebooks 및 BigQuery 머신러닝(BigQuery ML)도 소개합니다. Vertex AI를 사용해 머신러닝 솔루션을 프로덕션화하는 방법도 다루어 보겠습니다.
자세히 알아보기
이 과정에서는 스트리밍 데이터 파이프라인을 빌드할 때 직면하는 실제 과제를 해결하기 위해 실습을 진행합니다. Google Cloud 제품을 사용하여 지속적이고 무제한적인 데이터를 관리하는 데 중점을 둡니다.
자세히 알아보기
데이터 레이크와 데이터 웨어하우스를 사용하는 기존 접근방식은 효과적일 수 있지만, 특히 대규모 엔터프라이즈 환경에서는 단점이 있습니다. 이 과정에서는 데이터 레이크하우스의 개념과 데이터 레이크하우스를 만드는 데 사용되는 Google Cloud 제품을 소개합니다. 레이크하우스 아키텍처는 개방형 표준 데이터 소스를 사용하며 데이터 레이크와 데이터 웨어하우스의 장점을 결합하여 많은 단점을 해결합니다.
자세히 알아보기
중급 BigQuery ML을 사용한 예측 모델링을 위한 데이터 엔지니어링 기술 배지를 획득하여 Dataprep by Trifact로 데이터 변환 파이프라인을 BigQuery에 빌드, Cloud Storage, Dataflow, BigQuery를 사용한 ETL(추출, 변환, 로드) 워크플로 빌드, BigQuery ML을 사용하여 머신러닝 모델을 빌드하는 기술 역량을 입증할 수 있습니다.
자세히 알아보기
이 과정에서는 여러 서비스를 활용하는 API를 만드는 방법과 Apigee에서 커스텀 코드를 사용하는 방법을 알아봅니다. 또한 오류 처리와 프록시 간에 로직을 공유하는 방법을 알아봅니다. 트래픽 관리 및 캐싱에 대해 알아봅니다. 또한 개발자 포털을 만들고 API를 포털에 게시합니다. 로깅 및 분석, CI/CD, Apigee에서 지원하는 다양한 배포 모델에 대해 알아봅니다.
강의, 실무형 실습, 보충 자료를 통해 Google Cloud의 Apigee API Platform을 사용하여 API 솔루션을 설계, 빌드, 보호, 배포, 관리하는 방법을 학습합니다.
이 과정은 'Apigee API Platform을 사용한 API 개발' 과정 시리즈의 세 번째이자 마지막 과정입니다.
자세히 알아보기
이 과정에서는 API를 보호하는 방법을 알아봅니다. API와 관련해 발생할 수 있는 보안 문제를 살펴봅니다. REST API의 기본 승인 방법인 OAuth에 대해 알아봅니다. JSON 웹 토큰(JWT)과 통합 보안에 대해 알아봅니다. 또한 악의적인 요청에 대한 보안, 공용 네트워크를 통한 안전한 요청 전송, Apigee 사용자를 위한 데이터 보안 방법에 대해서도 알아봅니다.
강의, 실무형 실습, 보충 자료를 통해 Google Cloud의 Apigee API Platform을 사용하여 API 솔루션을 설계, 빌드, 보호, 배포, 관리하는 방법을 학습합니다.
이 과정은 'Apigee API Platform을 사용한 API 개발' 시리즈의 두 번째 과정입니다. 이 과정을 완료한 후에는 'Apigee API Platform을 사용한 API 개발' 과정도 수강하세요.
자세히 알아보기
이 과정에서는 API를 설계하는 방법과 OpenAPI 사양을 사용하여 API를 문서화하는 방법을 알아봅니다. API 수명 주기를 이해하고 Apigee API Platform이 수명 주기의 모든 측면을 관리하는 데 어떻게 도움이 되는지도 알아봅니다. 아울러 API 프록시를 사용하여 API를 설계하는 방법과 앱 개발자가 사용할 수 있도록 API를 API 제품으로 패키징하는 방법을 살펴봅니다.
수업, 실무형 실습, 보충 자료를 통해 Google Cloud의 Apigee API Platform을 사용하여 API 솔루션을 설계, 빌드, 보호, 배포, 관리하는 방법을 알아봅니다.
이 과정은 'Apigee API Platform을 사용한 API 개발' 시리즈의 첫 번째 과정입니다. 이 과정을 완료한 후에는 'Apigee API Platform을 사용한 API 보안' 과정도 수강하세요.
자세히 알아보기
이 과정에서는 데이터-AI 수명 주기를 지원하는 Google Cloud 빅데이터 및 머신러닝 제품과 서비스를 소개합니다. Google Cloud에서 Vertex AI를 사용하여 빅데이터 파이프라인 및 머신러닝 모델을 빌드하는 프로세스, 문제점 및 이점을 살펴봅니다.
자세히 알아보기
Google Cloud 앱 개발 환경 설정 과정을 완료하여 기술 배지를 획득하세요. Cloud Storage, Identity and Access Management, Cloud Functions, Pub/Sub의 기본 기능을 사용하여 스토리지 중심 클라우드 인프라를 구축하고 연결하는 방법을 배울 수 있습니다.
자세히 알아보기
초급 Compute Engine에서 Cloud Load Balancing 구현하기 기술 배지 과정을 완료하여 Compute Engine에서 가상 머신 만들기 및 배포, 네트워크 및 애플리케이션 부하 분산기 구성과 관련된 기술 역량을 입증하세요.
자세히 알아보기
이 초급 과정에서는 Google Cloud의 기본 도구 및 서비스를 직접 사용해 보는 실무형 실습을 진행합니다. 선택사항으로 제공되는 동영상에서는 실습에서 다룬 개념을 자세히 살펴보고 복습합니다. Google Cloud 필수 정보는 Google Cloud 학습자에게 추천되는 첫 번째 과정입니다. 클라우드에 대한 사전 지식이 거의 없거나 전혀 없더라도 첫 Google Cloud 프로젝트에 적용할 수 있는 실무 경험을 쌓을 수 있습니다. Cloud Shell 명령어 작성, 첫 번째 가상 머신 배포, Kubernetes Engine에서의 애플리케이션 실행, 부하 분산 등 Google Cloud 필수 정보에서는 플랫폼의 기본 기능을 소개합니다.
자세히 알아보기
