Hrishikesh Mohite
회원 가입일: 2024
Google Cloud의 데이터 분석 입문
Earned 7월 10, 2025 EDT
Google Drive의 Gemini
Earned 10월 15, 2024 EDT
Google Meet의 Gemini
Earned 10월 15, 2024 EDT
Google Sheets의 Gemini
Earned 10월 15, 2024 EDT
Google Slides의 Gemini
Earned 10월 15, 2024 EDT
Google Docs의 Gemini
Earned 10월 15, 2024 EDT
Gmail의 Gemini
Earned 10월 15, 2024 EDT
Gemini 기반 Google Workspace: AI 워크플로의 기반
Earned 10월 15, 2024 EDT
인코더-디코더 아키텍처
Earned 10월 15, 2024 EDT
어텐션 메커니즘
Earned 10월 15, 2024 EDT
이미지 생성 소개
Earned 10월 15, 2024 EDT
생성형 AI 소개
Earned 2월 27, 2024 EST
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
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
이 과정은 기계 번역, 텍스트 요약, 질의 응답과 같은 시퀀스-투-시퀀스(Seq2Seq) 작업에 널리 사용되는 강력한 머신러닝 아키텍처인 인코더-디코더 아키텍처에 대한 개요를 제공합니다. 인코더-디코더 아키텍처의 기본 구성요소와 이러한 모델의 학습 및 서빙 방법에 대해 알아봅니다. 해당하는 실습 둘러보기에서는 TensorFlow에서 시를 짓는 인코더-디코더 아키텍처를 처음부터 간단하게 구현하는 코딩을 해봅니다.
자세히 알아보기
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
생성형 AI란 무엇이고 어떻게 사용하며 전통적인 머신러닝 방법과는 어떻게 다른지 설명하는 입문용 마이크로 학습 과정입니다. 직접 생성형 AI 앱을 개발하는 데 도움이 되는 Google 도구에 대해서도 다룹니다.
자세히 알아보기
