이 과정에서는 Model Armor의 필수 보안 기능을 검토하고 서비스를 사용할 수 있도록 준비합니다. LLM과 관련된 보안 위험과 Model Armor가 AI 애플리케이션을 보호하는 방법을 알아봅니다.
이 과정은 Google Cloud 콘솔에 대한 기본 지식을 갖추고 있으며 조직 내에서 Gemini Code Assist 구성을 담당하는 Google Cloud 개발자 및 DevOps 엔지니어를 위해 설계되었습니다. 본 과정에서는 Gemini Code Assist의 장점을 소개하고, 다양한 Gemini Code Assist 버전별 기능을 비교합니다. 이 과정에서는 조직 내에서 Gemini Code Assist를 구성하고 관리하는 방법을 함께 소개합니다.
이 과정에서는 AI 에이전트, 엔터프라이즈 검색, Gemini Notebook, 지능형 데이터 액세스를 결합하여 조직의 과제를 해결하는 강력한 플랫폼인 Gemini Enterprise를 소개합니다. 학습자는 실제 사례와 실습을 통해 Gemini Enterprise 기능을 실제 비즈니스 니즈에 맞게 적용하고, 아키텍처를 파악하고, 역할에 따라 데이터 액세스 및 개인 정보 보호를 처리하는 방법을 익힐 수 있습니다.
Dataflow 과정 시리즈의 마지막 편에서는 Dataflow 운영 모델의 구성요소를 소개합니다. 파이프라인 성능의 문제를 해결하고 최적화하기 위한 도구와 기법을 살펴봅니다. 그런 다음 Dataflow 파이프라인의 테스트, 배포, 안정성 권장사항을 검토합니다. 마지막으로 Dataflow 파이프라인을 사용자가 수백 명이나 되는 조직으로 쉽게 확장할 수 있는 템플릿을 검토해 보겠습니다. 이 강의는 데이터 플랫폼이 예상치 못한 상황에서도 안정성과 복원력을 갖추도록 하는데 도움이 됩니다.
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.
중급 BigQuery로 데이터 웨어하우스 빌드 기술 배지를 완료하여 데이터를 조인하여 새 테이블 만들기, 조인 관련 문제 해결, 합집합으로 데이터 추가, 날짜로 파티션을 나눈 테이블 만들기, BigQuery에서 JSON, 배열, 구조체 작업하기와 관련된 기술 역량을 입증하세요.
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.
이 과정에서는 데이터-AI 워크플로를 지원하는 AI 기반 기능 모음인 BigQuery의 Gemini에 관해 살펴봅니다. 이러한 기능에는 데이터 탐색 및 준비, 코드 생성 및 문제 해결, 워크플로 탐색 및 시각화 등이 있습니다. 이 과정은 개념 설명, 실제 사용 사례, 실무형 실습을 통해 데이터 실무자가 생산성을 향상하고 개발 파이프라인의 속도를 높이는 데 도움이 됩니다.
중급 BigQuery ML로 ML 모델 만들기 기술 배지 과정을 완료하면 BigQuery ML로 머신러닝 모델을 만들고 평가하여 데이터 예측을 수행하는 기술 역량을 입증할 수 있습니다.
이 과정에서는 분산 AI 및 머신러닝 워크로드에 최적화된 GKE 클러스터의 자동화 및 운영 관리를 다룹니다. 가속기 리소스를 프로비저닝하고, 고급 워크로드 큐를 구성하고, 용량 제약 조건을 완화하고, 대규모 분산 작업을 조정하는 방법을 배웁니다.
Google Kubernetes Engine을 사용하여 애플리케이션을 대규모로 현대화, 관리, 모니터링하는 방법을 알아봅니다. 이 과정에서는 강의와 실무형 실습을 통해, 여러 공급업체에서 호스팅하는 다양한 클러스터에 분산된 경우에도 최신 애플리케이션을 사용할 수 있게 해주는 Google Kubernetes Engine(GKE), GKE Fleet, Cloud Service Mesh, 구성 컨트롤러의 기능과 배포 방법을 알아봅니다.
이 과정에서는 강력한 Gemini Enterprise for Customer Experience(GECX) 솔루션을 설계, 빌드, 유지관리하는 데 필요한 필수 주제를 자세히 살펴봅니다. 기존의 고정관념을 뛰어넘어 고객 만족도를 높이는 아키텍처를 구축할 준비를 시작해 보세요. 이 과정은 GECX의 아키텍처를 소개하기 위해 설계되었습니다. 주요 아키텍처 구성요소와 통합을 포함하여 대화형 AI 솔루션을 빌드하고 구현하기 위한 주요 고려사항을 살펴봅니다. 또한 Gemini Enterprise Agent Platform과의 통합을 살펴보고 GECX의 주요 기능에 대한 개요를 확인합니다.
Gemini Enterprise for Customer Experience(GECX)와 강력한 생성형 AI 기능에 관한 이 과정을 통해 고객 서비스에 대해 깊이 있게 이해해 보세요. 먼저 고객센터의 지난 여정을 짚어보며 고객센터가 어떻게 발전해 왔고 생성형 AI가 어떤 변화를 가져오고 있는지 알아봅니다. 그런 다음 GECX 솔루션의 핵심 구성요소를 자세히 살펴보고 각 구성요소가 탁월한 고객 경험을 제공하는 데 어떻게 기여하는지 알아봅니다. 마지막으로 GECX의 강력한 비즈니스 사례와 함께 실용적인 사용 사례, 이 혁신적인 솔루션을 활용하는 다양한 사용자 페르소나에 대해 살펴보며 과정을 마무리합니다.
이 과정에서는 대화 분석 정보를 활용하여 고객센터 데이터에서 숨겨진 정보를 찾아내고 운영 효율성을 높이며 데이터 기반 비즈니스 의사결정을 내리는 방법을 알아봅니다.
In this introductory course, you'll learn how Looker can help you explore, analyze, and visualize your data to drive better decisions. Through a combination of video lectures and demos, you'll discover how to connect to various data sources, build interactive dashboards, and perform effective data analysis. Whether you're a data analyst, BI analyst, data scientist or business user, this course will equip you with the foundational knowledge to start using Looker effectively, regardless of your background.
이 과정에서는 Google Cloud 환경을 보호하기 위한 기본 지식을 제공합니다. 제로 트러스트 원칙과 공동 운명 모델을 포함한 Google Cloud의 보안 모델을 알아봅니다. Cloud ID 및 직원 ID 제휴와 같은 ID 서비스를 구성하고, Identity and Access Management(IAM) 역할, 조건, 정책을 사용하여 액세스 제어를 관리하며, VPC, Cloud Firewall 등급, VPC 서비스 제어와 같은 네트워크 보안 제어를 구현하여 안전한 경계를 구축합니다. 이 과정은 Google Cloud의 보안 학습 과정의 기초로서, 이후 두 가지 전문 트랙인 5개 과정으로 구성된 'Google Cloud 보안 권장사항 시리즈'와 4개 과정으로 구성된 'Google Cloud의 위협 완화' 시리즈에 필요한 핵심 원칙을 정립합니다.
데이터베이스용 MCP 도구 상자를 사용하여 엔터프라이즈 데이터베이스를 활용할 수 있는 AI 에이전트를 빌드하세요. 안전한 데이터베이스 상호작용 도구를 정의하고 지능형 쿼리 기능(벡터 임베딩, 구조화된 쿼리 활용)을 구현해 봅니다.
생성형 AI 에이전트를 프로토타입에서 프로덕션으로 가져가는 데 필요한 AgentOps 관행을 알아봅니다. 이 과정에서는 엔드 투 엔드 모니터링 가능성, CI/CD 파이프라인의 품질 검사 자동화, 엔터프라이즈 규정 준수를 위한 에이전트 인프라 보호를 다룹니다. Gemini Enterprise Agent Ready(GEAR) 프로그램의 다른 콘텐츠도 살펴봅니다.
This course brings AI-driven, natural-language data engineering into the IDE and CLI workflows you already use. Built on the Agent Development Kit (ADK), the Data Agent Kit connects to a wide array of Google Cloud services, including BigQuery, Spanner, BigLake, Dataproc, and Managed Airflow. By using it, you can collapse days of pipeline scaffolding, data build tool (dbt) authoring, and orchestration wiring into prompt-driven sessions. As an intermediate-to-advanced practitioner, you will learn to build a data agent with the Agent Development Kit (ADK). You'll wire up the Model Context Protocol (MCP) layer, and use your agent to explore catalogs, transform data, train models, and orchestrate scheduled pipelines on Google Cloud.
고급 구성으로 에이전트를 빌드해 보았으니 이제 실제 사용 가능한 기능을 추가해 볼 차례입니다. 에이전트에 웹 검색, 코드 실행, 데이터베이스 쿼리, 커스텀 작업 수행을 지원하는 도구를 탑재해 보세요. 에이전트를 지능형 응답자에서 직접 작업을 수행하는 유능한 어시스턴트로 만들 수 있습니다. Gemini Enterprise Agent Ready(GEAR) 프로그램의 다른 콘텐츠도 살펴봅니다. 커뮤니티 포럼에서 질문하고 토론하세요.
쿼리에 응답하는 기본적인 LLM 에이전트를 빌드해 보았으니 이제 이를 스테이트풀(Stateful) 에이전트로 만들어 보겠습니다. 세션 상태를 활용하여 컨텍스트를 유지하고, 사용자 선호도를 기억하고, 개인화된 경험을 제공하는 에이전트를 빌드해 봅니다. 에이전트를 스테이트리스(Stateless) 응답자에서 지능형 어시스턴트로 전환할 수 있습니다. Gemini Enterprise Agent Ready(GEAR) 프로그램의 다른 콘텐츠도 살펴봅니다. 커뮤니티 포럼에서 질문하고 토론하기
중급 에이전트 개발 키트(ADK)로 AI 에이전트 엔지니어링 기술 배지 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.
첫 번째 에이전트를 빌드해 보았으니, 이제 한 단계 더 나아갈 차례입니다. 이 과정에서는 고급 요청 사항, 모델 선택, 계획 기능, 구조화된 출력 패턴을 적용하여 기본적인 AI 에이전트를 정교하고 정확한 어시스턴트로 발전시키는 기술을 연마하게 됩니다. Gemini Enterprise Agent Ready(GEAR) 프로그램의 다른 콘텐츠도 살펴봅니다. 커뮤니티 포럼에서 질문하고 토론하기.
미래로 나아가는 여정을 '에이전트 전략: 발견, 설계, 프로토타입 제작'으로 시작해 보세요. 이 과정에서는 Google의 에이전트 AI Transformation 프레임워크를 체계적으로 익히고 단순한 챗봇을 발전시켜 자율적으로 협업하는 팀원으로 만드는 방법을 학습할 수 있습니다. 소매 산업 사례를 통해 비즈니스 가치를 정량화하고 AI 프로젝트의 우선순위를 설정하며 중요한 사용자 여정을 설계하는 방법을 익히게 됩니다. 또한 Google AI Studio와 Gemini Enterprise 같은 노 코드 도구를 활용해 실제로 작동하는 프로토타입을 빌드하는 실습도 포함되어 있습니다. 이 과정은 비즈니스 및 기술 리더가 조직을 에이전트 AI 시대로 이끄는 데 필요한 로드맵을 명확하게 보여줍니다.
이 과정에서는 Google Antigravity에서 에이전트를 조정하여 추진력 있는 속도로 소프트웨어를 빌드하는 방법을 알아봅니다. 이 실무형 과정에서는 먼저 Antigravity를 설치하고 시작하는 방법을 안내합니다. 다음으로 Firebase를 사용하여 Antigravity로 빌드한 앱의 서비스를 사용 설정합니다. 마지막으로 Antigravity에서 에이전트가 병렬로 작동하도록 프롬프트를 작성하여 Voyager라는 비디오 게임을 빌드합니다.
이 과정에서는 Vertex AI Agent Builder, Gemini Enterprise, 대화형 에이전트, 에이전트 개발 키트를 포함해 Google Cloud의 에이전트 플랫폼에 대한 포괄적인 개요를 제공합니다. 학습자는 각 제품의 고유한 기능을 이해하고, 특정 사용 사례에 가장 적합한 솔루션을 구별하며, 검색 및 채팅 애플리케이션 제작에 필요한 기초 지식을 습득하게 됩니다.
고급 멀티 에이전트 시스템으로 에이전트 스킬 사용하기 기술 배지 과정을 완료하여 ADK를 사용한 멀티 에이전트 시스템 빌드, 에이전트 간(A2A) 프로토콜을 사용한 에이전트 연결, 모델 컨텍스트 프로토콜(MCP)을 사용한 외부 도구 통합, Agent Engine에 완전한 멀티 에이전트 솔루션 배포에 대한 기술을 입증하세요. Gemini Enterprise Agent Ready(GEAR) 프로그램의 다른 콘텐츠도 살펴보세요.
Google의 에이전트 개발 키트(ADK)와 모델 컨텍스트 프로토콜(MCP)을 사용하여 멀티 에이전트 시스템을 설계, 조정, 배포하는 방법을 알아봅니다. 여행 컨시어지 예시를 사용하여 커스텀 가드레일로 전문화된 에이전트 네트워크를 조정하는 방법을 알아봅니다. 이 과정을 마치면 강력하고 확장 가능한 AI 워크플로에 필요한 설계 패턴과 배포 전략을 이해하게 됩니다.
Close the gap between general AI capabilities and your domain knowledge through Agent Skills. This course walks you through the full lifecycle of custom skill building, from local scaffolding and testing to enterprise scaling and sharing using Google's agent ecosystem, including Google Antigravity, ADK, and Skill Registry. Additionally, you use Google Agents CLI toolkit to attach skills to standalone 24/7 cloud agents, equipping your team with reliable, autonomous digital coworkers.
"바이브 코딩과 MCP를 활용하여 스마트한 클라우드 애플리케이션 빌드하기" 과정을 완료하여 기술 배지를 획득하세요. 이 과정에서는 Google의 AI 코딩 어시스턴트와 MCP 서버의 강력한 기능을 활용하는 방법을 배울 수 있습니다.
이 과정에서는 Google 에이전트 개발 키트를 사용하여 복잡한 멀티 에이전트 시스템을 빌드하는 방법을 학습합니다. 학습자는 도구를 갖춘 에이전트를 빌드하고 상하위 관계 및 흐름을 사용해 여러 에이전트를 연결하여 상호작용 방식을 정의해 봅니다. 에이전트를 로컬로 실행하고 Gemini Enterprise Agent Platform의 Agent Runtime에 배포하여 인프라 결정과 Agent Runtime에서 처리하는 리소스 확장에 따른 관리형 에이전트 흐름으로 실행합니다. 이 실습은 이 제품의 출시 전 버전을 기반으로 합니다. 유지보수 업데이트를 제공하는 동안에는 이러한 실습에 약간의 지연이 있을 수 있습니다.
클라우드 아키텍처: 설계, 구현, 관리 과정을 완료하고 기술 배지를 획득하여 Apache 웹 서버를 통해 공개 액세스 가능한 웹사이트 배포, 시작 스크립트를 사용한 Compute Engine VM 구성, Windows 배스천 호스트와 방화벽 규칙을 사용한 보안 RDP 구성, Docker 이미지를 빌드하고 Kubernetes 클러스터에 배포한 후 업데이트, CloudSQL 인스턴스 만들기, MySQL 데이터베이스 가져오기 관련 기술 역량을 입증하세요. 이 기술 배지 과정은 Google Cloud 공인 프로페셔널 클라우드 설계자 자격증 시험에서 다루는 주제를 이해하는 데 도움이 되는 리소스입니다.
중급 Google Cloud에서 Cloud 보안 기본사항 구현하기 기술 배지 과정을 완료하여 Identity and Access Management(IAM)로 역할 생성 및 할당, 서비스 계정 생성 및 관리, 가상 프라이빗 클라우드(VPC) 네트워크에서 비공개 연결 사용 설정, IAP(Identity-Aware Proxy)를 사용한 애플리케이션 액세스 제한, Cloud Key Management Service(KMS)를 사용한 키와 암호화된 데이터 관리, 비공개 Kubernetes 클러스터 생성과 관련된 기술 역량을 입증하세요.
고급 멀티 에이전트 아키텍처 배포 기술 배지를 획득하고 다음 역량을 입증하세요. 여기에는 ADK를 사용하여 멀티 에이전트 시스템을 구축하고, 에이전트 간(A2A) 프로토콜을 사용하여 에이전트를 연결하고, 모델 컨텍스트 프로토콜(MCP)을 사용하여 외부 도구를 통합하고, 에이전트 엔진에 완전한 멀티 에이전트 솔루션을 배포하는 작업이 포함됩니다.
Cloud Storage에서 스트리밍 데이터 레이크 만들기 과정을 완료하고 기술 배지를 획득하세요. 이 과정에서는 Google Cloud에서 Pub/Sub, Dataflow, Cloud Storage를 사용해 스트리밍 데이터 레이크를 만드는 방법을 알아봅니다.
중급 Google Cloud에서 Terraform으로 인프라 빌드 기술 배지 과정을 완료하여 Terraform을 사용하는 코드형 인프라(IaC) 원칙, Terraform 구성으로 Google Cloud 리소스 프로비저닝 및 관리, 효과적인 상태 관리(로컬 및 원격), 재사용성 및 구성을 위한 Terraform 코드 모듈화 등에 관한 기술을 입증하세요.
The AI Infra Enablement Series, is designed for expert AI Infra CE, FSA, and GCC professionals. It aims to provide deep technical content, architecting experience, and hands-on opportunities in building end-to-end solutions. The series will cover key areas such as Customer Stories, Accelerator Orchestration, TPU/GPU, AI Infra Storage, and AI Infra Observability. Participants will gain insights into troubleshooting, customer use cases, decision frameworks, and roadmap impacts for current and future deliveries in AI infrastructure. The goal is to equip attendees with the knowledge and skills to effectively develop customer solutions and navigate the fast-moving product portfolio in AI. You can find all of our courses and technical learning packs on go/trainingcatalog. Brought to you by the GCC Tech Enablement Team (gcc-enablement@). Share your request/feedback on go/learningpacks-feedback! When you complete this course, you can earn the badge displayed here! View all the badges yo…
This course provides an overview of Google's AI infrastructure offerings, distinguishing between Google-managed (Vertex AI, Cloud Run) and self-managed (GKE, GCE) solutions. It discusses various GPU/TPU consumption models like DWS, Spot, and Reservations, and highlights key differentiators of GKE for AI workloads, including Cluster Director, AI Inference Gateway, and Custom Compute Classes. It also touches upon identifying customer personas and use cases for each product. Learning Objectives Articulate the fundamental technical concepts underpinning modern cloud infrastructure and AI workloads. Differentiate between various cloud runtimes beyond Kubernetes, and explain their respective strengths and use cases. Identify and describe the capabilities of Google Compute Engine (GCE) resources, specifically TPUs and GPUs, for accelerating computational tasks. Design and propose practical AI infrastructure solutions, including inference workloads, supported by relevant use cases and imple…
'AI 인프라: 네트워킹 기술' 과정에 오신 것을 환영합니다. 이 과정에서는 Google Cloud의 지연 시간이 짧은 고대역폭 인프라를 활용하여 AI 시스템의 모든 구성요소 간 데이터 전송 및 통신을 최적화하는 방법을 배우게 됩니다. 이 과정을 마치면 데이터 수집 및 학습부터 추론에 이르기까지 전체 AI 파이프라인에서 네트워킹이 수행하는 중요한 역할을 이해하고, 워크로드를 최대 속도로 실행할 수 있는 최적의 방법을 적용할 수 있게 됩니다.
이 과정에서는 AI 및 고성능 컴퓨팅(HPC) 워크로드에 특화된 Google Cloud의 스토리지 솔루션에 대해 종합적으로 다룹니다. ML 수명 주기의 각 단계에 적절한 스토리지를 선택하는 방법을 알아봅니다. 학습 중 I/O 성능을 최적화하는 방법, 데이터 준비를 위해 대규모 데이터 세트를 관리하는 방법, 짧은 지연 시간으로 모델 아티팩트를 서빙하는 방법도 살펴봅니다. 실제 사례와 데모를 통해 AI 혁신을 가속화하는 견고한 스토리지 솔루션을 설계하는 데 필요한 전문성을 확보하게 됩니다.
이 과정은 Google Cloud에서 AI 및 고성능 컴퓨팅(HPC) 워크로드를 배포, 관리, 최적화하는 방법에 대한 포괄적인 가이드를 제공합니다. 일련의 강의와 실용적인 데모를 통해 Google Compute Engine(GCE)을 사용하는 고도로 맞춤 설정 가능한 환경부터 Google Kubernetes Engine(GKE)과 같은 관리형 솔루션에 이르기까지 다양한 배포 전략을 살펴봅니다. 특히 클러스터를 만들고 추론을 위해 GKE를 배포하는 방법도 배우게 됩니다.
This course is for developers interested in learning how to use TPUs for inference—from architecture to deployment, and how to solve common implementation challenges. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.
This course is designed for developers looking to build an optimized AI inference stack on Google Cloud. Whether you’re working with GPUs or TPUs, you’ll explore the fundamental components of an inference stack, learn design principles for maximizing performance and reliability, and explore practical techniques to take your workloads from 0 to 1. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.
In this challenge lab, you will demonstrate your ability to author agents using Agent Development Kit (ADK), deploy those agents to Agent Engine, and use them from a web app. Complete the challenge lab to earn a Google Cloud skill badge.
This lab tests your ability to develop a real-world Generative AI Q&A solution using a RAG framework. You will use Firestore as a vector database and deploy a Flask app as a user interface to query a food safety knowledge base.
Complete the Edit images with Imagen skill badge to demonstrate your skills with Imagen's mask modes and editing modes to edit images according to certain prompts. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network. When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!
In this skill bagde, you will demonstrate your ability to use and compare models available in the Vertex AI Model Garden. You'll deploy a model to a Vertex AI Endpoint, query other models via their API, and use Vertex AI's Gen AI evaluation service to measure the performance of multiple models.
Complete the Extend Gemini with controlled generation and Tool use skill badge to demonstrate your proficiency in connecting models to external tools and APIs. This allows models to augment their knowledge, extend their capabilities and interact with external systems to take actions such as sending an email. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network. When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!"
Learn how to create Hybrid Search applications using Vector Search on Gemini platform to combine semantic searching with keyword search to return results based on both semantic meaning and keyword matching.
Learn how to build your own Retrieval-Augmented Generation (RAG) solutions for greater control and flexibility than out-of-the-box implementations. Create a custom RAG solution using Gemini platform APIs, vector stores, and the LangChain framework.
이 과정에서는 AI 할루시네이션을 완화하는 BigQuery의 검색 증강 생성(RAG) 솔루션을 살펴봅니다. 임베딩 만들기, 벡터 공간 검색, 개선된 응답 생성을 포함한 RAG 워크플로를 소개합니다. 또한 이 과정은 이러한 단계의 배경이 되는 개념을 설명하고 BigQuery를 통한 실질적인 구현 과정을 살펴봅니다. 이 과정을 마친 학습자는 BigQuery와 Gemini 및 임베딩 모델 같은 생성형 AI 모델을 사용하여 자신의 AI 할루시네이션 사용 사례를 해결하는 RAG 파이프라인을 빌드할 수 있게 됩니다.
Explore a variety of techniques for using Gemini to understand image, audio, video, and live-streaming media. You will discover how meaningful information can be extracted from each of these forms of media to use in media-rich applications.
This course dives into the world of media creation with Gemini Enterprise Agent Platform using Nano Banana and Veo. Learn to design text and image-based prompts to produce high-quality, consistent images, and captivating, cinematic video clips. You'll also learn to refine generated assets using core editing functions. Finally, this course guides you through multi-tool workflow implementations for creative control and consistency, empowering you to transform images into video clips and leverage Gemini for prompt writing assistance and feedback.
With this course you will learn how to use different techniques to fine-tune Gemini. Model tuning is an effective way to customize large models like Gemini for your specific tasks. It's a key step to improve the model's quality and efficiency. This course will give an overview of model tuning, describe the tuning options available for Gemini, help you determine when each tuning option should be used and how to perform tuning.
Model Garden on Gemini platform is a model library that helps you discover, test, and deploy models from Google and Google partners. Learn how to explore the available models and select the right ones for your use case. And how to deploy and interact with Model Garden models through the Google Cloud console and APIs.
An LLM-based application can process language in a way that resembles thought. But if you want to extend its capabilities to take actions by running other functions you have coded, you will need to use function calling. This can also be referred to as tool use. Additionally, you can give a model the ability to search Google or search a data store of documents to ground its responses. In other words, to base its answers on that information. In this course, you’ll explore these concepts.
Learn a variety of strategies and techniques to engineer effective prompts for generative models
Learn how to leverage Gemini multimodal capabilities to process and generate text, images, and audio and to integrate Gemini through APIs to perform tasks such as content creation and summarization.
Become an AI/ML Expert and Trusted Customer Advisor Are you a technical Cloud Googler ready to elevate your AI/ML expertise and become a go-to resource for customers? This on-demand learning pack captures the essence of the acclaimed AI/ML SME Academy, delivering advanced knowledge and practical insights to empower you in the dynamic world of artificial intelligence and machine learning. The typical participant is comfortable with AI/ML fundamentals and is looking to exercise and advance their knowledge to the next level. Topics covered in this academy AI Infrastructure - Platform overviews of TPU and GPU architectures, cluster provisioning and management, scaling training workloads using various technologies, and deploying ML models for inference at scale with different optimization techniques and frameworks. Agents - Connector architecture, custom connector development, indexing and search architectures, agentic architectures, communication patterns, agent lifecycle management, a…
Cloud TPU 과정에 오신 것을 환영합니다. 다양한 시나리오에서 TPU의 장단점을 살펴보고 여러 TPU 가속기를 비교하여 적합한 것을 선택하는 데 도움을 드리겠습니다. 이 과정을 통해 AI 모델의 성능과 효율성을 극대화하는 전략을 배우고 유연한 머신러닝 워크플로에 있어 GPU/TPU 상호 운용성이 얼마나 중요한지 이해하게 될 것입니다. 흥미로운 콘텐츠와 실용적인 데모를 통해 TPU를 효과적으로 활용하는 방법을 단계별로 안내해 드리겠습니다.
AI를 뒷받침하는 강력한 하드웨어가 궁금하신가요? 이 모듈에서는 성능 최적화된 AI 컴퓨터를 분석하고 그 중요성을 알려드립니다. CPU, GPU, TPU가 어떻게 AI 태스크를 초고속으로 처리하는지, 각각의 고유한 특징은 무엇인지, 그리고 AI 소프트웨어에서 이를 최대한 활용하는 방법을 살펴보겠습니다. 이 과정을 마치면 AI 프로젝트에 적합한 GPU를 선택하는 방법을 정확히 알게 되어 AI 워크로드를 처리할 때 현명한 결정을 내릴 수 있게 됩니다.
AI 하이퍼컴퓨터를 시작할 준비가 되셨나요? 이 과정에서는 AI 하이퍼컴퓨터를 쉽게 시작할 수 있도록 도와드립니다. AI 하이퍼컴퓨터에 대한 기본사항을 다루고 AI 하이퍼컴퓨터가 AI의 AI 워크로드 처리에 어떤 도움을 주는지 살펴봅니다. GPU, TPU, CPU 등 하이퍼컴퓨터 내부의 다양한 구성요소와 니즈에 맞는 적절한 배포 방식을 선택하는 방법을 알아봅니다.
Complete the Extend Gemini Capabilities skill badge to demonstrate your ability to extend Gemini capabilities with actions, grounding with Google Search, and a conversational agent. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network. When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!
Complete the Create media search and media recommendations applications with AI Applications skill badge to demonstrate your ability to create, configure, and access media search and recommendations applications using AI Applications. Please note that AI Applications was previously named Agent Builder, so you may encounter this older name within the lab content. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network. When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!
Complete the Configure and optimize Agent Search skill badge to demonstrate your proficiency in configuring search results from Agent Search. You will be tasked with implementing search serving controls to boost and bury results, filter entries from search results and display metadata in your search interface. Please note that Agent Search was previously named AI Applications, so you may encounter this older name within the lab content. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network. When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!
Complete the Create and maintain Agent Search data stores skill badge to demonstrate your proficiency in building various types of data stores used in Agent Search applications. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network. When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!
Data stores represent a simple way to make content available to many types of generative AI applications, including search applications, recommendations engines, Gemini platform apps, Agent Development Kit (ADK) in Gemini platform agents, and apps built with Google Gen AI or LangChain SDKs. Connect data from many sources include Cloud Storage, Google Drive, chat apps, mail apps, ticketing systems, third-party file storage providers, Salesforce, and many more.
Do you want to keep your users engaged by suggesting content they'll love? This course equips you with the skills to build a cutting-edge recommendations app using your own data with no prior machine learning knowledge. You learn to leverage AI Applications to build recommendation applications so that audiences can discover more personalized content, like what to watch or read next, with Google-quality results customized using optimization objectives.
NotebookLM is an AI-powered collaborator that helps you do your best thinking. After uploading your documents, NotebookLM becomes an instant expert in those sources so you can read, take notes, and collaborate with it to refine and organize your ideas. NotebookLM Pro gives you everything already included with NotebookLM, as well as higher utilization limits, access to premium features, and additional sharing options and analytics.
In this focused course, you will learn how to improve Agent Search Results on the Gemini platform by mastering meta tags and serving controls. Through targeted lessons, hands-on labs, and quizzes, you will discover how to enrich your web content with metadata, schema.org JSON, and byline dates, and how to configure custom controls to boost, bury, and filter search results for a more relevant user experience. Explore other content in the Gemini Agent Ready (GEAR) program: https://developers.google.com/program/gear.
AI Applications provides built-in analytics for your Agent Search and Gemini. Learn what metrics are tracked and how to view them in this course.
Initial deployment of Agent Search and Gemini takes only a few clicks, but getting the configurations right can elevate a deployment from a basic off-the-shelf app to an excellent custom search or recommendations experience. In this course, you'll learn more about the many ways you can customize and improve search, recommendations, and Gemini.
Complete the Build search and recommendations AI Applications skill badge to demonstrate your proficiency in deploying search and recommendation applications through AI Applications. Additionally, emphasis is placed on constructing a tailored Q&A system utilizing data stores. Please note that AI Applications was previously named Agent Builder, so you may encounter this older name within the lab content. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network. When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!
This course introduces AI Applications. You will learn about the types of apps that you can create using AI Applications, the high-level steps that its data stores automate for you, and what advanced features can be enabled for Search apps. (Please note Gemini Enterprise was previously named Google Agentspace, there may be references to the previous product name in this course.)
이 과정에서는 Google Cloud에서 Terraform을 사용하는 방법을 소개합니다. 학습자는 Terraform을 사용하여 코드형 인프라를 구현하는 방법을 설명하고, Terraform의 주요 특징과 기능을 적용하여 Google Cloud 인프라를 생성하고 관리할 수 있게 됩니다. 또한 Terraform을 사용하여 Google Cloud 리소스를 빌드하고 관리하는 실무형 실습도 진행합니다.
직원들이 검색창 하나로 문서 스토리지, 이메일, 채팅, 티켓 시스템, 기타 데이터 소스에서 특정 정보를 찾을 수 있도록 설계된 강력한 도구인 Gemini Enterprise에는 Google의 전문적인 검색 및 AI 기술이 통합되어 있습니다. 또한 Gemini Enterprise 어시스턴트를 사용하면 브레인스토밍 및 조사는 물론 문서 개요를 작성하고 캘린더 일정에 동료를 초대하는 등의 작업에 도움이 되므로 직원들이 지식 관련 작업과 모든 종류의 협업을 빠르게 진행할 수 있습니다. (Gemini Enterprise의 이전 명칭은 Google Agentspace였으며, 이 과정에서 이전 제품 이름이 언급될 수 있습니다.)
이 과정에서는 Google Cloud의 생성형 AI 기반 도우미인 Gemini가 관리자의 인프라 프로비저닝을 어떻게 도와주는지 알아봅니다. 인프라에 관해 설명하고, GKE 클러스터를 배포하고, 기존 인프라를 업데이트하도록 Gemini에 프롬프트를 입력하는 방법을 배울 수 있습니다. 또한 실무형 실습을 통해 Gemini가 GKE 배포 워크플로를 어떻게 개선하는지 경험할 수 있습니다. Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다.
이 과정에서는 엔지니어가 Google Cloud의 생성형 AI 기반 파트너인 Gemini의 도움을 받아 인프라를 관리하는 방법을 알아봅니다. 애플리케이션 로그를 찾고 이해하며, GKE 클러스터를 생성하고, 빌드 환경을 만드는 방법을 조사하도록 Gemini에 프롬프트를 입력하는 방법을 배울 수 있습니다. 실무형 실습을 통해 Gemini로 DevOps 워크플로가 얼마나 개선되는지 경험할 수 있습니다. Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다.
Artificial Intelligence (AI) offers transformative possibilities, but it also introduces new security challenges. This course equips security and data protection leaders with strategies to securely manage AI within their organizations. Learn a framework for proactively identifying and mitigating AI-specific risks, protecting sensitive data, ensuring compliance, and building a resilient AI infrastructure. Pick use cases from four different industries to explore how these strategies apply in real-world scenarios.
This is an opportunity for Technical Cloud Googlers to enhance their TPU/GPU skills and knowledge through a deep dive program covering the following focus areas/ individual tracks: TPU/GPU Networking GKE Expertise Slurm Expertise TPU/GPU Storage Best Practices Common transformer/LLM frameworks (Huggingface/triton/etc) Monitoring and logging for TPU/GPU
이 과정에서는 AI 개인 정보 보호 및 안전에 관한 중요한 주제를 소개합니다. Google Cloud 제품과 오픈소스 도구를 사용하여 AI 개인 정보 보호 및 안전 권장사항을 구현하는 실용적인 방법과 도구를 살펴봅니다.
이 과정에서는 AI 해석 가능성과 투명성의 개념을 소개합니다. 개발자와 엔지니어에게 AI 투명성이 얼마나 중요한지를 설명합니다. 데이터와 AI 모델 모두에서 해석 가능성과 투명성을 구현하는 데 도움이 되는 실용적인 방법과 도구를 살펴봅니다.
이 과정에서는 책임감 있는 AI라는 개념과 AI 원칙을 소개합니다. 공정성과 편향을 실질적으로 식별하고 AI/ML 실무에서 편향을 완화하는 기법을 알아봅니다. Google Cloud 제품과 오픈소스 도구를 사용하여 책임감 있는 AI 권장사항을 구현하는 실용적인 방법과 도구를 살펴봅니다.
생성형 AI 애플리케이션은 대규모 언어 모델(LLM)이 발명되기 전에는 불가능에 가까웠던 새로운 사용자 경험을 만들 수 있습니다. 어떻게 하면 애플리케이션 개발자가 생성형 AI를 사용해 Google Cloud에서 강력한 대화형 앱을 빌드할 수 있을까요? 이 과정에서는 생성형 AI 애플리케이션에 대해 알아보고 프롬프트 설계 및 검색 증강 생성(RAG)을 사용해 LLM 기반의 강력한 애플리케이션을 빌드하는 방법을 학습합니다. 생성형 AI 애플리케이션에 사용할 수 있는 프로덕션 레디 아키텍처를 살펴보고 LLM 및 RAG 기반 채팅 애플리케이션을 빌드합니다.
이 과정에서는 Google Cloud에서 최신 ML 파이프라인 개발을 담당하는 ML 엔지니어와 트레이너로부터 유익한 지식을 배웁니다. 초반에 진행되는 몇 개 모듈에서는 Google의 TensorFlow 기반 프로덕션 머신러닝 플랫폼으로서 ML 파이프라인과 메타데이터를 관리할 수 있는 TensorFlow Extended(TFX)에 대해 다룹니다. 파이프라인 구성요소와 TFX를 사용한 파이프라인 조정을 알아봅니다. 지속적 통합과 지속적 배포를 통해 파이프라인을 자동화하는 방법과 ML 메타데이터를 관리하는 방법도 배웁니다. 그런 다음 주제를 전환하여 TensorFlow, PyTorch, scikit-learn, xgboost 등 여러 ML 프레임워크에서 ML 파이프라인을 자동화하고 재사용하는 방법을 설명합니다. 또한 Google Cloud의 또 다른 도구인 Cloud Composer를 사용하여 지속적 학습 파이프라인을 조정하는 방법도 알아봅니다. 마지막으로 MLflow를 사용하여 머신러닝의 전체 수명 주기를 관리하는 방법을 살펴봅니다.
이 과정은 머신러닝 실무자에게 생성형 AI 모델과 예측형 AI 모델을 평가하는 데 필요한 도구, 기술, 권장사항을 제공합니다. 모델 평가는 프로덕션 단계의 ML 시스템이 안정적이고 정확하고 성능이 우수한 결과를 제공할 수 있게 하는 중요한 분야입니다. 강의 참가자는 다양한 평가 측정항목, 방법, 각각 다른 모델 유형과 작업에 적합한 애플리케이션에 대해 깊이 있게 이해할 수 있습니다. 이 과정에서는 생성형 AI 모델의 고유한 문제를 강조하고 이를 효과적으로 해결하기 위한 전략을 소개합니다. 강의 참가자는 Google Cloud의 Vertex AI Platform을 활용해 모델 선택, 최적화, 지속적인 모니터링을 위한 견고한 평가 프로세스를 구현하는 방법을 알아볼 수 있습니다.
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.
이 과정에서는 프로덕션 환경에서 고성능 ML 시스템을 빌드하기 위한 구성요소와 권장사항을 자세히 살펴봅니다. 정적 학습, 동적 학습, 정적 추론, 동적 추론, 분산 TensorFlow, TPU 등 고성능 ML 시스템 빌드와 관련된 일반적인 고려사항을 다룹니다. 이 과정에서는 정확한 예측 능력 외에도 양질의 ML 시스템을 만드는 특성을 탐구하는 데 중점을 둡니다.
이 과정에서는 Vertex AI Feature Store 사용의 이점, ML 모델의 정확성을 개선하는 방법, 가장 유용한 특성을 만드는 데이터 열을 찾는 방법을 살펴봅니다. 이 과정에는 BigQuery ML, Keras, TensorFlow를 사용한 특성 추출에 관한 콘텐츠와 실습도 포함되어 있습니다.
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.
이 과정은 데이터 준비부터 모델 배포와 모니터링까지 전체 머신러닝 워크플로를 위한 통합 플랫폼을 제공하는 Jupyter 노트북 기반 환경인 Vertex AI Notebooks를 소개합니다. 이 과정에서는 (1) 다양한 유형의 Vertex AI Notebooks와 그 특징, (2) Vertex AI Notebooks를 만들고 관리하는 방법을 다룹니다.
이 과정에서는 생성형 AI 프로젝트와 예측형 AI 프로젝트를 모두 개발하는 데 중점을 두고 Google Cloud의 AI 및 머신러닝(ML) 기능을 소개합니다. 데이터에서 AI로 이어지는 수명 주기 전반에 걸쳐 사용할 수 있는 다양한 기술, 제품, 도구를 살펴보고, 데이터 과학자, AI 개발자, ML 엔지니어가 대화형 실습을 통해 전문성을 강화할 수 있도록 지원합니다.
Gemini Notebook을 사용하여 Professional Machine Learning Engineer(PMLE) 자격증 시험을 위한 맞춤형 학습 가이드를 만드는 방법을 알아보세요. Gemini Notebook 기능을 검토하고, 노트북을 만들고, 학습 가이드를 사용하여 자격증 시험을 연습합니다.
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.
Gemini Notebook을 사용하여 Professional Cloud Network 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.
책임감 있는 AI란 무엇이고 이것이 왜 중요하며 Google에서는 어떻게 제품에 책임감 있는 AI를 구현하고 있는지 설명하는 입문용 마이크로 학습 과정입니다. Google의 7가지 AI 원칙도 소개합니다.
Earn a skill badge by completing the Deploy Google Cloud Framework Data Foundation for SAP quest. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this skill badge quest, and the final assessment challenge lab, to receive a skill badge that you can share with your network.
이 과정은 Transformer 아키텍처와 BERT(Bidirectional Encoder Representations from Transformers) 모델을 소개합니다. 셀프 어텐션 메커니즘 같은 Transformer 아키텍처의 주요 구성요소와 이 아키텍처가 BERT 모델 빌드에 사용되는 방식에 관해 알아봅니다. 또한 텍스트 분류, 질문 답변, 자연어 추론과 같이 BERT를 활용할 수 있는 다양한 작업에 대해서도 알아봅니다. 이 과정은 완료하는 데 대략 45분이 소요됩니다.
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.
이 과정은 입문용 마이크로 학습 과정으로, 대규모 언어 모델(LLM)이란 무엇이고, LLM을 활용할 수 있는 사용 사례로는 어떤 것이 있으며, 프롬프트 조정을 사용해 LLM 성능을 개선하는 방법은 무엇인지 알아봅니다. 또한 자체 생성형 AI 앱을 개발하는 데 도움이 되는 Google 도구에 대해서도 다룹니다.
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.
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.
초급 AlloyDB 인스턴스 만들고 관리하기 기술 배지 과정을 완료하여 다음 기술을 입증하세요. AlloyDB 핵심 작업 및 태스크 수행하기, PostgreSQL에서 AlloyDB로 마이그레이션하기, AlloyDB 데이터베이스 관리하기, AlloyDB 열 기반 엔진을 사용하여 분석 쿼리 가속화하기
Google Kubernetes Engine으로 설계하기: 기초' 과정에서는 Google Cloud의 레이아웃 및 원리를 살펴본 후 소프트웨어 컨테이너를 생성 및 관리하는 방법과 Kubernetes 아키텍처에 대해 알아봅니다.
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.
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.
이 중급 과정에서는 Google Cloud에서 강력한 일괄 데이터 파이프라인을 설계, 빌드, 최적화하는 방법을 알아봅니다. 기본적인 데이터 처리를 넘어, 시의적절한 비즈니스 인텔리전스와 중요한 보고에 필수적인 대규모 데이터 변환과 효율적인 워크플로 조정에 대해 살펴봅니다. Apache Beam용 Dataflow와 Apache Spark용 서버리스(Dataproc Serverless)를 사용하여 구현을 실습하고, 파이프라인 안정성과 운영 우수성을 보장하기 위해 데이터 품질, 모니터링, 알림에 대한 중요한 고려사항을 다룹니다. 데이터 웨어하우징, ETL/ELT, SQL, Python, Google Cloud 개념에 대한 기본적인 지식이 있으면 좋습니다.
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.
Gemini Notebook을 사용하여 Professional Cloud Security Engineer 자격증 시험을 위한 맞춤형 학습 가이드를 만드는 방법을 알아보세요. Gemini Notebook 기능을 살펴보고, 노트북을 만들고, 학습 가이드를 사용하여 자격증 시험을 연습하는 방법을 익힐 수 있습니다.
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.
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.
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.
이 속성 주문형 과정에서는 참가자에게 Google Cloud에서 제공하는 포괄적이고 유연한 인프라 및 플랫폼 서비스를 소개합니다. 참가자는 동영상 강의, 데모, 실무형 실습이 결합된 이 과정을 통해 안전한 네트워크 상호 연결, 부하 분산, 자동 확장, 인프라 자동화, 관리형 서비스가 포함된 솔루션 요소를 살펴보고 배포할 수 있습니다.
이 속성 주문형 과정은 참가자에게 Google Cloud에서 제공하는 포괄적이고 유연한 인프라 및 플랫폼 서비스를 Compute Engine을 중심으로 소개합니다. 참가자는 동영상 강의, 데모, 실무형 실습을 통해 네트워크, 시스템, 애플리케이션 서비스와 같은 인프라 구성요소를 포함한 솔루션 요소를 탐색하고 배포해 볼 수 있습니다. 또한 이 과정에서는 고객 제공 암호화 키, 보안 및 액세스 관리, 할당량 및 요금 청구, 리소스 모니터링 등 실용적인 솔루션을 배포하는 방법에 대해서도 설명합니다.
중급 Google Kubernetes Engine 비용 최적화 기술 배지 과정을 완료하여 멀티 테넌트 클러스터의 생성 및 관리, 리소스 사용량의 네임스페이스별 모니터링, 효율을 위한 클러스터 및 포드 자동 확장 구성, 최적의 리소스 배포를 위한 부하 분산 설정, 애플리케이션 상태와 비용 효율을 위한 활성 프로브 및 준비 프로브 구현 작업과 관련된 기술 역량을 입증하세요.
Google Cloud 네트워크 설정 과정을 완료하고 기술 배지를 획득하세요. 이 실습에서는 Google Cloud Platform에서 기본적인 네트워킹 작업을 수행하는 방법을 알아봅니다. 커스텀 네트워크를 만들고 서브넷 방화벽 규칙을 추가한 다음 VM을 만들고 VM이 서로 통신할 때의 지연 시간을 테스트합니다.
Google Cloud 네트워크 개발 과정을 완료하고 기술 배지를 획득하세요. 이 과정에서는 IAM 역할 탐색 및 프로젝트 액세스 권한 추가/삭제, VPC 네트워크 생성, Compute Engine VM 배포 및 모니터링, SQL 쿼리 작성, Compute Engine에서 VM 배포 및 모니터링, Kubernetes를 여러 배포 접근 방식과 함께 사용하여 애플리케이션을 배포하는 등의 다양한 애플리케이션 배포 및 모니터링 방법을 배울 수 있습니다.
Google Cloud의 로깅, 모니터링, 모니터링 가능성에 관한 2부 과정에 오신 것을 환영합니다. Google Cloud의 핵심 운영 도구는 크게 두 가지 카테고리로 나뉩니다. 운영 중심 구성요소와 애플리케이션 성능 관리 도구입니다. 이 과정에서는 Google Cloud의 로깅 및 모니터링에서는 로깅, 모니터링, 서비스 모니터링을 포함한 운영 중심 구성요소를 다룹니다. 이 과정을 수강한 후에는 Google Cloud의 모니터링 가능성(2부)을 완료하여 사용 가능한 애플리케이션 성능 관리 도구에 관해 알아보시기 바랍니다.
이 과정에서는 학습자가 검증된 설계 패턴을 사용하여 Google Cloud에서 고도로 안정적이고 효율적인 솔루션을 빌드하는 데 필요한 역량을 기를 수 있습니다. 'Google Compute Engine으로 설계하기' 또는 'Google Kubernetes Engine으로 설계하기' 과정에서 이어지는 내용이며, 학습자가 두 과정에서 다루는 기술을 실무에서 사용해 본 경험이 있다는 전제로 진행됩니다. 학습자는 프레젠테이션, 설계 활동, 실무형 실습을 통해 고도로 안정적이고 안전하고 비용 효율적이며 가용성이 높은 Google Cloud 배포를 설계하는 데 필요한 비즈니스 요구사항과 기술 요구사항을 정의하고 이 사이의 적절한 균형을 유지하는 방법을 익힐 수 있습니다.
Gemini Notebook을 사용하여 Professional Cloud Network 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.
이 속성 주문형 과정은 참가자에게 Google Cloud에서 제공하는 포괄적이고 유연한 인프라 및 플랫폼 서비스를 Compute Engine을 중심으로 소개합니다. 참가자는 동영상 강의, 데모, 실무형 실습을 통해 네트워크, 가상 머신, 애플리케이션 서비스와 같은 인프라 구성요소를 포함한 솔루션 요소를 탐색하고 배포해 볼 수 있습니다. Console과 Cloud Shell을 통해 Google Cloud를 사용하는 방법을 학습합니다. 또한 클라우드 설계자의 역할, 인프라 설계 접근 방식은 물론 Virtual Private Cloud(VPC), 프로젝트, 네트워크, 서브네트워크, IP 주소, 경로, 방화벽 규칙을 사용한 가상 네트워킹 구성에 대해 알아봅니다.
Google Cloud 기초: 핵심 인프라 과정은 Google Cloud 사용에 관한 중요한 개념 및 용어를 소개합니다. 이 과정에서는 동영상 및 실무형 실습을 통해 중요한 리소스 및 정책 관리 도구와 함께 Google Cloud의 다양한 컴퓨팅 및 스토리지 서비스를 살펴보고 비교합니다.
Google Kubernetes Engine 시작하기 과정에 오신 것을 환영합니다. 애플리케이션과 하드웨어 인프라 사이에 위치하는 소프트웨어 레이어인 Kubernetes에 관심이 있으시다면 잘 찾아오셨습니다. Google Kubernetes Engine을 사용하면 Kubernetes를 Google Cloud에서 관리형 서비스로 사용할 수 있습니다. 이 과정의 목표는 흔히 GKE로 불리는 Google Kubernetes Engine의 기본사항을 소개하고 Google Cloud에서 애플리케이션을 컨테이너화하고 실행하는 방법을 설명하는 것입니다. 이 과정에서는 먼저 Google Cloud에 대해 기본적인 사항을 소개한 후 이어서 컨테이너 및 Kubernetes, Kubernetes 아키텍처, Kubernetes 작업에 대해 간략히 설명합니다.
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.