가입 로그인

Google Cloud 콘솔에서 기술 적용

Maggie Nanyonga

회원 가입일: 2026

실버 리그

12674포인트
Google DeepMind: 01 Build Your Own Small Language Model Earned 2월 20, 2026 EST
AI Infrastructure: Networking Techniques Earned 2월 20, 2026 EST
AI Infrastructure: Storage Options Earned 2월 20, 2026 EST
AI Infrastructure: Deployment Types Earned 2월 20, 2026 EST
AI 인프라: Cloud TPU Earned 2월 20, 2026 EST
AI 인프라: Cloud GPU Earned 2월 20, 2026 EST
AI 인프라: AI 하이퍼컴퓨터 소개 Earned 2월 20, 2026 EST
개발자를 위한 책임감 있는 AI: 공정성 및 편향 Earned 2월 20, 2026 EST
개발자를 위한 책임감 있는 AI: 개인 정보 보호 및 안전 Earned 2월 20, 2026 EST
AI 보안 소개 Earned 2월 20, 2026 EST
개발자를 위한 책임감 있는 AI: 해석 가능성 및 투명성 Earned 2월 19, 2026 EST
Model Armor: 안전한 AI 배포 Earned 2월 19, 2026 EST
책임감 있는 AI: Google Cloud를 통한 AI 원칙 적용하기 Earned 2월 19, 2026 EST
Responsible AI for Digital Leaders with Google Cloud Earned 2월 19, 2026 EST
생성형 AI 에이전트: 조직 혁신 Earned 2월 19, 2026 EST
생성형 AI 앱: 업무 혁신 Earned 2월 19, 2026 EST
생성형 AI: 환경 살펴보기 Earned 2월 19, 2026 EST
생성형 AI: 기본 개념 이해 Earned 2월 19, 2026 EST
생성형 AI: 챗봇 그 이상의 가치 Earned 2월 19, 2026 EST
나의 첫 Gemini Enterprise 애플리케이션 만들기 Earned 2월 18, 2026 EST
Enterprise 에이전트 및 사용 사례 Earned 2월 18, 2026 EST
에이전트 기초 Earned 2월 18, 2026 EST
AI 에이전트 소개 Earned 2월 18, 2026 EST
Vertex AI로 머신러닝 작업(MLOps): 모델 평가 Earned 2월 18, 2026 EST
생성형 AI를 위한 머신러닝 작업(MLOps) Earned 2월 18, 2026 EST

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

Welcome to the "AI Infrastructure: Networking Techniques" course. In this course, you'll learn to leverage Google Cloud's high-bandwidth, low-latency infrastructure to optimize data transfer and communication between all the components of your AI system. By the end, you'll grasp the critical role networking plays across the entire AI pipeline from data ingestion and training to inference and be able to apply best practices to ensure your workloads run at maximum speed.

자세히 알아보기

In this course, you’ll take a comprehensive journey through the storage solutions available on Google Cloud, specifically tailored for AI and high-performance computing (HPC) workloads. You’ll learn how to choose the right storage for each stage of the ML lifecycle. You’ll explore how to optimize for I/O performance during training, manage massive datasets for data preparation, and serve model artifacts with low latency. Through practical examples and demonstrations, you’ll gain the expertise to design robust storage solutions that accelerate your AI innovation.

자세히 알아보기

This course provides a comprehensive guide to deploying, managing, and optimizing AI and high-performance computing (HPC) workloads on Google Cloud. Through a series of lessons and practical demonstrations, you’ll explore diverse deployment strategies, ranging from highly customizable environments using Google Compute Engine (GCE) to managed solutions like Google Kubernetes Engine (GKE). Specifically, you’ll learn how to create clusters and deploy GKE for inference.

자세히 알아보기

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.

자세히 알아보기

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.

자세히 알아보기

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.

자세히 알아보기

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.

자세히 알아보기

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.

자세히 알아보기

인공지능(AI)은 혁신적인 가능성을 제공하지만 새로운 보안 문제의 원인이 되기도 합니다. 이 과정에서는 보안 및 데이터 보호 리더가 조직 내에서 AI를 안전하게 관리하는 데 필요한 전략을 살펴봅니다. AI 관련 위험을 사전에 식별 및 완화하고, 민감한 정보를 보호하며, 규정을 준수하고, 복원력 높은 AI 인프라를 빌드하는 프레임워크를 학습합니다. 이러한 전략이 실제 시나리오에서 어떻게 적용되는지 살펴보기 위해 4가지 산업별 사례를 선별했습니다.

자세히 알아보기

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.

자세히 알아보기

이 과정에서는 Model Armor의 필수 보안 기능을 검토하고 서비스를 사용할 수 있도록 준비합니다. LLM과 관련된 보안 위험과 Model Armor가 AI 애플리케이션을 보호하는 방법을 알아봅니다.

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

This course equips learners with the essential knowledge and practical tools to develop and implement artificial intelligence (AI) responsibly. Through an exploration of ethical considerations, best practices, and governance procedures, participants will gain an understanding of how to navigate the complex landscape of AI while upholding ethical standards and minimizing potential risks.

자세히 알아보기

생성형 AI 에이전트: 조직 혁신'은 Gen AI Leader 학습 과정의 다섯 번째이자 마지막 과정입니다. 이 과정에서는 조직이 어떻게 커스텀 생성형 AI 에이전트를 사용해 특정 비즈니스 과제를 해결할 수 있는지 살펴봅니다. 모델, 추론 루프, 도구와 같은 에이전트의 구성요소를 살펴보며 기본적인 생성형 AI 에이전트를 빌드하는 실무형 실습을 진행합니다.

자세히 알아보기

'생성형 AI 앱: 업무 혁신'은 생성형 AI 리더 학습 과정의 네 번째 과정입니다. 이 과정에서는 Workspace를 위한 Gemini, NotebookLM 등 Google의 생성형 AI 애플리케이션을 소개합니다. 그라운딩, 검색 증강 생성, 효과적인 프롬프트 작성, 자동화된 워크플로 구축 등의 개념을 안내합니다.

자세히 알아보기

'생성형 AI: 환경 살펴보기'는 생성형 AI 리더 학습 과정의 세 번째 과정입니다. 생성형 AI는 업무 방식을 비롯해 주변 세계와 상호작용하는 방식에 변화를 일으키고 있습니다. 리더로서 생성형 AI를 활용하여 실질적인 비즈니스 성과를 얻으려면 어떻게 해야 할까요? 이 과정에서는 생성형 AI 솔루션 빌드의 다양한 계층, Google Cloud 제품, 솔루션을 선택할 때 고려해야 할 요소를 살펴봅니다.

자세히 알아보기

'생성형 AI: 기본 개념 이해'는 생성형 AI 리더 학습 과정의 두 번째 과정입니다. 이 과정에서는 생성형 AI의 기본 개념을 이해하기 위해 AI, ML, 생성형 AI의 차이점을 살펴보고 다양한 데이터 유형에서 생성형 AI로 어떻게 비즈니스 과제를 해결할 수 있는지 알아봅니다. 파운데이션 모델의 제한사항과 책임감 있고 안전한 AI 개발 및 배포의 주요 과제를 해결할 수 있도록 Google Cloud 전략에 관한 인사이트도 제공합니다.

자세히 알아보기

'생성형 AI: 챗봇 그 이상의 가치'는 생성형 AI 리더 학습 과정의 첫 번째 과정이며 요구되는 기본 요건이 없습니다. 이 과정은 챗봇에 대한 기본적인 이해를 넘어 조직을 위한 생성형 AI의 진정한 잠재력을 살펴보는 것을 목표로 합니다. 생성형 AI의 강력한 기능을 활용하는 데 중요한 파운데이션 모델 및 프롬프트 엔지니어링과 같은 개념을 살펴봅니다. 또한 조직을 위한 성공적인 생성형 AI 전략을 개발할 때 고려해야 할 중요한 사항도 안내합니다.

자세히 알아보기

첫 번째 Gemini Enterprise 애플리케이션을 만들어 기술 배지를 획득하세요. 다양한 데이터 소스를 애플리케이션에 연결하여 강력한 통합 검색 및 분석 엔진을 빌드하세요. Deep Research 에이전트, 멀티 에이전트 아이디어 구상, 집중 분석을 위한 NotebookLM과 같은 고급 기능을 익힐 수 있습니다.

자세히 알아보기

AI 에이전트가 비즈니스에 어떤 영향을 미치는지 살펴보세요. 에이전트 유형을 KPI에 매핑하고 실제 병목 현상을 해결하는 사용 사례를 알아봅니다. Gemini Enterprise로 어떻게 노 코드 솔루션부터 하이 코드 솔루션에 이르기까지 적절한 에이전트를 빌드하고 조정할 수 있는지에 대해서도 다룹니다.

자세히 알아보기

AI 에이전트는 기존의 대규모 언어 모델(LLM)을 뛰어넘는 중대한 변화입니다. AI 에이전트는 단순히 텍스트 기반 솔루션을 생성하는 데 그치지 않고, 자율적으로 행동하여 솔루션을 실행할 수도 있습니다. 이 과정에서는 AI 에이전트에 대한 기본사항, LLM API와의 차이점, 실제로 AI 에이전트가 더하는 가치를 소개합니다. Google의 에이전트 백서를 바탕으로 한 이 과정은 에이전트 코드를 처음 작성하기 전에 필요한 이론적 토대를 제공하여 (단순한 텍스트 생성이 아닌) 자율적이고 목표 지향적인 행동의 관점에서 AI 시스템을 이해하고자 하는 개발자, 설계자, 기술 의사 결정권자에게 적합합니다. 커뮤니티 포럼에 참여하여 질문하고 토론하기

자세히 알아보기

AI 에이전트에 대한 개념 개요를 확인하세요. AI 에이전트가 어떻게 자율적인 작업과 추론을 사용하여 복잡한 문제를 해결하는지 살펴봅니다. 에이전트가 사용자를 대신하여 학습하고 계획하여 목표를 달성할 수 있도록 지원하는 기술 아키텍처(모델, 도구, 조정)에 대해서도 알아봅니다.

자세히 알아보기

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.

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