Chee Keong Eu
회원 가입일: 2023
ADK 및 MCP로 협업 멀티 에이전트 시스템 빌드
Earned 10월 28, 2026 EDT
멀티 에이전트 아키텍처 배포
Earned 10월 27, 2026 EDT
첫 번째 에이전트 배포하기
Earned 10월 26, 2026 EDT
에이전트를 빌드하고 프로덕션에서 배포하기
Earned 10월 20, 2026 EDT
이벤트 기반 메시징 및 자동화 워크플로 구현
Earned 9월 7, 2026 EDT
Google Cloud에서 일괄 데이터 파이프라인 빌드하기
Earned 9월 7, 2026 EDT
Google Cloud에서 스트리밍 데이터 파이프라인 빌드하기
Earned 8월 18, 2026 EDT
Compute Engine에서 Cloud Load Balancing 구현하기
Earned 5월 14, 2026 EDT
클라우드 아키텍처: 설계, 구현, 관리
Earned 5월 12, 2026 EDT
에이전트 개발 키트(ADK)로 AI 에이전트 엔지니어링
Earned 5월 11, 2026 EDT
Google Cloud에서 Cloud 보안 기본사항 구현하기
Earned 5월 11, 2026 EDT
필수 Google Cloud 인프라: 핵심 서비스
Earned 5월 6, 2026 EDT
엔터프라이즈 데이터베이스로 AI 에이전트 빌드하기
Earned 5월 5, 2026 EDT
Google Cloud 앱 개발 환경 설정
Earned 5월 4, 2026 EDT
유연한 Google Cloud 인프라: 확장 및 자동화
Earned 5월 4, 2026 EDT
Google Cloud 기초: 핵심 인프라
Earned 4월 28, 2026 EDT
Google Kubernetes Engine으로 설계하기: 워크로드
Earned 3월 23, 2026 EDT
Agent Assist 및 생성형 AI 기능
Earned 12월 19, 2024 EST
[DEPRECATED] Webhook fundamentals
Earned 12월 13, 2024 EST
[DEPRECATED] Agent Summarization (Custom)
Earned 12월 11, 2024 EST
Implement Enterprise Design Patterns with CX Agent Studio
Earned 12월 11, 2024 EST
대화형 AI 및 응대 프레임워크
Earned 12월 11, 2024 EST
Architecting and Installing the Apigee Hybrid API Platform
Earned 12월 10, 2024 EST
생성형 AI를 위한 머신러닝 작업(MLOps)
Earned 9월 24, 2024 EDT
[DEPRECATED] 엔드 투 엔드 SDLC를 위한 Gemini
Earned 8월 24, 2024 EDT
[DEPRECATED] DevOps 엔지니어를 위한 Gemini
Earned 8월 20, 2024 EDT
[DEPRECATED] 데이터 과학자와 분석가를 위한 Gemini
Earned 8월 19, 2024 EDT
[DEPRECATED] 클라우드 설계자를 위한 Gemini
Earned 8월 15, 2024 EDT
[DEPRECATED] 애플리케이션 개발자를 위한 Gemini
Earned 8월 15, 2024 EDT
벡터 검색 및 임베딩
Earned 8월 10, 2024 EDT
Google Cloud에서 데이터 레이크와 데이터 웨어하우스 빌드하기
Earned 5월 24, 2024 EDT
Google Cloud에서 Gemini와 애플리케이션 통합하기
Earned 5월 22, 2024 EDT
Applying Machine Learning to your Data with Google Cloud
Earned 5월 22, 2024 EDT
DEPRECATED Detect Manufacturing Defects Using Visual Inspection AI
Earned 5월 22, 2024 EDT
BigQuery ML로 ML 모델 만들기
Earned 5월 22, 2024 EDT
Natural Language API를 사용한 감정 분석
Earned 5월 21, 2024 EDT
Google API를 사용한 음성 및 언어 분석
Earned 5월 21, 2024 EDT
Cloud Vision API로 이미지 분석
Earned 5월 21, 2024 EDT
Looker에서 LookML 객체 빌드
Earned 5월 7, 2024 EDT
Google Kubernetes Engine으로 설계하기: 기초
Earned 10월 28, 2023 EDT
Apigee API Platform을 사용한 API 설계 및 기초
Earned 10월 28, 2023 EDT
프로덕션 머신러닝 시스템
Earned 10월 25, 2023 EDT
머신러닝 작업(MLOps): 시작하기
Earned 10월 23, 2023 EDT
Natural Language Processing on Google Cloud
Earned 10월 23, 2023 EDT
Google Cloud에서 Keras를 사용해 ML 모델을 빌드, 학습, 배포하기
Earned 10월 20, 2023 EDT
Launching into Machine Learning - 한국어
Earned 10월 19, 2023 EDT
Google Cloud의 AI 및 머신러닝 소개
Earned 10월 18, 2023 EDT
생성형 AI 입문자 - Agent Platform
Earned 10월 16, 2023 EDT
Vertex AI Studio 소개
Earned 10월 11, 2023 EDT
이미지 캡셔닝 모델 만들기
Earned 10월 11, 2023 EDT
Transformer 모델 및 BERT 모델
Earned 10월 10, 2023 EDT
인코더-디코더 아키텍처
Earned 10월 10, 2023 EDT
어텐션 메커니즘
Earned 10월 10, 2023 EDT
이미지 생성 소개
Earned 10월 9, 2023 EDT
Virtual Agent Development in Dialogflow CX for Citizen Devs
Earned 10월 9, 2023 EDT
책임감 있는 AI: Google Cloud를 통한 AI 원칙 적용하기
Earned 10월 9, 2023 EDT
Generative AI Fundamentals - 한국어
Earned 10월 9, 2023 EDT
책임감 있는 AI 소개
Earned 10월 9, 2023 EDT
대규모 언어 모델 소개
Earned 10월 9, 2023 EDT
생성형 AI 소개
Earned 10월 8, 2023 EDT
Virtual Agent Development in Dialogflow ES for Software Devs
Earned 10월 5, 2023 EDT
Virtual Agent Development in Dialogflow ES for Citizen Devs
Earned 10월 4, 2023 EDT
[DEPRECATED] Contact Center AI: Conversational Design Fundamentals
Earned 10월 2, 2023 EDT
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.
자세히 알아보기
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.
자세히 알아보기
로컬 호스트에 있는 에이전트를 프로덕션으로 가져오세요. 이 과정에서는 메모리 뱅크를 통해 선택적인 세션 간 메모리를 사용하여 ADK 에이전트를 Vertex AI Agent Engine 및 Cloud Run에 배포하는 방법을 다룹니다.
자세히 알아보기
Google의 에이전트 개발 키트(ADK)와 Google Cloud의 강력한 인프라를 사용하는 멀티 에이전트 시스템의 아키텍처와 배포에 대해 알아보세요. 안전하고 확장 가능하며 프로덕션에 즉시 사용할 수 있는 AI 에이전트를 위해 서버리스 Cloud Run부터 고성능 GKE에 이르기까지 이상적인 호스팅 환경을 식별하고 계층적 에이전트 트리와 결정론적 워크플로 에이전트를 설계하는 방법을 배우게 됩니다.
자세히 알아보기
이벤트 기반 메시징 및 자동화 워크플로 구현 기술 배지 과정을 완료하고 기술 배지를 획득하세요. 이 과정에서는 Cloud 콘솔을 통해 Pub/Sub를 사용하는 방법을 배우고, Cloud Scheduler 작업을 통해 효율성을 높이는 방법과 Pub/Sub Lite를 사용하여 높은 볼륨의 이벤트 수집에 드는 비용을 절감할 수 있는 경우를 배우게 됩니다.
자세히 알아보기
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.
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
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
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.
자세히 알아보기
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.
자세히 알아보기
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.
자세히 알아보기
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.
자세히 알아보기
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.
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
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.
자세히 알아보기
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.
자세히 알아보기
'Google Kubernetes Engine으로 설계하기: 워크로드' 과정에서는 클라우드 네이티브 애플리케이션 개발 여정을 포괄적으로 학습하며, 학습 과정 전반에 걸쳐 Kubernetes 운영, 배포 관리, GKE 네트워킹, 영구 스토리지에 대해 살펴보게 됩니다.
이 과정은 Google Kubernetes Engine으로 설계하기: 시리즈의 첫 번째 과정입니다. 이 과정을 이수한 후에는 'Google Kubernetes Engine으로 설계하기: 프로덕션' 과정에 등록하세요.
자세히 알아보기
생성형 AI의 강력한 기능을 활용하여 지능형 자동화 에이전트를 만듭니다. 이 과정을 수료하면 웹사이트, 문서 또는 정형 데이터에서 정보를 자동으로 추출하고 합성하여 복잡한 질문에 즉시 답할 수 있는 데이터 스토어 에이전트를 개발할 수 있게 됩니다. 더 이상 정적인 FAQ에 의존할 필요가 없습니다. 새로운 에이전트는 간단하고 빠르게 설정할 수 있으며, 동적이고 정확한 답변을 제공하고 원본 소스 URL까지 표시해 줍니다.
자세히 알아보기
In this course, you will learn the important role that different types of webhooks play in Dialogflow CX development, and how to effectively integrate them into your routine configuration of a Virtual Agent.
자세히 알아보기
In this course you will learn how Contact Center AI Agent Assist can help distill complex customer interactions into concise and clear summaries.
자세히 알아보기
This course explores using enterprise design patterns to build scalable, reliable, and secure agents within CX Agent Studio. Additionally, it covers navigating the complete development lifecycle by deploying multi-layered application security and locking down cloud infrastructure perimeters. It details the core pillars of multi-turn session persistence and real-time audio supervision to facilitate safe, continuous conversational experiences.
자세히 알아보기
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.
자세히 알아보기
This course introduces you to the fundamentals and practices used to install and manage Google Cloud's Apigee API Platform for hybrid cloud.
Through a combination of lectures, a hands-on lab, and supplemental materials, you will learn how to install and operate the Apigee API Platform.
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 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 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.
자세히 알아보기
이 과정에서는 Google Cloud의 생성형 AI 기반 파트너인 Gemini가 고객 데이터를 분석하고 제품 판매를 예측하는 데 어떤 도움이 되는지 알아봅니다. BigQuery에서 고객 데이터를 사용해 신규 고객을 식별, 분류, 개발하는 방법도 다룹니다. 실무형 실습을 통해 Gemini로 데이터 분석 및 머신러닝 워크플로가 얼마나 개선되는지 경험할 수 있습니다.
Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다.
자세히 알아보기
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.
자세히 알아보기
이 과정에서는 Google Cloud의 생성형 AI 기반 공동작업 도구인 Gemini가 개발자의 애플리케이션 빌드에 어떤 도움이 되는지 알아봅니다. Gemini에 프롬프트를 입력하여 코드에 대한 설명을 얻고 Google Cloud 서비스를 추천받고 애플리케이션의 코드를 생성하는 방법을 배울 수 있습니다. 실무형 실습을 통해 Gemini로 애플리케이션 개발 워크플로가 얼마나 개선되는지 경험할 수 있습니다.
Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다.
자세히 알아보기
이 과정에서는 AI 기반 검색 기술, 도구, 애플리케이션을 살펴봅니다. 벡터 임베딩을 활용하는 시맨틱 검색, 시맨틱 방식과 키워드 방식을 결합한 하이브리드 검색, 그라운딩된 AI 에이전트로서 AI 할루시네이션을 최소화하는 검색 증강 생성(RAG)에 대해 알아보세요. Vertex AI 벡터 검색을 활용해 지능형 검색 엔진을 빌드하는 실무 경험을 쌓을 수 있습니다.
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
Google Cloud에서 Gemini와 애플리케이션을 통합하는 방법에 대한 이 짧은 과정은 Gemini API 모델과 생성형 AI 모델을 살펴보는 데 도움이 됩니다. 이 과정에서는 코드에서 Gemini 모델에 액세스하는 방법을 알아봅니다. 앱의 텍스트, 이미지, 동영상 프롬프트로 모델의 기능을 테스트할 수 있습니다.
자세히 알아보기
In this course, we define what machine learning is and how it can benefit your business. You'll see a few demos of ML in action and learn key ML terms like instances, features, and labels. In the interactive labs, you will practice invoking the pretrained ML APIs available as well as build your own Machine Learning models using just SQL with BigQuery ML.
자세히 알아보기
Earn a skill badge by completing the Detect Manufacturing Defects using Visual Inspection AI course, where you learn how to use Visual Inspection AI to deploy a solution artifact and test that it can successfully identify defects in a manufacturing process.
자세히 알아보기
중급 BigQuery ML로 ML 모델 만들기 기술 배지 과정을 완료하면 BigQuery ML로 머신러닝 모델을 만들고 평가하여 데이터 예측을 수행하는 기술 역량을 입증할 수 있습니다.
자세히 알아보기
Natural Language API를 사용한 감정 분석 퀘스트를 완료하고 기술 배지를 획득하세요. API가 텍스트에서 감정을 추론하는 방법을 배울 수 있습니다.
자세히 알아보기
Google API를 사용한 음성 및 언어 분석 과정을 완료하고 기술 배지를 획득하세요. 이 과정에서는 실제 환경에서 Natural Language API와 Speech API를 사용하는 방법을 알아봅니다.
자세히 알아보기
Cloud Vision API로 이미지 분석 과정을 완료하여 기술 배지를 획득하세요. 이 과정에서는 이미지에서 텍스트를 추출하는 등 다양한 작업에 Cloud Vision API를 활용하는 방법을 알아봅니다.
자세히 알아보기
초급 Looker에서 LookML 객체 빌드 기술 배지 과정을 완료하여 새로운 측정기준 및 측정값, 뷰, 파생 테이블을 빌드하고, 요구사항에 따라 측정 필터 및 유형을 설정하고, 측정기준과 측정값을 업데이트하고, Explore를 빌드 및 미세 조정하고, 기존 Explore에 뷰를 조인하고, 비즈니스 요구사항에 따라 생성할 LookML 객체를 결정하는 기술 역량을 입증할 수 있습니다.
자세히 알아보기
Google Kubernetes Engine으로 설계하기: 기초' 과정에서는 Google Cloud의 레이아웃 및 원리를 살펴본 후 소프트웨어 컨테이너를 생성 및 관리하는 방법과 Kubernetes 아키텍처에 대해 알아봅니다.
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 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.
자세히 알아보기
이 과정에서는 Google Cloud에서 프로덕션 ML 시스템 배포, 평가, 모니터링, 운영을 위한 MLOps 도구와 권장사항을 소개합니다. MLOps는 프로덕션에서 ML 시스템을 배포, 테스트, 모니터링, 자동화하는 방법론입니다. 머신러닝 엔지니어링 전문가들은 배포된 모델의 지속적인 개선과 평가를 위해 도구를 사용합니다. 이들이 협력하거나 때론 그 역할을 하는 데이터 과학자는 고성능 모델을 빠르고 정밀하게 배포할 수 있도록 모델을 개발합니다.
자세히 알아보기
This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.
자세히 알아보기
이 과정에서는 TensorFlow 및 Keras를 사용한 ML 모델 빌드, ML 모델의 정확성 개선, 사용 사례 확장을 위한 ML 모델 작성에 대해 다룹니다.
자세히 알아보기
이 과정에서는 먼저 데이터에 관해 논의하면서 데이터 품질을 개선하고 탐색적 데이터 분석을 수행하는 방법을 알아봅니다. Vertex AI AutoML과 코드를 한 줄도 작성하지 않고 ML 모델을 빌드하고, 학습시키고, 배포하는 방법을 설명합니다. 학습자는 Big Query ML의 이점을 이해할 수 있습니다. 그런 다음, 머신러닝(ML) 모델 최적화 방법과 일반화 및 샘플링으로 커스텀 학습용 ML 모델 품질을 평가하는 방법을 다룹니다.
자세히 알아보기
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.
자세히 알아보기
생성형 AI 입문자 - Agent Platform 과정은 Google Cloud에서 생성형 AI를 사용하는 방법을 다루는 실습 컬렉션입니다. 이 실습을 통해 Agent Platform에서 Gemini 모델을 사용하는 방법을 알아봅니다. 또한 프롬프트 설계, 권장사항을 살펴보고 이를 아이디어 구상, 텍스트 분류, 텍스트 추출, 텍스트 요약 등에 활용하는 방법을 다룹니다. Agent Platform에서 커스텀 학습을 통해 파운데이션 모델을 조정하고, Agent Platform의 엔드포인트에 배포하는 방법도 배우게 됩니다.
자세히 알아보기
이 과정에서는 생성형 AI 모델과 상호작용하고 비즈니스 아이디어의 프로토타입을 제작하여 프로덕션으로 출시할 수 있는 도구인 Vertex AI Studio를 소개합니다. 몰입감 있는 사용 사례, 흥미로운 강의, 실무형 실습을 통해 프롬프트부터 프로덕션에 이르는 수명 주기를 살펴보고 Vertex AI Studio를 Gemini 멀티모달 애플리케이션, 프롬프트 설계, 프롬프트 엔지니어링, 모델 조정에 활용하는 방법을 알아봅니다. 이 과정의 목표는 Vertex AI Studio로 프로젝트에서 생성형 AI의 잠재력을 활용하는 것입니다.
자세히 알아보기
이 과정에서는 딥 러닝을 사용해 이미지 캡션 모델을 만드는 방법을 알아봅니다. 인코더 및 디코더와 모델 학습 및 평가 방법 등 이미지 캡션 모델의 다양한 구성요소에 대해 알아봅니다. 이 과정을 마치면 자체 이미지 캡션 모델을 만들고 이를 사용해 이미지의 설명을 생성할 수 있게 됩니다.
자세히 알아보기
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.
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
Welcome to "Virtual Agent Development in Dialogflow CX for Citizen Devs", the second course in the "Customer Experiences with Contact Center AI" series.
In this course, learn how to develop customer conversational solutions using Contact Center Artificial Intelligence (CCAI). In this course, you'll be introduced to adding voice (telephony) as a communication channel to your virtual agent conversations using Dialogflow CX.
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
Introduction to Generative AI, Introduction to Large Language Models, Introduction to Responsible AI 과정을 완료하고 기술 배지를 획득하세요. 최종 퀴즈를 풀어보고 생성형 AI의 기본 개념을 제대로 이해했는지 확인해 보세요.
기술 배지는 Google Cloud 제품 및 서비스에 대한 지식을 숙지한 사람에게 Google Cloud에서 발급하는 디지털 배지입니다. 프로필을 공개하고 기술 배지를 소셜 미디어 프로필에 추가하여 공유하세요.
자세히 알아보기
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.
자세히 알아보기
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.
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
Welcome to "CCAI Virtual Agent Development in Dialogflow ES for Software Developers", the third course in the "Customer Experiences with Contact Center AI" series.
In this course, learn to use additional features of Dialogflow ES for your virtual agent, create a Firestore instance to store customer data, and implement cloud functions that access the data. With the ability to read and write customer data, learner’s virtual agents are conversationally dynamic and able to defer contact center volume from human agents. You'll be introduced to methods for testing your virtual agent and logs which can be useful for understanding issues that arise. Lastly, learn about connectivity protocols, APIs, and platforms for integrating your virtual agent with services already established for your business.
자세히 알아보기
Welcome to "Virtual Agent Development in Dialogflow ES for Citizen Devs", the second course in the "Customer Experiences with Contact Center AI" series.
In this course, learn how to develop customer conversational solutions using Contact Center Artificial Intelligence (CCAI). You will use Dialogflow ES to create virtual agents and test them using the Dialogflow ES simulator. This course also provides best practices on developing virtual agents. You will also be introduced to adding voice (telephony) as a communication channel to your virtual agent conversations. Through a combination of presentations, demos, and hands-on labs, participants learn how to create virtual agents.
This is an intermediate course, intended for learners with the following types of roles:
Conversational designers: Designs the user experience of a virtual assistant. Translates the brand's business requirements into natural dialog flows.
Citizen developers: Creates new business applications fo…
자세히 알아보기
Welcome to "CCAI Conversational Design Fundamentals", the first course in the "Customer Experiences with Contact Center AI" series.
In this course, learn how to design customer conversational solutions using Contact Center Artificial Intelligence (CCAI). You will be introduced to CCAI and its three pillars (Dialogflow, Agent Assist, and Insights), and the concepts behind conversational experiences and how the study of them influences the design of your virtual agent. After taking this course you will be prepared to take your virtual agent design to the next level of intelligent conversation.
자세히 알아보기
