중급 Google Cloud에서 Kubernetes 애플리케이션 배포하기 기술 배지 과정을 완료하여 Docker 컨테이너 이미지 구성 및 빌드, Google Kubernetes Engine(GKE) 클러스터 생성 및 관리, kubectl을 활용한 효율적인 클러스터 관리, 강력한 지속적 배포(CD) 관행으로 Kubernetes 애플리케이션 배포를 위한 기술을 갖추었음을 입증하세요.
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.
이 동영상에서는 Gemini와 Apps Script를 사용하여 Google Workspace 전반에서 수동 작업을 자동화하는 방법을 다룹니다. Gemini에 프롬프트를 작성하여 Google Sheets에서 '완료'로 표시되지 않은 작업에 대한 이메일 알림 초안을 자동으로 작성하는 Apps Script 코드를 생성하는 방법을 알아봅니다. 기술 전문 지식이 거의 없어도 워크플로를 자동화하여 더 중요한 업무에 집중할 수 있는 시간을 확보하고 수동 후속 조치를 없앨 수 있습니다.
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.
이 과정에서는 Google Cloud의 생성형 AI 기반 파트너인 Gemini가 네트워크 엔지니어의 VPC 네트워크 생성, 업데이트, 유지보수에 어떤 도움이 되는지 알아봅니다. Gemini에 프롬프트를 입력하여 검색엔진에서 얻을 수 있는 결과보다 더 구체적인 네트워킹 작업 안내를 얻는 방법을 학습합니다. 실무형 실습을 통해 Gemini로 Google Cloud VPC 네트워크 작업이 얼마나 쉬워지는지 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.
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 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.
중급 Cloud Run 기반 서버리스 애플리케이션 개발 기술 배지 과정을 완료하여 데이터 관리를 위한 Cloud Run과 Cloud Storage의 통합, Cloud Run 및 Pub/Sub를 사용하는 복원력 높은 비동기 시스템 설계, Cloud Run 기반 REST API 게이트웨이 구축, Cloud Run 기반 서비스 빌드 및 배포와 관련된 기술 역량을 입증하세요.
중급 Gemini 모델 기능 향상 기술 배지 과정을 완료하여 코드 생성 및 실행, 그라운딩, 콘텐츠 제어 생성, 합성 데이터 생성을 포함한 Gemini 모델의 고급 기능을 활용해 더 강력하고 정교한 AI 애플리케이션을 빌드하는 기술 역량을 입증할 수 있습니다.
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.
중급 BigQuery로 멀티모달 벡터 검색 구현하기·기술 배지 과정을 완료하여 BigQuery의 Gemini를 사용해 SQL을 생성 및 디버그하고, 감정 분석을 수행하고, 텍스트를 요약하고 키워드를 식별하고, 임베딩을 생성하고, 검색 증강 생성(RAG) 파이프라인을 만들고, 멀티모달 벡터 검색을 구현하는 기술 역량을 입증해 보세요.
Google Cloud의 서비스 계정과 IAM 역할 설정하기 과정을 완료하고 초급 기술 배지를 획득하세요. 이 과정에서는 서비스 계정, 커스텀 역할, gcloud를 사용해 권한을 설정하는 방법을 배울 수 있습니다.
API를 사용하여 Cloud Storage 작업 초급 기술 배지 과정을 완료하여 Cloud Storage 리소스 작업에 Cloud Storage API를 포함한 여러 API를 사용하는 기술을 입증하세요.
중급 Gemini 및 Streamlit으로 생성형 AI 앱 개발하기 기술 배지 과정을 완료하여 텍스트 생성, Python SDK와 Gemini API를 사용한 함수 호출 적용, Cloud Run으로 Streamlit 애플리케이션 배포 작업과 관련된 기술 역량을 입증하세요. 텍스트 생성을 위해 Gemini에 프롬프트를 입력하는 여러 가지 방법과 Cloud Shell을 사용해 Streamlit 애플리케이션을 테스트하고 반복하는 방법, Streamlit 애플리케이션을 Cloud Run에 배포된 Docker 컨테이너로 패키징하는 방법을 배울 수 있습니다.
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.
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.
TensorFlow is an open source software library for high performance numerical computation that's great for writing models that can train and run on platforms ranging from your laptop to a fleet of servers in the Cloud to an edge device. This quest takes you beyond the basics of using predefined models and teaches you how to build, train and deploy your own on Google Cloud.
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.
Google Cloud Compute 기본 퀘스트를 완료하고 기술 배지를 획득하세요. 퀘스트에서는 Compute Engine을 사용하여 가상 머신(VM), 영구 디스크, 웹 서버로 작업하는 방법을 학습합니다.
Document AI로 데이터 캡처 자동화하기 과정을 완료하고 초급 기술 배지를 획득하세요. 이 과정에서는 Document AI를 사용하여 데이터를 추출, 처리, 캡처하는 방법을 알아봅니다.
소리 합성 및 텍스트 변환을 위한 음성 관련 API 도구 사용법을 배우는 사전 학습된 API를 활용한 음성 및 언어 솔루션 구현 과정을 이수하고 스킬 배지를 획득하세요.
초급 'Gemini 및 Imagen으로 실제 AI 애플리케이션 빌드하기' 기술 배지 과정을 완료하여, 이미지 인식, 자연어 처리, Google의 강력한 Gemini 및 Imagen 모델을 사용한 이미지 생성, Vertex AI Platform에 애플리케이션 배포 등의 기술을 입증하세요.
초급 Agent Platform의 프롬프트 설계 기술 배지를 완료하여 Agent Platform 내 프롬프트 엔지니어링, 이미지 분석, 멀티모달 생성형 기술과 관련된 기술 역량을 입증하세요. 효과적인 프롬프트를 만들고 생성형 AI 출력을 안내하며 실제 마케팅 분야 시나리오에 Gemini 모델을 적용하는 방법을 알아보세요.
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.
중급 Google Cloud에서 TensorFlow를 사용해 이미지 분류하기 과정을 완료하고 기술 배지를 획득하세요. 이 기술 배지 과정에서는 TensorFlow와 Vertex AI를 사용하여 머신러닝 모델을 만들고 학습시키는 방법을 배웁니다. 주로 Vertex AI Workbench 사용자 관리 노트북과 상호작용합니다.
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.
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.
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.
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.
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 Machine Learning API 사용하기 과정을 완료하여 고급 기술 배지를 획득하세요. 이 과정에서는 Cloud Vision API, Cloud Translation API, Cloud Natural Language API와 같은 머신러닝 및 AI 기술의 기본 기능을 알아봅니다.
Business professionals in non-technical roles have a unique opportunity to lead or influence machine learning projects. If you have questions about machine learning and want to understand how to use it, without the technical jargon, this course is for you. Learn how to translate business problems into machine learning use cases and vet them for feasibility and impact. Find out how you can discover unexpected use cases, recognize the phases of an ML project and considerations within each, and gain confidence to propose a custom ML use case to your team or leadership or translate the requirements to a technical team.
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.
Google Cloud 컴퓨팅 기초 과정은 클라우드 컴퓨팅에 대한 배경지식 또는 경험이 거의 없는 개인을 대상으로 합니다. 이 과정은 클라우드 기본사항, 빅데이터, 머신러닝에 대한 핵심 개념을 간략히 설명하고 Google Cloud의 적용 위치 및 방식에 대한 개요를 제공합니다. 일련의 과정을 마친 학습자는 이러한 개념을 명확하게 설명하고 몇 가지 실무 기술 역량을 입증할 수 있게 됩니다. 과정은 다음 순서대로 완료해야 합니다. 1. Google Cloud 컴퓨팅 기초: 클라우드 컴퓨팅 기초 2. Google Cloud 컴퓨팅 기초: Google Cloud의 인프라 3. Google Cloud 컴퓨팅 기초: Google Cloud의 네트워킹 및 보안 4. Google Cloud 컴퓨팅 기초: Google Cloud의 데이터, 머신러닝, AI 이 시리즈의 마지막 과정에서는 관리형 빅데이터 서비스, 머신러닝과 그 가치를 복습하고 기술 배지를 획득하여 Google Cloud 기술 역량을 추가로 입증하는 방법을 살펴봅니다.
"This course, Exploring and Preparing Your Data with BigQuery - Locales, is intended for non-English learners. If you want to take this course in English, please enroll in Exploring and Preparing your Data with BigQuery. In this course, we see what the common challenges faced by data analysts are and how to solve them with the big data tools on Google Cloud. You’ll pick up some SQL along the way and become very familiar with using BigQuery and Dataprep to analyze and transform your datasets. This is the first course of the From Data to Insights with Google Cloud series. After completing this course, enroll in the Creating New BigQuery Datasets and Visualizing Insights course."
초급 Google Cloud에서 ML API용으로 데이터 준비하기 기술 배지를 완료하여 Dataprep by Trifacta로 데이터 정리, Dataflow에서 데이터 파이프라인 실행, Managed Service for Apache Spark에서 클러스터 생성 및 Apache Spark 작업 실행, Cloud Natural Language API, Google Cloud Speech-to-Text API, Video Intelligence API를 포함한 ML API 호출과 관련된 기술 역량을 입증하세요.
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.
중급 BigQuery에서 예측 데이터 분석 수행 기술 배지 과정을 완료하여 CSV 및 JSON 파일을 가져와 BigQuery에서 데이터 세트를 만들고, BigQuery ML을 사용하여 축구 이벤트 데이터로 기대 득점 모델을 학습하고 월드컵 골의 인상도를 평가하는 등 고급 SQL 분석 개념을 갖추고 BigQuery를 활용하는 기술 역량을 입증할 수 있습니다.
In this course you will learn how to use several BigQuery ML features to improve retail use cases. Predict the demand for bike rentals in NYC with demand forecasting, and see how to use BigQuery ML for a classification task that predicts the likelihood of a website visitor making a purchase.
Want to scale your data analysis efforts without managing database hardware? Learn the best practices for querying and getting insights from your data warehouse with this interactive series of BigQuery labs. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights.
Looking to build or optimize your data warehouse? Learn best practices to Extract, Transform, and Load your data into Google Cloud with BigQuery. In this series of interactive labs you will create and optimize your own data warehouse using a variety of large-scale BigQuery public datasets. BigQuery is Google's fully managed, NoOps, low cost analytics database. With BigQuery you can query terabytes and terabytes of data without having any infrastructure to manage or needing a database administrator. BigQuery uses SQL and can take advantage of the pay-as-you-go model. BigQuery allows you to focus on analyzing data to find meaningful insights. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of this quest to receive an exclusive Google Cloud digital badge.
SQL만으로 몇 시간이 아닌 몇 분 만에 머신러닝 모델을 빌드하고 싶으신가요? BigQuery ML은 데이터 분석가가 기존 SQL 도구와 기술을 사용하여 머신러닝 모델을 만들고, 학습시키고, 평가하고, 예측할 수 있게 하여 머신러닝을 범용화합니다. 이 실습 시리즈에서는 다양한 모델 유형을 실험하고 좋은 모델을 만드는 요소를 알아봅니다.
It's no secret that machine learning is one of the fastest growing fields in tech, and Google Cloud has been instrumental in furthering its development. With a host of APIs, Google Cloud has a tool for just about any machine learning job. In this advanced-level course, you will get hands-on practice with machine learning APIs by taking labs like Detect Labels, Faces, and Landmarks in Images with the Cloud Vision API. Looking for a hands-on challenge lab to demonstrate your skills and validate your knowledge? Enroll in and finish the additional challenge lab at the end of this quest to receive an exclusive Google Cloud digital badge.
빅데이터, 머신러닝, 인공지능은 오늘날 인기 있는 컴퓨팅 관련 주제이지만 매우 전문화된 분야이기 때문에 초급용 자료를 구하기 어렵습니다. 다행히도 Google Cloud는 이러한 분야에서 사용자 친화적인 서비스를 제공하며 초급 과정을 통해 학습자에게 BigQuery, Cloud Speech API, Video Intelligence와 같은 도구를 사용해 시작할 기회를 제공합니다.
중급 BigQuery ML로 ML 모델 만들기 기술 배지 과정을 완료하면 BigQuery ML로 머신러닝 모델을 만들고 평가하여 데이터 예측을 수행하는 기술 역량을 입증할 수 있습니다.