Muhammad Hafiz Fassya
회원 가입일: 2026
다이아몬드 리그
3978포인트
Arcade Simulator: Network Security Engineer
Earned 8월 17, 2026 EDT
Model Armor: 안전한 AI 배포
Earned 8월 15, 2026 EDT
AI 보안 소개
Earned 8월 10, 2026 EDT
조직을 위한 Gemini Code Assist 구성하기
Earned 8월 9, 2026 EDT
Cloud Run으로 AI 모델 배포 및 확장하기
Earned 8월 7, 2026 EDT
Knowledge Catalog로 데이터 메시 빌드하기
Earned 7월 31, 2026 EDT
Arcade Simulator: Data Mesh Architect
Earned 7월 31, 2026 EDT
데이터 과학자와 분석가를 위한 Gemini
Earned 7월 16, 2026 EDT
Gemini Code Assist로 앱 개발 간소화
Earned 7월 15, 2026 EDT
BigQuery로 데이터 웨어하우스 빌드
Earned 7월 14, 2026 EDT
BigQuery ML로 ML 모델 만들기
Earned 7월 12, 2026 EDT
Vertex AI로 머신러닝 작업(MLOps): 모델 평가
Earned 7월 11, 2026 EDT
생성형 AI를 위한 머신러닝 작업(MLOps)
Earned 7월 11, 2026 EDT
Welcome to this month's Arcade Simulator where you will step into the shoes of a Network Security Engineer. In this simulation, you'll first lock down access control across your infrastructure—crafting custom IAM roles, scripting permissions, and setting up Identity-Aware Proxy to secure user authentication without traditional VPNs. Then, you'll take control of hybrid enterprise topology, using Network Connectivity Center to link multi-cloud networks, VPCs, and site-to-site HA-VPNs. Complete with two realistic challenge labs, this simulation equips you to eliminate access blind spots, secure cross-cloud traffic, and build a fortress-grade network on Google Cloud.
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
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 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.
자세히 알아보기
AI 추론은 학습된 머신러닝 모델로 학습된 패턴을 적용하여 처음 접하는 새로운 데이터로 예측을 수행하는 프로세스입니다. 이 과정은 Cloud Run에 AI 추론 서비스를 빠르게 배포하는 데 관심이 있는 개발자, 데이터 과학자, ML 엔지니어를 대상으로 설계되었습니다. 클라우드 기반 서버리스 애플리케이션 배포 솔루션에는 익숙하지만 Google Cloud 서버리스 제품을 사용하여 AI 추론을 실행해 본 경험이 없는 사용자에게 유용한 과정입니다.
이 과정에는 GPU를 사용해 AI 추론 모델을 배포하고 생성형 AI 앱을 데이터 스토리지 서비스와 통합하는 예시가 포함되어 있습니다.
자세히 알아보기
초급 Knowledge Catalog로 데이터 메시 빌드하기 기술 배지 과정을 완료하여, Knowledge Catalog를 통해 데이터 메시를 빌드해 Google Cloud에서 데이터 보안, 거버넌스, 탐색을 활용하는 역량을 입증하세요. Knowledge Catalog에서 애셋에 태그를 지정하고, IAM 역할을 할당하고, 데이터 품질을 평가하는 기술을 연습하고 테스트할 수 있습니다.
자세히 알아보기
Welcome to this month's Arcade Simulator where you will be a Data Mesh Architect. In this simulation, you'll first tackle BigQuery to build date-partitioned tables, solve complex join pitfalls, and master nested data structures. Then, you'll shift to decentralized governance using Dataplex Knowledge Catalog to organize assets, assign metadata, and enforce strict cloud security. Complete with two realistic challenge labs, this simulation equips you to break down data silos, scale your infrastructure, and run a secure, seamless data mesh.
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
모든 수준의 개발자를 위해 설계된 이 과정에서는 Google Cloud의 AI 기반 앱 개발 파트너인 Gemini Code Assist의 핵심 기능을 소개합니다. 지능형 코드 추천 및 자동 완성부터 실시간 오류 감지 및 리팩터링 지원까지, Gemini Code Assist가 어떻게 생산성을 대폭 높이고, 코드 품질을 개선하며, 더 생산적이고 흥미로운 작업에 집중할 수 있도록 소중한 시간을 절약해 주는지 알아보세요.
자세히 알아보기
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.
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
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
