Yong Wai Chun
회원 가입일: 2024
골드 리그
29725포인트
회원 가입일: 2024
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.
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.
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.
Using large scale computing power to recognize patterns and "read" images is one of the foundational technologies in AI, from self-driving cars to facial recognition. The Google Cloud Platform provides world class speed and accuracy via systems that can utilized by simply calling APIs. With these and a host of other APIs, GCP has a tool for just about any machine learning job. In this introductory quest, you will get hands-on practice with machine learning as it applies to image processing by taking labs that will enable you to label images, detect faces and landmarks, as well as extract, analyze, and translate text from within images.
모두 알다시피 머신러닝은 빠르게 성장 중인 기술 분야 중 하나입니다. Google Cloud Platform(GCP)은 이러한 발전을 촉진하는 데 중요한 역할을 했습니다. GCP는 다양한 API를 통해 거의 모든 머신러닝 작업에 적합한 도구를 제공합니다. 이 초급 과정에서는 실무형 실습을 통해 머신러닝을 언어 처리에 적용하는 방법을 알아봅니다. 실습에 참여하여 텍스트에서 항목을 추출하고 감정 및 구문 분석을 수행하며 스크립트 작성에 Speech-to-Text API를 사용해 보세요.
이 과정은 Google Cloud 기본 개념 과정 이상의 지식을 얻기 위해 실무형 실습을 찾는 초보 클라우드 개발자에게 도움이 됩니다. 실습을 통해 Cloud Storage와 Monitoring 및 Cloud Functions 등 기타 주요 애플리케이션 서비스를 자세히 살펴보며 실무 경험을 쌓게 됩니다. 모든 Google Cloud 이니셔티브에 적용할 수 있는 유용한 기술을 개발할 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.
Natural Language API를 사용한 감정 분석 퀘스트를 완료하고 기술 배지를 획득하세요. API가 텍스트에서 감정을 추론하는 방법을 배울 수 있습니다.
Cloud Vision API로 이미지 분석 과정을 완료하여 기술 배지를 획득하세요. 이 과정에서는 이미지에서 텍스트를 추출하는 등 다양한 작업에 Cloud Vision API를 활용하는 방법을 알아봅니다.
Google API를 사용한 음성 및 언어 분석 과정을 완료하고 기술 배지를 획득하세요. 이 과정에서는 실제 환경에서 Natural Language API와 Speech API를 사용하는 방법을 알아봅니다.
초급 Google Cloud 리소스 모니터링 및 관리 기술 배지 과정을 완료하여 IAM 권한 부여 및 취소, 모니터링 및 로깅 에이전트 설치, 이벤트 기반 Cloud Run 함수 생성, 배포, 테스트에 대한 기술 역량을 입증하세요.
중급 Google Cloud에서 Kubernetes 관리 기술 배지 과정을 완료하여 kubectl로 배포 관리, Google Kubernetes Engine(GKE)에서 애플리케이션 디버깅 및 모니터링, 지속적 배포 기법과 관련된 기술 역량을 입증하세요.
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.
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 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.
이 과정에서는 Google Workspace 환경 내에서 데이터를 관리하는 기술을 학습자에게 알려줍니다. 데이터 유출을 방지하기 위해 Gmail 및 Drive의 데이터 손실 방지 규칙을 살펴봅니다. 그런 다음 데이터 보관, 보존, 검색을 위해 Google Vault를 사용하는 방법을 배웁니다. 다음으로 규정을 준수하기 위해 데이터 리전과 내보내기 설정을 구성하는 방법을 알아봅니다. 마지막으로 학습자는 라벨을 사용해 데이터를 분류하여 조직과 보안을 강화하는 방법을 살펴보게 됩니다.
이 과정에서는 학습자에게 Google Workspace 환경을 보호할 수 있는 역량을 제공합니다. 학습자는 안전한 비밀번호 정책과 2단계 인증을 구현하여 사용자 액세스를 제어하게 됩니다. 그런 다음 보안 조사 도구를 활용하여 보안 위험을 선제적으로 식별하고 이에 대응합니다. 다음으로 보안을 보장하기 위해 서드 파티 앱 액세스 및 휴대기기를 관리합니다. 마지막으로 학습자는 조직 데이터를 보호하기 위해 이메일 보안 및 규정 준수 조치를 시행합니다.
이 과정은 학습자가 Google Workspace 핵심 서비스를 포괄적으로 이해할 수 있도록 설계되었습니다. 학습자는 Gmail, Calendar, Drive, Meet, Chat, Docs를 비롯한 서비스의 설정을 사용 설정, 중지, 구성하는 방법을 살펴보게 됩니다. 다음으로 Gemini를 배포하고 관리하여 사용자 역량을 강화하는 방법도 알아봅니다. 마지막으로 학습자는 AppSheet와 Apps Script의 사용 사례를 통해 작업을 자동화하고 Google Workspace 애플리케이션의 기능을 확장하는 방법을 살펴봅니다.
이 과정은 Google Workspace의 사용자 및 리소스 관리를 이해하는 데 도움이 되도록 설계되었습니다. 학습자는 조직 요구사항에 맞는 조직 단위의 구성을 살펴보게 됩니다. 다양한 유형의 Google 그룹을 관리하는 방법도 알아봅니다. 또한 Google Workspace 내에서 도메인 설정을 관리하기 위한 전문성을 향상시킵니다. 마지막으로 학습자는 Google Workspace 환경 내에서 리소스를 최적화하고 구조화하는 방법을 익히게 됩니다.
Planning for a Google Workspace Deployment is the final course in the Google Workspace Administration series. In this course, you will be introduced to Google's deployment methodology and best practices. You will follow Katelyn and Marcus as they plan for a Google Workspace deployment at Cymbal. They'll focus on the core technical project areas of provisioning, mail flow, data migration, and coexistence, and will consider the best deployment strategy for each area. You will also be introduced to the importance of Change Management in a Google Workspace deployment, ensuring that users make a smooth transition to Google Workspace and gain the benefits of work transformation through communications, support, and training. This course covers theoretical topics, and does not have any hands on exercises. If you haven’t already done so, please cancel your Google Workspace trial now to avoid any unwanted charges.
This course helps learners prepare to study for the Professional Google Workspace Administrator Certification exam. Learners will be exposed to and engage with exam topics through a series of readings, diagnostic questions, and knowledge checks. After completing this course, learners will have a personalized workbook that will guide them through the rest of their certification readiness journey.
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.
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.
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.