Harman Singh
회원 가입일: 2026
골드 리그
1660포인트
회원 가입일: 2026
이 과정은 학습자가 프로페셔널 머신러닝 엔지니어(PMLE) 자격증 시험을 준비하는 학습 계획을 수립하는 데 도움을 줍니다. 학습자는 시험에서 다루는 분야의 범위를 살펴보고 자신의 시험 준비 상태를 평가한 다음 개별 학습 계획을 세웁니다.
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.
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.
이 과정에서는 AI 할루시네이션을 완화하는 BigQuery의 검색 증강 생성(RAG) 솔루션을 살펴봅니다. 임베딩 만들기, 벡터 공간 검색, 개선된 응답 생성을 포함한 RAG 워크플로를 소개합니다. 또한 이 과정은 이러한 단계의 배경이 되는 개념을 설명하고 BigQuery를 통한 실질적인 구현 과정을 살펴봅니다. 이 과정을 마친 학습자는 BigQuery와 Gemini 및 임베딩 모델 같은 생성형 AI 모델을 사용하여 자신의 AI 할루시네이션 사용 사례를 해결하는 RAG 파이프라인을 빌드할 수 있게 됩니다.
Google Cloud에 CI/CD 파이프라인 구현하기 기술 배지 과정을 완료하고 중급 기술 배지를 획득하세요. 이 과정에서는 Artifact Registry, Cloud Build, Cloud Deploy를 사용하는 방법을 알아보고, Google Cloud 콘솔, Google Cloud CLI, Cloud Run, GKE를 사용해 봅니다. 이 과정을 통해 지속적 통합 파이프라인을 빌드하고, 아티팩트를 저장 및 보호하고, 취약점을 검사하고, 승인된 버전의 유효성을 증명하는 방법을 알아볼 수 있습니다. 또한 GKE와 Cloud Run에 모두 애플리케이션을 배포하는 실무 경험도 쌓을 수 있습니다.
Infrastructure is the backbone of modern care. Following the blueprint set by Manipal Hospitals, this challenge dives into the backend architecture that powers healthcare at scale. From automating CI/CD pipelines to securing containerized workloads on GKE, you will explore how cloud-native tools directly impact real-world outcomes—like faster prescriptions and safer transitions of care. Learn to architect for reliability, ensuring that when the demand spikes, your system doesn't just run; it performs.
중급 Firebase로 서버리스 앱 개발 기술 배지 과정을 완료하여 Firebase를 사용한 서버리스 웹 애플리케이션 설계 및 빌드, 데이터베이스 관리에 Firestore 활용, Cloud Build를 사용하여 배포 프로세스 자동화, 애플리케이션에 Google 어시스턴트 기능 통합 등에 관한 기술을 입증하세요.