Shubham Kulkarni
회원 가입일: 2022
골드 리그
9422포인트
Model Armor: 안전한 AI 배포
Earned 4월 30, 2026 EDT
AI 보안 소개
Earned 4월 30, 2026 EDT
개발자를 위한 책임감 있는 AI: 해석 가능성 및 투명성
Earned 4월 28, 2026 EDT
개발자를 위한 책임감 있는 AI: 공정성 및 편향
Earned 4월 28, 2026 EDT
Vertex AI로 머신러닝 작업(MLOps): 모델 평가
Earned 4월 28, 2026 EDT
생성형 AI를 위한 머신러닝 작업(MLOps)
Earned 4월 27, 2026 EDT
AI Boost Bites: Gemini 이미지-시트 변환 팁
Earned 4월 24, 2026 EDT
멀티 에이전트 아키텍처 배포
Earned 4월 23, 2026 EDT
AI Boost Bites: Gemini를 사용한 프레젠테이션 스크립트
Earned 4월 22, 2026 EDT
에이전트 개발 키트(ADK)로 AI 에이전트 엔지니어링
Earned 4월 22, 2026 EDT
생성형 AI 에이전트: 조직 혁신
Earned 4월 21, 2026 EDT
생성형 AI 앱: 업무 혁신
Earned 4월 21, 2026 EDT
생성형 AI: 환경 살펴보기
Earned 4월 21, 2026 EDT
생성형 AI: 기본 개념 이해
Earned 4월 21, 2026 EDT
생성형 AI: 챗봇 그 이상의 가치
Earned 4월 21, 2026 EDT
Agent Assist 및 생성형 AI 기능
Earned 4월 21, 2026 EDT
엔터프라이즈 데이터베이스로 AI 에이전트 빌드하기
Earned 4월 21, 2026 EDT
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 과정에서는 AI 해석 가능성과 투명성의 개념을 소개합니다. 개발자와 엔지니어에게 AI 투명성이 얼마나 중요한지를 설명합니다. 데이터와 AI 모델 모두에서 해석 가능성과 투명성을 구현하는 데 도움이 되는 실용적인 방법과 도구를 살펴봅니다.
자세히 알아보기
이 과정에서는 책임감 있는 AI라는 개념과 AI 원칙을 소개합니다. 공정성과 편향을 실질적으로 식별하고 AI/ML 실무에서 편향을 완화하는 기법을 알아봅니다. Google Cloud 제품과 오픈소스 도구를 사용하여 책임감 있는 AI 권장사항을 구현하는 실용적인 방법과 도구를 살펴봅니다.
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
이 동영상에서는 Gemini를 사용해 지루한 데이터 수동 입력 작업을 해결하는 방법을 다룹니다. PDF, 종이, 이미지 등의 데이터 사진이나 스크린샷을 찍고 Gemini에게 프롬프트를 작성하여 즉시 구조화된 Google 시트로 변환하는 방법을 알아보세요. Gemini를 개인 데이터 입력 어시스턴트로 활용하여 데이터 스크립트 작성에 소요되는 시간을 크게 절약할 수 있는 간단한 팁을 알아보세요. 사진을 찍고, 프롬프트를 입력하고, 내보내기만 하면 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
이 동영상에서는 Gemini Advanced를 사용하여 주제를 조사하고, 프레젠테이션 개요를 작성한 다음, Google Docs의 Gemini를 사용하여 요점을 생성하는 방법을 다룹니다.
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
생성형 AI 에이전트: 조직 혁신'은 Gen AI Leader 학습 과정의 다섯 번째이자 마지막 과정입니다. 이 과정에서는 조직이 어떻게 커스텀 생성형 AI 에이전트를 사용해 특정 비즈니스 과제를 해결할 수 있는지 살펴봅니다. 모델, 추론 루프, 도구와 같은 에이전트의 구성요소를 살펴보며 기본적인 생성형 AI 에이전트를 빌드하는 실무형 실습을 진행합니다.
자세히 알아보기
'생성형 AI 앱: 업무 혁신'은 생성형 AI 리더 학습 과정의 네 번째 과정입니다. 이 과정에서는 Workspace를 위한 Gemini, NotebookLM 등 Google의 생성형 AI 애플리케이션을 소개합니다. 그라운딩, 검색 증강 생성, 효과적인 프롬프트 작성, 자동화된 워크플로 구축 등의 개념을 안내합니다.
자세히 알아보기
생성형 AI: 환경 살펴보기는 Gen AI Leader 학습 과정의 세 번째 과정입니다. 생성형 AI는 업무 방식을 비롯해 주변 세계와 상호작용하는 방식에 변화를 일으키고 있습니다. 리더로서 생성형 AI를 활용하여 실질적인 비즈니스 성과를 얻으려면 어떻게 해야 할까요? 이 과정에서는 생성형 AI 솔루션 빌드의 다양한 계층, Google Cloud 제품, 솔루션을 선택할 때 고려해야 할 요소를 살펴봅니다.
자세히 알아보기
생성형 AI: 기본 개념 이해는 Gen AI Leader 학습 과정의 두 번째 과정입니다. 이 과정에서는 생성형 AI의 기본 개념을 이해하기 위해 AI, ML, 생성형 AI의 차이점을 살펴보고 다양한 데이터 유형에서 생성형 AI로 어떻게 비즈니스 과제를 해결할 수 있는지 알아봅니다. 파운데이션 모델의 제한사항과 책임감 있고 안전한 AI 개발 및 배포의 주요 과제를 해결할 수 있도록 Google Cloud 전략에 관한 인사이트도 제공합니다.
자세히 알아보기
생성형 AI: 챗봇 그 이상의 가치는 Gen AI Leader 학습 과정의 첫 번째 과정이며 기본 요건은 따로 없습니다. 이 과정은 챗봇에 대한 기본적인 이해를 넘어 조직을 위한 생성형 AI의 진정한 잠재력을 살펴보는 것을 목표로 합니다. 생성형 AI의 강력한 기능을 활용하는 데 중요한 파운데이션 모델과 프롬프트 엔지니어링과 같은 개념을 살펴봅니다. 또한 조직을 위한 성공적인 생성형 AI 전략을 개발할 때 고려해야 할 중요한 사항을 안내합니다.
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
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
