Peter Loleit
회원 가입일: 2025
골드 리그
42358포인트
벡터 검색 및 임베딩
Earned 10월 1, 2025 EDT
개발자를 위한 책임감 있는 AI: 개인 정보 보호 및 안전
Earned 8월 19, 2025 EDT
Model Armor: 안전한 AI 배포
Earned 8월 16, 2025 EDT
개발자를 위한 책임감 있는 AI: 공정성 및 편향
Earned 8월 16, 2025 EDT
Agent Platform의 프롬프트 설계
Earned 8월 15, 2025 EDT
Google Cloud에서 Terraform 시작하기
Earned 8월 15, 2025 EDT
AI Boost Bites: Gemini Gems를 사용한 경영진 보고용 요약
Earned 8월 13, 2025 EDT
AI Boost Bites: AI로 경영진의 메시지 효과적으로 전달하기
Earned 8월 13, 2025 EDT
AI Boost Bites: 노 코드 시트 및 스크립트
Earned 8월 13, 2025 EDT
[DEPRECATED] AI Boost Bites: "Eat the Frog" with NotebookLM
Earned 8월 13, 2025 EDT
AI Boost Bites: Gemini 및 Apps Script로 작업 자동화하기
Earned 8월 13, 2025 EDT
AI Boost Bites: Gemini 이미지-시트 변환 팁
Earned 8월 13, 2025 EDT
AI Boost Bites: 전략의 허점 찾기
Earned 8월 13, 2025 EDT
[DEPRECATED] AI Boost Bites: NotebookLM for Competitive Edge
Earned 8월 13, 2025 EDT
AI Boost Bites: 맞춤 프롬프트를 사용한 맞춤설정
Earned 8월 13, 2025 EDT
AI Boost Bites: Docs 및 Drive의 Gemini를 사용한 요약
Earned 8월 13, 2025 EDT
AI Boost Bites: Google Workspace로 전문가처럼 프롬프트 작성하기
Earned 8월 13, 2025 EDT
AI Boost Bites: Gemini로 간편하게 콘텐츠 생성하기
Earned 8월 13, 2025 EDT
[DEPRECATED] AI Boost Bites: Customer insights with NotebookLM
Earned 8월 13, 2025 EDT
Google Cloud 운영으로 확장하기
Earned 8월 12, 2025 EDT
Google Cloud를 통한 신뢰 및 보안
Earned 8월 12, 2025 EDT
Google Cloud로 인프라 및 애플리케이션 현대화
Earned 8월 12, 2025 EDT
Google Cloud를 통한 데이터 혁신 살펴보기
Earned 8월 11, 2025 EDT
Google Cloud 인공지능으로 혁신하기
Earned 8월 11, 2025 EDT
Google Cloud를 통한 디지털 혁신
Earned 8월 11, 2025 EDT
AI 인프라: Cloud TPU
Earned 8월 10, 2025 EDT
AI 인프라: Cloud GPU
Earned 8월 10, 2025 EDT
AI 인프라: AI 하이퍼컴퓨터 소개
Earned 8월 10, 2025 EDT
BigQuery 머신러닝을 사용한 추론
Earned 8월 3, 2025 EDT
개발자를 위한 책임감 있는 AI: 해석 가능성 및 투명성
Earned 8월 1, 2025 EDT
데이터 과학자와 분석가를 위한 Gemini
Earned 8월 1, 2025 EDT
BigQuery의 Gemini로 생산성 향상
Earned 8월 1, 2025 EDT
BigQuery에서 Gemini 모델 사용하기
Earned 8월 1, 2025 EDT
AI 보안 소개
Earned 7월 21, 2025 EDT
Vertex AI로 머신러닝 작업(MLOps): 모델 평가
Earned 7월 21, 2025 EDT
Google Cloud의 데이터 분석 입문
Earned 7월 21, 2025 EDT
이미지 생성 소개
Earned 7월 19, 2025 EDT
Google Cloud의 AI 및 머신러닝 소개
Earned 7월 19, 2025 EDT
BigQuery로 임베딩, 벡터 검색, RAG 만들기
Earned 7월 19, 2025 EDT
AI Boost Bites: Gemini 슬라이드 요약
Earned 7월 18, 2025 EDT
AI Boost Bites: Gemini Gems - 최고의 마케팅 파트너
Earned 7월 18, 2025 EDT
Vertex AI Studio 소개
Earned 7월 18, 2025 EDT
Transformer 모델 및 BERT 모델
Earned 7월 18, 2025 EDT
인코더-디코더 아키텍처
Earned 7월 18, 2025 EDT
어텐션 메커니즘
Earned 7월 18, 2025 EDT
생성형 AI를 위한 머신러닝 작업(MLOps)
Earned 7월 17, 2025 EDT
생성형 AI 에이전트: 조직 혁신
Earned 7월 17, 2025 EDT
생성형 AI 앱: 업무 혁신
Earned 7월 17, 2025 EDT
생성형 AI: 환경 살펴보기
Earned 7월 17, 2025 EDT
생성형 AI: 기본 개념 이해
Earned 7월 17, 2025 EDT
생성형 AI: 챗봇 그 이상의 가치
Earned 7월 17, 2025 EDT
책임감 있는 AI: Google Cloud를 통한 AI 원칙 적용하기
Earned 7월 17, 2025 EDT
책임감 있는 AI 소개
Earned 7월 14, 2025 EDT
대규모 언어 모델 소개
Earned 7월 14, 2025 EDT
생성형 AI 소개
Earned 7월 14, 2025 EDT
이 과정에서는 AI 기반 검색 기술, 도구, 애플리케이션을 살펴봅니다. 벡터 임베딩을 활용하는 시맨틱 검색, 시맨틱 방식과 키워드 방식을 결합한 하이브리드 검색, 그라운딩된 AI 에이전트로서 AI 할루시네이션을 최소화하는 검색 증강 생성(RAG)에 대해 알아보세요. Vertex AI 벡터 검색을 활용해 지능형 검색 엔진을 빌드하는 실무 경험을 쌓을 수 있습니다.
자세히 알아보기
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.
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
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
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.
자세히 알아보기
이 과정에서는 Google Cloud에서 Terraform을 사용하는 방법을 소개합니다. 학습자는 Terraform을 사용하여 코드형 인프라를 구현하는 방법을 설명하고, Terraform의 주요 특징과 기능을 적용하여 Google Cloud 인프라를 생성하고 관리할 수 있게 됩니다.
또한 Terraform을 사용하여 Google Cloud 리소스를 빌드하고 관리하는 실무형 실습도 진행합니다.
자세히 알아보기
이 동영상에서는 복잡한 메모나 긴 문서를 요약하고 명확하고 간결한 경영진 보고용 요약으로 변환하는 나만의 Brevity Gem을 만드는 방법을 설명합니다.
자세히 알아보기
이 동영상에서는 Gemini Gems를 활용하여 리더의 고유한 목소리로 진정성 있는 소셜 미디어 게시물을 작성하는 방법을 다룹니다. 작성 샘플과 명확한 요청 사항으로 Gem을 학습시켜 경영진의 소셜 활동을 확장하는 과제를 해결하는 방법을 알아보세요. 매력적인 게시물을 빠르게 생성하여 시간을 절약하는 동시에 사고 리더십을 강화하고 진정성을 확보하는 방법을 알아보세요.
자세히 알아보기
이 동영상에서는 Google Sheets에서 Gemini의 고급 AI 기능을 활용하여 기술이나 코딩 배경지식 없이도 몇 분 만에 손쉽게 데이터를 가져오고 인사이트를 생성하는 방법을 다룹니다.
자세히 알아보기
This video covers how you can leverage Notebook LM to "eat the frog" on your to-do list by automating complex tasks like summarizing legislation and mapping services, saving you hours of work.
자세히 알아보기
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.
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
이 동영상에서는 AI를 사용하여 전략의 약점과 숨겨진 전제를 파악하는 방법을 다룹니다. AI 프롬프트를 통해 기획안을 압박 테스트하고, 허점을 발견하고, 전략적 사고를 강화하는 간단한 방법인 '허점 찾기' 방법을 배웁니다.
자세히 알아보기
This video will cover how to use NotebookLM to gather and analyze
publicly available information, combine it with internal documents, and
extract key competitive insights.
자세히 알아보기
이 동영상에서는 Google Workspace에서 Gemini 결과를 맞춤설정하는 방법을 다룹니다. '@' 기호를 사용하여 문서와 연구 논문을 프롬프트에 직접 통합하여 필요에 맞게 조정된 더 타겟팅되고 관련성 높은 AI 출력을 얻는 방법을 알아보세요.
자세히 알아보기
이 동영상에서는 Gemini를 사용하여 Google Workspace에서 긴 문서를 요약하는 방법을 다룹니다. 이를 통해 필요한 정보를 빠르게 얻고 시간을 절약할 수 있습니다. Gemini를 사용하여 전체 문서 또는 선택한 텍스트를 요약하는 방법과 Drive의 Gemini를 사용하여 여러 파일을 요약하는 방법을 알아봅니다.
자세히 알아보기
이 동영상에서는 효과적인 AI 커뮤니케이션을 위한 프롬프트 엔지니어링의 기본사항을 다룹니다. 간단한 프레임워크(페르소나, 작업, 컨텍스트, 형식)를 학습하여 명확한 프롬프트를 작성하고 Google Workspace의 Gemini에서 더 빠르고 효과적인 결과를 얻으세요. 자연어를 사용하고, 구체적으로 작성하며, 반복하여 최적의 AI 지원을 받는 방법을 알아보세요.
자세히 알아보기
이 동영상에서는 Google Docs에서 Gemini의 고급 AI 기능을 활용하여 아이디어를 브레인스토밍하고, 다양한 마케팅 콘텐츠의 초안을 작성하고, 팀과 협업하는 방법을 다룹니다.
자세히 알아보기
This video covers how NotebookLM can revolutionize customer insight gathering from call or chat transcripts. You'll learn to upload PDF transcripts of hundreds of conversations (even multilingual ones!) and quickly extract key themes, trending topics, and actionable insights without listening for hours. Discover how to save findings, share notebooks, and even generate interactive podcast summaries of your data.
자세히 알아보기
규모와 관계없이 모든 조직이 클라우드의 강력한 기능과 유연성을 활용하여 운영 방식을 혁신하고 있습니다. 하지만 클라우드 리소스를 효과적으로 관리하고 확장하는 것은 복잡한 작업일 수 있습니다. 이 과정에서는 클라우드의 현대적 운영, 안정성, 복원력의 기본 개념과 Google Cloud가 이러한 노력을 지원하는 데 어떤 도움이 되는지 살펴봅니다.
Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축할 수 있도록 돕는 것을 목표로 합니다.
자세히 알아보기
조직이 데이터와 애플리케이션을 클라우드로 이전함에 따라 빠르게 진화하는 보안 과제 환경에 대응해야 합니다. 이 과정에서는 클라우드 보안의 기반, Google Cloud의 보안 내재화 설계 인프라의 가치, 심층 방어 전략을 살펴보고, AI 기반 운영 및 규정 준수 도구가 조직이 엄격한 글로벌 규제 요구사항을 충족하는 데 어떻게 도움이 되는지 강조합니다.
Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축할 수 있도록 돕는 것을 목표로 합니다.
자세히 알아보기
많은 기존 기업은 최신 고객 기대에 부응할 수 없는 기존 시스템과 앱을 사용합니다. 비즈니스 리더는 노후화된 IT 시스템을 유지할지 아니면 새로운 제품과 서비스에 투자할지 결정해야 하는 경우가 많습니다. 이 과정에서는 이러한 과제를 살펴보고 클라우드 기술을 사용하여 이를 극복할 수 있는 솔루션을 제공합니다.
Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축하는 데 도움이 되는 것을 목표로 합니다.
자세히 알아보기
클라우드 기술은 강력한 자산이며, 데이터와 결합하면 혁신과 향상된 고객 경험을 위한 촉매제가 됩니다. 'Google Cloud를 통한 데이터 혁신 살펴보기' 과정에서는 조직이 클라우드를 활용하여 데이터의 접근성, 실행 가능성, 가치를 높이는 방법을 살펴봅니다.
Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축하는 데 도움이 되는 것을 목표로 합니다.
자세히 알아보기
인공지능(AI)과 머신러닝(ML)은 광범위한 산업을 빠르게 혁신하고 있는 정보 기술의 중요한 진화입니다. 'Google Cloud 인공지능으로 혁신하기' 과정에서는 조직이 AI와 ML을 사용하여 비즈니스 프로세스를 혁신하는 방법을 살펴봅니다.
Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축하는 데 도움이 되는 것을 목표로 합니다.
자세히 알아보기
디지털 혁신은 현대 조직에 있어 중요한 여정이며, 의미 있는 혁신으로 나아가기 위해서는 가장 먼저 클라우드 컴퓨팅에 대한 강력한 기준을 수립해야 합니다. 'Google Cloud를 통한 디지털 혁신' 과정에서는 조직이 운영을 현대화하는 데 도움이 되는 핵심 기술과 전략적 프레임워크를 소개합니다. 이 과정에서는 기본적인 클라우드 개념, 글로벌 네트워크 인프라, 공동 책임 모델을 살펴보고 리더가 클라우드로의 전환을 자신 있게 이끌 수 있도록 지원합니다.
Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축할 수 있도록 돕는 것을 목표로 합니다.
자세히 알아보기
Cloud TPU 과정에 오신 것을 환영합니다. 다양한 시나리오에서 TPU의 장단점을 살펴보고 여러 TPU 가속기를 비교하여 적합한 것을 선택하는 데 도움을 드리겠습니다. 이 과정을 통해 AI 모델의 성능과 효율성을 극대화하는 전략을 배우고 유연한 머신러닝 워크플로에 있어 GPU/TPU 상호 운용성이 얼마나 중요한지 이해하게 될 것입니다. 흥미로운 콘텐츠와 실용적인 데모를 통해 TPU를 효과적으로 활용하는 방법을 단계별로 안내해 드리겠습니다.
자세히 알아보기
AI를 뒷받침하는 강력한 하드웨어가 궁금하신가요? 이 모듈에서는 성능 최적화된 AI 컴퓨터를 분석하고 그 중요성을 알려드립니다. CPU, GPU, TPU가 어떻게 AI 태스크를 초고속으로 처리하는지, 각각의 고유한 특징은 무엇인지, 그리고 AI 소프트웨어에서 이를 최대한 활용하는 방법을 살펴보겠습니다. 이 과정을 마치면 AI 프로젝트에 적합한 GPU를 선택하는 방법을 정확히 알게 되어 AI 워크로드를 처리할 때 현명한 결정을 내릴 수 있게 됩니다.
자세히 알아보기
AI 하이퍼컴퓨터를 시작할 준비가 되셨나요? 이 과정에서는 AI 하이퍼컴퓨터를 쉽게 시작할 수 있도록 도와드립니다. AI 하이퍼컴퓨터에 대한 기본사항을 다루고 AI 하이퍼컴퓨터가 AI의 AI 워크로드 처리에 어떤 도움을 주는지 살펴봅니다. GPU, TPU, CPU 등 하이퍼컴퓨터 내부의 다양한 구성요소와 니즈에 맞는 적절한 배포 방식을 선택하는 방법을 알아봅니다.
자세히 알아보기
BigQuery ML을 사용한 추론, 데이터 분석가가 BigQuery ML을 사용해야 하는 이유, 사용 사례, 지원되는 ML 모델을 알아봅니다. BigQuery에서 ML 모델을 만들고 관리하는 방법도 배웁니다.
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 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
이 과정에서는 데이터-AI 워크플로를 지원하는 AI 기반 기능 모음인 BigQuery의 Gemini에 관해 살펴봅니다. 이러한 기능에는 데이터 탐색 및 준비, 코드 생성 및 문제 해결, 워크플로 탐색 및 시각화 등이 있습니다. 이 과정은 개념 설명, 실제 사용 사례, 실무형 실습을 통해 데이터 실무자가 생산성을 향상하고 개발 파이프라인의 속도를 높이는 데 도움이 됩니다.
자세히 알아보기
이 과정은 BigQuery에서 생성형 AI 작업에 AI/ML 모델을 사용하는 방법을 보여줍니다. 고객 관계 관리와 관련된 실제 사용 사례를 통해 Gemini 모델로 비즈니스 문제를 해결하는 워크플로를 설명합니다. 이해를 돕기 위해 SQL 쿼리와 Python 노트북을 사용하는 코딩 솔루션을 단계별로 안내합니다.
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 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
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 첫 번째 과정입니다. 이 과정에서는 클라우드 데이터 분석의 분야를 정의하고 데이터 획득, 저장, 처리, 시각화와 관련된 클라우드 데이터 분석가의 역할과 책임을 설명합니다. BigQuery, Cloud Storage와 같은 Google Cloud 기반 도구의 아키텍처와 이러한 도구를 사용하여 데이터를 효과적으로 구조화하여 표시하고 보고하는 방법을 살펴봅니다.
자세히 알아보기
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.
자세히 알아보기
이 과정에서는 생성형 AI 프로젝트와 예측형 AI 프로젝트를 모두 개발하는 데 중점을 두고 Google Cloud의 AI 및 머신러닝(ML) 기능을 소개합니다. 데이터에서 AI로 이어지는 수명 주기 전반에 걸쳐 사용할 수 있는 다양한 기술, 제품, 도구를 살펴보고, 데이터 과학자, AI 개발자, ML 엔지니어가 대화형 실습을 통해 전문성을 강화할 수 있도록 지원합니다.
자세히 알아보기
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.
자세히 알아보기
이 동영상에서는 Slides의 Gemini를 사용하여 자동으로 회의 요약본을 생성하고 후속 이메일 초안을 작성하는 방법을 다룹니다. 이를 통해 회의 후 워크플로를 간소화하고 시간을 절약할 수 있습니다.
자세히 알아보기
이 동영상에서는 반복적인 작업을 자동화하고 생산성을 크게 향상시킬 수 있는 고급 AI 기능인 Gemini Gem을 직접 만드는 방법을 다룹니다.
자세히 알아보기
이 과정에서는 생성형 AI 모델과 상호작용하고 비즈니스 아이디어의 프로토타입을 제작하여 프로덕션으로 출시할 수 있는 도구인 Vertex AI Studio를 소개합니다. 몰입감 있는 사용 사례, 흥미로운 강의, 실무형 실습을 통해 프롬프트부터 프로덕션에 이르는 수명 주기를 살펴보고 Vertex AI Studio를 Gemini 멀티모달 애플리케이션, 프롬프트 설계, 프롬프트 엔지니어링, 모델 조정에 활용하는 방법을 알아봅니다. 이 과정의 목표는 Vertex AI Studio로 프로젝트에서 생성형 AI의 잠재력을 활용하는 것입니다.
자세히 알아보기
이 과정은 Transformer 아키텍처와 BERT(Bidirectional Encoder Representations from Transformers) 모델을 소개합니다. 셀프 어텐션 메커니즘 같은 Transformer 아키텍처의 주요 구성요소와 이 아키텍처가 BERT 모델 빌드에 사용되는 방식에 관해 알아봅니다. 또한 텍스트 분류, 질문 답변, 자연어 추론과 같이 BERT를 활용할 수 있는 다양한 작업에 대해서도 알아봅니다. 이 과정은 완료하는 데 대략 45분이 소요됩니다.
자세히 알아보기
이 과정은 기계 번역, 텍스트 요약, 질의 응답과 같은 시퀀스-투-시퀀스(Seq2Seq) 작업에 널리 사용되는 강력한 머신러닝 아키텍처인 인코더-디코더 아키텍처에 대한 개요를 제공합니다. 인코더-디코더 아키텍처의 기본 구성요소와 이러한 모델의 학습 및 서빙 방법에 대해 알아봅니다. 해당하는 실습 둘러보기에서는 TensorFlow에서 시를 짓는 인코더-디코더 아키텍처를 처음부터 간단하게 구현하는 코딩을 해봅니다.
자세히 알아보기
이 과정에서는 신경망이 입력 시퀀스의 특정 부분에 집중할 수 있도록 하는 강력한 기술인 주목 메커니즘을 소개합니다. 주목 메커니즘의 작동 방식과 이 메커니즘을 다양한 머신러닝 작업(기계 번역, 텍스트 요약, 질문 답변 등)의 성능을 개선하는 데 활용하는 방법을 알아봅니다.
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
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
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.
자세히 알아보기
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.
자세히 알아보기
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.
자세히 알아보기
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.
자세히 알아보기
