가입 로그인

Jitendra Sharma

회원 가입일: 2024

골드 리그

18020포인트
ADK 및 MCP로 협업 멀티 에이전트 시스템 빌드 Earned 8월 11, 2026 EDT
AI Boost Bites: Google Workspace로 전문가처럼 프롬프트 작성하기 Earned 4월 28, 2026 EDT
AI Boost Bites: Your AI Chart Detective Earned 4월 28, 2026 EDT
에이전트를 빌드하고 프로덕션에서 배포하기 Earned 4월 24, 2026 EDT
Google DeepMind: 07 Accelerate Your Model Earned 4월 4, 2026 EDT
Google DeepMind: 05 Fine-Tune Your Model Earned 4월 4, 2026 EDT
AI Boost Bites: 나만의 피드백 에이전트 Earned 4월 4, 2026 EDT
[DEPRECATED] Architecting an AI Inference Stack Earned 3월 29, 2026 EDT
책임감 있는 AI 소개 Earned 3월 27, 2026 EDT
AI Boost Bites: AI로 간편하게 이메일 정리 Earned 11월 23, 2025 EST
Model Armor: 안전한 AI 배포 Earned 11월 23, 2025 EST
[DEPRECATED] AI Boost Bites: AI Power-Ups for Google Workspace Earned 11월 23, 2025 EST
Cloud Run으로 AI 모델 배포 및 확장하기 Earned 11월 19, 2025 EST
AI 보안 소개 Earned 11월 19, 2025 EST
[DEPRECATED] 데이터 과학자와 분석가를 위한 Gemini Earned 11월 18, 2025 EST
Google DeepMind: 02 Represent Your Language Data Earned 11월 17, 2025 EST
개발자를 위한 책임감 있는 AI: 개인 정보 보호 및 안전 Earned 11월 10, 2025 EST
Google DeepMind: 04 Discover The Transformer Architecture Earned 11월 10, 2025 EST
Google DeepMind: 03 Design And Train Neural Networks Earned 11월 10, 2025 EST
Google DeepMind: 01 Build Your Own Small Language Model Earned 11월 9, 2025 EST
개발자를 위한 책임감 있는 AI: 공정성 및 편향 Earned 10월 18, 2025 EDT
Vertex AI로 머신러닝 작업(MLOps): 모델 평가 Earned 10월 5, 2025 EDT
Google Vids의 Gemini Earned 10월 5, 2025 EDT
생성형 AI를 위한 머신러닝 작업(MLOps) Earned 9월 5, 2025 EDT
생성형 AI: 챗봇 그 이상의 가치 Earned 7월 30, 2025 EDT
대규모 언어 모델 소개 Earned 4월 12, 2024 EDT
책임감 있는 AI: Google Cloud를 통한 AI 원칙 적용하기 Earned 4월 12, 2024 EDT

Google의 에이전트 개발 키트(ADK)와 모델 컨텍스트 프로토콜(MCP)을 사용하여 멀티 에이전트 시스템을 설계, 조정, 배포하는 방법을 알아봅니다. 여행 컨시어지 예시를 사용하여 커스텀 가드레일로 전문화된 에이전트 네트워크를 조정하는 방법을 알아봅니다. 이 과정을 마치면 강력하고 확장 가능한 AI 워크플로에 필요한 설계 패턴과 배포 전략을 이해하게 됩니다.

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

In this video, you'll learn to use Gemini as your personal data analyst. Master the art of turning screenshot "spaghetti" charts into clear strategic insights by asking plain-English questions about the patterns you see.

자세히 알아보기

Google의 에이전트 개발 키트(ADK)와 Google Cloud의 강력한 인프라를 사용하는 멀티 에이전트 시스템의 아키텍처와 배포에 대해 알아보세요. 안전하고 확장 가능하며 프로덕션에 즉시 사용할 수 있는 AI 에이전트를 위해 서버리스 Cloud Run부터 고성능 GKE에 이르기까지 이상적인 호스팅 환경을 식별하고 계층적 에이전트 트리와 결정론적 워크플로 에이전트를 설계하는 방법을 배우게 됩니다.

자세히 알아보기

Train more powerful models with a single GPU. In this course, you will learn how hardware can speed up model training and the key considerations when training models on a GPU. First, you will learn how to estimate the number of computations and the amount of computer memory required to train large neural networks. You will then discover techniques for reducing the computing and memory requirements when training a model. Techniques which you will apply for fine-tuning a Gemma model with 4 billion parameters. Finally, you will consider the potential environmental impacts of machine learning, with a focus on where questions of energy, water, and e-waste intersect with justice and equity.

자세히 알아보기

Unleash the power of language models with fine-tuning. In this course, you will learn how to adjust a pre-trained model to a specific task. You will start with full-parameter fine-tuning using a small language model. To tune larger models like Gemma, you will learn parameter-efficient techniques with a focus on LoRA. Finally, you will be briefly introduced to reinforcement learning as an alternative to supervised fine-tuning (SFT). You will also explore how AI is imagined and made sense of in cultural contexts. You will consider why responsible AI is not just about technical safety but also about building governance systems that reflect community values and protect the public interest.

자세히 알아보기

이 동영상에서는 Gemini Gem을 사용하여 맞춤형 '나만의 협업' 에이전트를 빌드하는 방법을 다룹니다. 이 에이전트는 기본적인 피드백을 간소화하고 회의를 더욱 전략적이고 효율적으로 만드는 데 도움이 됩니다.

자세히 알아보기

This course is designed for developers looking to build an optimized AI inference stack on Google Cloud. Whether you’re working with GPUs or TPUs, you’ll explore the fundamental components of an inference stack, learn design principles for maximizing performance and reliability, and explore practical techniques to take your workloads from 0 to 1. Explore other content in the Gemini Enterprise Agent Ready (GEAR) program.

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 동영상에서는 Gmail의 Gemini를 사용하여 이메일을 요약하고, 정보를 찾고, 답장 초안을 작성하여 받은편지함을 더 효율적으로 관리하는 방법을 다룹니다.

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

This video covers five key ways to use Google's AI tools, including Gemini in Workspace, the Gemini app, and NotebookLM, to enhance your daily productivity.

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

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 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

In this Google DeepMind course you will learn how to prepare text data for language models to process. You will investigate the tools and techniques used to prepare, structure, and represent text data for language models, with a focus on tokenization and embeddings. You will be encouraged to think critically about the decisions behind data preparation, and what biases within the data may be introduced into models. You will analyze trade-offs, learn how to work with vectors and matrices, how meaning is represented in language models. Finally, you will practice designing a dataset ethically using the Data Cards process, ensuring transparency, accountability, and respect for community values in AI development.

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

In this Google DeepMind course you will discover the mechanisms of the transformer architecture. You will investigate how transformer language models process prompts to make context-sensitive next-token predictions. Through practical activities you will explore the attention mechanism, visualize attention weights, and encounter advanced concepts like masked attention and multi-head attention. You will also learn other techniques that are necessary to build neural networks that are well-suited to be used as language models. Finally, through activities on values, stakeholder mapping and community engagement, you will practice concrete tools for ensuring AI projects are developed with communities, not just for them.

자세히 알아보기

In this Google DeepMind course you will focus on the training process for machine learning models. You will learn how to spot and mitigate issues when training a model, such as overfitting and underfitting. In practical coding labs, you will implement and evaluate the multilayer perceptron for simple classification tasks. This will provide insights into the mechanics of training a neural network model and the backpropagation algorithm. Research case studies will demonstrate how neural networks power real-world models. Additionally, you will consider the broader social impacts of innovation by looking beyond immediate benefits to anticipate potential risks, safety concerns, and further-reaching societal consequences.

자세히 알아보기

In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level understanding of the machine learning development pipeline. You will consider the strengths and limitations of traditional n-gram models and advanced transformer models. Practical coding labs will enable you to develop insights into how machine learning models work and how they can be used to generate text and identify patterns in language. Through real-world case studies, you will build an understanding around how research engineers operate. Drawing on these insights you will identify problems that you wish to tackle in your own community and consider how to leverage the power of machine learning responsibly to address these problems within a global and local context.

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 Google Workspace의 AI 기반 제작 도구인 Google Vids를 소개합니다. Google Vids를 사용하면 편집 경험이 없어도 원본 문서를 전문적이고 매력적인 동영상으로 변환할 수 있습니다. 템플릿과 자동화 도구를 사용해 빠르게 초안을 생성하는 방법과 스크립트 기반 편집, 동적 시각 효과, 맞춤 음악을 통해 콘텐츠를 맞춤설정하는 방법을 알아봅니다. 마지막으로 AI 아바타와 내레이션을 통합하여 다양한 비즈니스 사용 사례에서 프레젠테이션을 원활하게 내레이션하는 방법을 살펴봅니다.

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: 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

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

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