회원 가입일: 2026
Google Workspace 사용자 및 리소스 관리
Earned 6월 16, 2026 EDT
Google Workspace 핵심 서비스
Earned 6월 14, 2026 EDT
인코더-디코더 아키텍처
Earned 1월 19, 2026 EST
이미지 생성 소개
Earned 1월 19, 2026 EST
책임감 있는 AI 소개
Earned 1월 19, 2026 EST
대규모 언어 모델 소개
Earned 1월 19, 2026 EST
생성형 AI 소개
Earned 1월 19, 2026 EST
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.
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 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.
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.
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.