Muni durga devi Konduru
회원 가입일: 2026
실버 리그
5921포인트
Cloud Storage에서 안전한 데이터 레이크 만들기
Earned 7월 21, 2026 EDT
Model Armor: 안전한 AI 배포
Earned 7월 21, 2026 EDT
AI 보안 소개
Earned 7월 21, 2026 EDT
Google Cloud에서 생성형 AI 앱 만들기
Earned 7월 21, 2026 EDT
BigQuery ML을 사용한 예측 모델링을 위한 데이터 엔지니어링
Earned 7월 20, 2026 EDT
Google Cloud에서 ML API용으로 데이터 준비하기
Earned 7월 20, 2026 EDT
[DEPRECATED] AI Boost Bites: Customer insights with NotebookLM
Earned 7월 20, 2026 EDT
AI Boost Bites: Gemini Gems - 최고의 마케팅 파트너
Earned 7월 20, 2026 EDT
BigQuery ML로 ML 모델 만들기
Earned 7월 19, 2026 EDT
머신러닝 작업(MLOps): 시작하기
Earned 7월 18, 2026 EDT
생성형 AI 소개
Earned 7월 18, 2026 EDT
대규모 언어 모델 소개
Earned 7월 18, 2026 EDT
개발자를 위한 책임감 있는 AI: 개인 정보 보호 및 안전
Earned 7월 18, 2026 EDT
개발자를 위한 책임감 있는 AI: 해석 가능성 및 투명성
Earned 7월 18, 2026 EDT
자격증 학습 가이드 만들기: PMLE 시험 대비
Earned 7월 18, 2026 EDT
AI Boost Bites: 나만의 피드백 에이전트
Earned 7월 18, 2026 EDT
Cloud Run으로 AI 모델 배포 및 확장하기
Earned 7월 17, 2026 EDT
개발자를 위한 책임감 있는 AI: 공정성 및 편향
Earned 7월 16, 2026 EDT
Vertex AI로 머신러닝 작업(MLOps): 모델 평가
Earned 7월 16, 2026 EDT
생성형 AI를 위한 머신러닝 작업(MLOps)
Earned 7월 16, 2026 EDT
[DEPRECATED] 엔드 투 엔드 SDLC를 위한 Gemini
Earned 7월 16, 2026 EDT
초급 Cloud Storage에서 안전한 데이터 레이크 만들기 기술 배지 과정을 완료하여 Cloud Storage 버킷 보안 및 구성, Gemini를 사용한 텍스트 생성, IAM 액세스 제어 관리, 데이터 거버넌스를 위한 Knowledge Catalog 레이크 설정 등의 작업을 수행할 수 있습니다.
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
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
생성형 AI 애플리케이션은 대규모 언어 모델(LLM)이 발명되기 전에는 불가능에 가까웠던 새로운 사용자 경험을 만들 수 있습니다. 어떻게 하면 애플리케이션 개발자가 생성형 AI를 사용해 Google Cloud에서 강력한 대화형 앱을 빌드할 수 있을까요?
이 과정에서는 생성형 AI 애플리케이션에 대해 알아보고 프롬프트 설계 및 검색 증강 생성(RAG)을 사용해 LLM 기반의 강력한 애플리케이션을 빌드하는 방법을 학습합니다. 생성형 AI 애플리케이션에 사용할 수 있는 프로덕션 레디 아키텍처를 살펴보고 LLM 및 RAG 기반 채팅 애플리케이션을 빌드합니다.
자세히 알아보기
중급 BigQuery ML을 사용한 예측 모델링을 위한 데이터 엔지니어링 기술 배지를 획득하여 Dataprep by Trifact로 데이터 변환 파이프라인을 BigQuery에 빌드, Cloud Storage, Dataflow, BigQuery를 사용한 ETL(추출, 변환, 로드) 워크플로 빌드, BigQuery ML을 사용하여 머신러닝 모델을 빌드하는 기술 역량을 입증할 수 있습니다.
자세히 알아보기
초급 Google Cloud에서 ML API용으로 데이터 준비하기 기술 배지를 완료하여 Dataprep by Trifacta로 데이터 정리, Dataflow에서 데이터 파이프라인 실행, Managed Service for Apache Spark에서 클러스터 생성 및 Apache Spark 작업 실행, Cloud Natural Language API, Google Cloud Speech-to-Text API, Video Intelligence API를 포함한 ML API 호출과 관련된 기술 역량을 입증하세요.
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
이 동영상에서는 반복적인 작업을 자동화하고 생산성을 크게 향상시킬 수 있는 고급 AI 기능인 Gemini Gem을 직접 만드는 방법을 다룹니다.
자세히 알아보기
중급 BigQuery ML로 ML 모델 만들기 기술 배지 과정을 완료하면 BigQuery ML로 머신러닝 모델을 만들고 평가하여 데이터 예측을 수행하는 기술 역량을 입증할 수 있습니다.
자세히 알아보기
이 과정에서는 Google Cloud에서 프로덕션 ML 시스템 배포, 평가, 모니터링, 운영을 위한 MLOps 도구와 권장사항을 소개합니다. MLOps는 프로덕션에서 ML 시스템을 배포, 테스트, 모니터링, 자동화하는 방법론입니다. 머신러닝 엔지니어링 전문가들은 배포된 모델의 지속적인 개선과 평가를 위해 도구를 사용합니다. 이들이 협력하거나 때론 그 역할을 하는 데이터 과학자는 고성능 모델을 빠르고 정밀하게 배포할 수 있도록 모델을 개발합니다.
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
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
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 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
Gemini Notebook을 사용하여 Professional Machine Learning Engineer(PMLE) 자격증 시험을 위한 맞춤형 학습 가이드를 만드는 방법을 알아보세요. Gemini Notebook 기능을 검토하고, 노트북을 만들고, 학습 가이드를 사용하여 자격증 시험을 연습합니다.
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
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
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 과정에서는 Google Cloud의 생성형 AI 기반 파트너인 Gemini가 Google 제품 및 서비스를 사용해 애플리케이션을 개발, 테스트, 배포, 관리하는 데 어떤 도움이 되는지 알아봅니다. Gemini의 도움을 받아 웹 애플리케이션을 개발 및 빌드하고, 애플리케이션의 오류를 수정하고, 테스트를 개발하고, 데이터를 쿼리하는 방법을 배웁니다. 실무형 실습을 통해 Gemini로 소프트웨어 개발 수명 주기(SDLC)가 얼마나 개선되는지 경험할 수 있습니다.
Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다.
자세히 알아보기
