Riyaz Ahmed
회원 가입일: 2025
실버 리그
37488포인트
회원 가입일: 2025
초급 Google Cloud 리소스 모니터링 및 관리 기술 배지 과정을 완료하여 IAM 권한 부여 및 취소, 모니터링 및 로깅 에이전트 설치, 이벤트 기반 Cloud Run 함수 생성, 배포, 테스트에 대한 기술 역량을 입증하세요.
Gemini Notebook을 사용하여 Professional Cloud Security Engineer 자격증 시험을 위한 맞춤형 학습 가이드를 만드는 방법을 알아보세요. Gemini Notebook 기능을 살펴보고, 노트북을 만들고, 학습 가이드를 사용하여 자격증 시험을 연습하는 방법을 익힐 수 있습니다.
Google Cloud 사이버 보안 자격증의 5개 과정 중 다섯 번째 과정입니다. 이 과정에서는 클라우드 보안 원칙, 위험 관리, 취약점 식별, 이슈 관리, 위기 커뮤니케이션과 같은 주요 개념을 결합하여 대화형 캡스톤 프로젝트로 적용합니다. 또한 이력서 업데이트를 마무리하고 새로 배운 모든 면접 기법을 실습하여 해당 분야의 일자리에 자신 있게 지원하고 면접을 볼 수 있도록 준비할 수 있습니다.
Google Cloud 사이버 보안 수료증의 5개 과정 중 네 번째 과정입니다. 이 과정에서는 공격 완화 기법과 함께 로깅, 보안, 알림 모니터링 기능을 개발하는 데 중점을 둡니다. 위협 피드 맞춤설정, 사고 관리, 위기 커뮤니케이션 처리, 근본 원인 분석 수행, 사고 대응 및 사후 커뮤니케이션 방법 숙지에 관한 귀중한 지식을 얻을 수 있습니다. Google Cloud 도구를 사용하여 보안 침해 지표를 식별하고 비즈니스 연속성 및 재해 복구를 준비하는 방법을 알아보세요. 기술 역량을 높이면서 이력서를 계속 업데이트하고 면접 기법을 연습하겠습니다.
Google Cloud 사이버 보안 수료증의 5개 과정 중 세 번째 과정입니다. 이 과정에서는 클라우드 환경의 ID 관리 및 액세스 제어 원칙을 살펴보고 AAA(인증, 승인, 감사), 사용자 인증 정보 처리, 인증서 관리와 같은 핵심 요소를 다룹니다. 또한 위협 및 취약점 관리, 클라우드 네이티브 원칙, 데이터 보호 조치와 같은 필수 주제도 살펴봅니다. 이 과정을 수료한 학습자는 클라우드 기반 리소스를 보호하고 민감한 조직 정보를 보호하는 데 필요한 기술과 지식을 갖추게 됩니다. 또한 경력 개발 리소스를 계속 활용하고 면접 기법을 연마하여 전문가 여정의 다음 단계를 준비할 수 있습니다.
Google Cloud 사이버 보안 수료증의 5개 과정 중 두 번째 과정입니다. 이 과정에서는 널리 사용되는 클라우드 위험 관리 프레임워크를 살펴보고 보안 도메인, 규정 준수 수명 주기, HIPAA, NIST CSF, SOC와 같은 업계 표준을 살펴봅니다. 위험 식별, 보안 제어 구현, 규정 준수 평가, 데이터 보호 관리 기술을 개발합니다. 또한 위험 관리 및 규정 준수에 특화된 Google Cloud 및 멀티 클라우드 도구를 직접 사용해 볼 수 있습니다. 또한 이 과정에서는 취업 지원 및 면접 준비 기법을 통합하여 클라우드 위험 관리의 복잡한 환경을 이해하고 효과적으로 탐색할 수 있는 포괄적인 기반을 제공합니다.
Google Cloud 사이버 보안 수료증의 5개 과정 중 첫 번째 과정입니다. 이 과정에서는 보안 수명 주기, 디지털 혁신, 주요 클라우드 컴퓨팅 개념 등 사이버 보안의 필수사항을 살펴봅니다. 초급 클라우드 보안 분석가가 작업을 자동화하는 데 사용하는 일반적인 도구도 파악합니다.
생성형 AI 입문자 - Agent Platform 과정은 Google Cloud에서 생성형 AI를 사용하는 방법을 다루는 실습 컬렉션입니다. 이 실습을 통해 Agent Platform에서 Gemini 모델을 사용하는 방법을 알아봅니다. 또한 프롬프트 설계, 권장사항을 살펴보고 이를 아이디어 구상, 텍스트 분류, 텍스트 추출, 텍스트 요약 등에 활용하는 방법을 다룹니다. Agent Platform에서 커스텀 학습을 통해 파운데이션 모델을 조정하고, Agent Platform의 엔드포인트에 배포하는 방법도 배우게 됩니다.
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 다섯 번째 과정입니다. 이 과정에서는 전체 데이터 수명 주기 프로젝트에 중점을 둔 실습형 캡스톤 프로젝트의 1~4번째 과정에서 배운 기초 지식과 기술을 종합하여 적용합니다. 클라우드 기반 도구를 사용하여 데이터 인사이트를 효과적으로 확보, 저장, 처리, 분석, 시각화, 전달하는 방법을 실습합니다. 과정을 마치면 학습자는 여러 소스의 데이터를 효과적으로 구조화하고, 다양한 이해관계자에게 솔루션을 제시하고, 클라우드 기반 소프트웨어를 사용하여 데이터 인사이트를 시각화하는 역량을 보여주는 프로젝트를 완료하게 됩니다. 또한 이력서를 업데이트하고 면접 기법을 연습하면서 입사 지원 및 면접을 준비합니다.
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 네 번째 과정입니다. 이 과정에서 학습자는 클라우드에서 데이터를 시각화하는 5가지 핵심 단계(스토리텔링, 계획, 데이터 탐색, 시각화 구축, 다른 사람과의 데이터 공유)와 관련된 기술을 개발하는 데 중점을 둡니다. 또한 UI/UX 기술을 사용하여 효과적인 클라우드 네이티브 시각화를 와이어프레임으로 제작하고 클라우드 네이티브 데이터 시각화 도구를 사용하여 데이터 세트를 탐색하고, 보고서를 작성할 뿐 아니라 의사 결정 및 협업을 촉진하는 대시보드를 빌드하는 경험을 쌓을 수 있습니다.
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 세 번째 과정입니다. 이 과정에서는 먼저 데이터 수집부터 인사이트 도출까지의 데이터 여정을 개괄적으로 살펴봅니다. 그런 다음 SQL을 사용하여 원시 데이터를 사용 가능한 형식으로 변환하는 방법을 알아봅니다. 다음으로 데이터 파이프라인을 사용하여 대량의 데이터를 변환하는 방법을 배웁니다. 마지막으로 실제 데이터 세트에 변환 전략을 적용하여 비즈니스 요구사항을 해결하는 경험을 쌓게 됩니다.
Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 두 번째 과정입니다. 이 과정에서는 데이터를 어떻게 구조화하고 조직화하는지 살펴봅니다. 데이터 레이크하우스 아키텍처 및 BigQuery, Google Cloud Storage, Dataproc과 같은 클라우드 구성요소를 활용하여 대규모 데이터 세트를 효율적으로 저장, 분석, 처리하는 방법을 직접 경험해 봅니다.
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.
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.
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.
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.
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.
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.
중급 Gemini 멀티모달 및 멀티모달 RAG로 리치 문서 검사하기 기술 배지 과정을 완료하여 다음 기술 역량을 입증하세요. 멀티모달 프롬프트를 사용하여 텍스트 및 시각적 데이터에서 정보 추출, 동영상 설명 생성, Gemini의 멀티모달 기능을 사용하여 동영상은 물론 그 밖의 추가 정보 검색, 텍스트와 이미지가 포함된 문서의 메타데이터 구축, 모든 관련 텍스트 청크 가져오기, Gemini의 멀티모달 검색 증강 생성(RAG)을 사용하여 인용 문구 인쇄 등이 있습니다.
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.
이 체계적인 학습 프로그램은 에이전트 개발 키트(ADK)를 활용해 지능형 에이전트를 빌드하고자 하는 개발자를 대상으로 합니다. 실습, 핵심 개념, 실제 적용 사례를 결합하여 ADK 활용을 위한 포괄적인 가이드를 제공합니다. Google Cloud 전문가 및 동료들로 이루어진 커뮤니티에 참여하여 질문하고 함께 답을 찾고 매일 사용하는 제품을 제작하는 Google 직원들과 소통하세요.
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.
이 과정에서는 딥 러닝을 사용해 이미지 캡션 모델을 만드는 방법을 알아봅니다. 인코더 및 디코더와 모델 학습 및 평가 방법 등 이미지 캡션 모델의 다양한 구성요소에 대해 알아봅니다. 이 과정을 마치면 자체 이미지 캡션 모델을 만들고 이를 사용해 이미지의 설명을 생성할 수 있게 됩니다.
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.
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 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.
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.
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.
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.
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.
Google Cloud : Prompt Engineering Guide examines generative AI tools, how they work. We'll explore how to combine Google Cloud knowledge with prompt engineering to improve Gemini responses.
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.
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.