Phakphoom Claiboon
회원 가입일: 2016
다이아몬드 리그
22714포인트
Dataflow를 사용한 서버리스 데이터 처리: 기초
Earned 4월 18, 2026 EDT
BigQuery로 멀티모달 벡터 검색 구현하기
Earned 4월 9, 2026 EDT
Gemini 및 Streamlit으로 생성형 AI 앱 개발하기
Earned 4월 8, 2026 EDT
BigQuery ML을 사용한 예측 모델링을 위한 데이터 엔지니어링
Earned 3월 29, 2026 EDT
애플리케이션 개발자를 위한 Gemini
Earned 3월 28, 2026 EDT
BigQuery ML로 ML 모델 만들기
Earned 3월 28, 2026 EDT
AI Boost Bites: Gemini 및 Apps Script로 작업 자동화하기
Earned 3월 27, 2026 EDT
Google Cloud의 서비스 계정과 IAM 역할 설정하기
Earned 3월 25, 2026 EDT
API를 사용하여 Cloud Storage 작업
Earned 3월 23, 2026 EDT
Google Cloud 컴퓨팅 기초: 클라우드 컴퓨팅 기초
Earned 3월 22, 2026 EDT
Google Cloud에서 데이터 레이크와 데이터 웨어하우스 빌드하기
Earned 3월 20, 2026 EDT
Google Cloud Compute 기본
Earned 3월 20, 2026 EDT
Google Cloud의 데이터 엔지니어링 입문
Earned 3월 8, 2026 EDT
자격증 학습 가이드 만들기: PDE 시험 대비
Earned 3월 3, 2026 EST
Google Cloud에서 Terraform으로 인프라 빌드
Earned 6월 12, 2024 EDT
Google Cloud에서 Kubernetes 관리
Earned 6월 3, 2024 EDT
Google Cloud 리소스 모니터링 및 관리
Earned 6월 2, 2024 EDT
BigQuery에서 예측 데이터 분석 수행
Earned 5월 25, 2024 EDT
데이터 과학자와 분석가를 위한 Gemini
Earned 5월 25, 2024 EDT
Google Cloud에서 Gemini와 애플리케이션 통합하기
Earned 5월 24, 2024 EDT
Natural Language API를 사용한 감정 분석
Earned 5월 24, 2024 EDT
Cloud Vision API로 이미지 분석
Earned 5월 23, 2024 EDT
Google API를 사용한 음성 및 언어 분석
Earned 5월 23, 2024 EDT
Google Cloud에서 TensorFlow를 사용해 이미지 분류하기
Earned 5월 22, 2024 EDT
Google Cloud 컴퓨팅 기초: Google Cloud의 데이터, 머신러닝, AI
Earned 5월 22, 2024 EDT
Intro to ML: Image Processing
Earned 5월 18, 2024 EDT
머신러닝 소개: 언어 처리
Earned 5월 18, 2024 EDT
생성형 AI 입문자 - Agent Platform
Earned 5월 17, 2024 EDT
이 과정은 Dataflow를 사용한 서버리스 데이터 처리에 관한 3개 과정으로 이루어진 시리즈 중 1부입니다. 이 첫 번째 과정에서는 Apache Beam이 무엇인지, Dataflow와 어떤 관계가 있는지 복습하는 내용으로 시작합니다. 다음으로 Apache Beam의 비전과 Beam 이식성 프레임워크의 이점에 대해 설명합니다. Beam 이식성 프레임워크는 개발자가 선호하는 프로그래밍 언어를 원하는 실행 백엔드와 함께 사용할 수 있다는 비전을 실현합니다. 그런 다음 Dataflow를 통해 컴퓨팅과 스토리지를 분리하면서 비용을 절감하는 방법과 ID, 액세스, 관리 도구가 Dataflow 파이프라인과 상호작용하는 방식을 알아봅니다. 마지막으로 Dataflow에서 사용 사례에 맞는 적절한 보안 모델을 구현하는 방법을 살펴봅니다.
자세히 알아보기
중급 BigQuery로 멀티모달 벡터 검색 구현하기·기술 배지 과정을 완료하여 BigQuery의 Gemini를 사용해 SQL을 생성 및 디버그하고, 감정 분석을 수행하고, 텍스트를 요약하고 키워드를 식별하고, 임베딩을 생성하고, 검색 증강 생성(RAG) 파이프라인을 만들고, 멀티모달 벡터 검색을 구현하는 기술 역량을 입증해 보세요.
자세히 알아보기
중급 Gemini 및 Streamlit으로 생성형 AI 앱 개발하기 기술 배지 과정을 완료하여 텍스트 생성, Python SDK와 Gemini API를 사용한 함수 호출 적용, Cloud Run으로 Streamlit 애플리케이션 배포 작업과 관련된 기술 역량을 입증하세요. 텍스트 생성을 위해 Gemini에 프롬프트를 입력하는 여러 가지 방법과 Cloud Shell을 사용해 Streamlit 애플리케이션을 테스트하고 반복하는 방법, Streamlit 애플리케이션을 Cloud Run에 배포된 Docker 컨테이너로 패키징하는 방법을 배울 수 있습니다.
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
이 과정에서는 Google Cloud의 생성형 AI 기반 공동작업 도구인 Gemini가 개발자의 애플리케이션 빌드에 어떤 도움이 되는지 알아봅니다. Gemini에 프롬프트를 입력하여 코드에 대한 설명을 얻고 Google Cloud 서비스를 추천받고 애플리케이션의 코드를 생성하는 방법을 배울 수 있습니다. 실무형 실습을 통해 Gemini로 애플리케이션 개발 워크플로가 얼마나 개선되는지 경험할 수 있습니다.
Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다.
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 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
Google Cloud의 서비스 계정과 IAM 역할 설정하기 과정을 완료하고 초급 기술 배지를 획득하세요. 이 과정에서는 서비스 계정, 커스텀 역할, gcloud를 사용해 권한을 설정하는 방법을 배울 수 있습니다.
자세히 알아보기
API를 사용하여 Cloud Storage 작업 초급 기술 배지 과정을 완료하여 Cloud Storage 리소스 작업에 Cloud Storage API를 포함한 여러 API를 사용하는 기술을 입증하세요.
자세히 알아보기
Google Cloud 컴퓨팅 기초 과정은 클라우드 컴퓨팅에 대한 배경지식 또는 경험이 거의 없는 개인을 대상으로 합니다. 이 과정은 클라우드 기본사항, 빅데이터, 머신러닝에 대한 핵심 개념을 간략히 설명하고 Google Cloud의 적용 위치 및 방식에 대한 개요를 제공합니다.
일련의 과정을 마친 학습자는 이러한 개념을 명확하게 설명하고 몇 가지 실무 기술 역량을 입증할 수 있게 됩니다.
과정은 다음 순서대로 완료해야 합니다.
1. Google Cloud 컴퓨팅 기초: 클라우드 컴퓨팅 기초
2. Google Cloud 컴퓨팅 기초: Google Cloud의 인프라
3. Google Cloud 컴퓨팅 기초: Google Cloud의 네트워킹 및 보안
4. Google Cloud 컴퓨팅 기초: Google Cloud의 데이터, 머신러닝, AI
첫 번째 과정에서는 클라우드 컴퓨팅, Google Cloud 사용 방법, 다양한 컴퓨팅 옵션에 대한 개요를 제공합니다.
자세히 알아보기
데이터 레이크와 데이터 웨어하우스를 사용하는 기존 접근방식은 효과적일 수 있지만, 특히 대규모 엔터프라이즈 환경에서는 단점이 있습니다. 이 과정에서는 데이터 레이크하우스의 개념과 데이터 레이크하우스를 만드는 데 사용되는 Google Cloud 제품을 소개합니다. 레이크하우스 아키텍처는 개방형 표준 데이터 소스를 사용하며 데이터 레이크와 데이터 웨어하우스의 장점을 결합하여 많은 단점을 해결합니다.
자세히 알아보기
Google Cloud Compute 기본 퀘스트를 완료하고 기술 배지를 획득하세요. 퀘스트에서는 Compute Engine을 사용하여 가상 머신(VM), 영구 디스크, 웹 서버로 작업하는 방법을 학습합니다.
자세히 알아보기
이 과정에서는 Google Cloud의 데이터 엔지니어링, 데이터 엔지니어의 역할과 책임, 그리고 이러한 요소가 Google Cloud 제공 서비스와 어떻게 연결되는지에 대해 알아봅니다. 또한 데이터 엔지니어링 과제를 해결하는 방법에 대해서도 배우게 됩니다.
자세히 알아보기
Gemini Notebook을 사용하여 Professional Data Engineer 자격증 시험을 위한 맞춤형 학습 가이드를 만드는 방법을 알아보세요.
Gemini Notebook 기능을 검토하고, Gemini Notebook에서 노트북을 만들고, 학습 가이드를 사용하여 자격증 시험을 연습하는 방법을 익힐 수 있습니다.
자세히 알아보기
중급 Google Cloud에서 Terraform으로 인프라 빌드 기술 배지 과정을 완료하여 Terraform을 사용하는 코드형 인프라(IaC) 원칙, Terraform 구성으로 Google Cloud 리소스 프로비저닝 및 관리, 효과적인 상태 관리(로컬 및 원격), 재사용성 및 구성을 위한 Terraform 코드 모듈화 등에 관한 기술을 입증하세요.
자세히 알아보기
중급 Google Cloud에서 Kubernetes 관리 기술 배지 과정을 완료하여 kubectl로 배포 관리, Google Kubernetes Engine(GKE)에서 애플리케이션 디버깅 및 모니터링, 지속적 배포 기법과 관련된 기술 역량을 입증하세요.
자세히 알아보기
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.
자세히 알아보기
중급 BigQuery에서 예측 데이터 분석 수행 기술 배지 과정을 완료하여 CSV 및 JSON 파일을 가져와 BigQuery에서 데이터 세트를 만들고, BigQuery ML을 사용하여 축구 이벤트 데이터로 기대 득점 모델을 학습하고 월드컵 골의 인상도를 평가하는 등 고급 SQL 분석 개념을 갖추고 BigQuery를 활용하는 기술 역량을 입증할 수 있습니다.
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
Google Cloud에서 Gemini와 애플리케이션을 통합하는 방법에 대한 이 짧은 과정은 Gemini API 모델과 생성형 AI 모델을 살펴보는 데 도움이 됩니다. 이 과정에서는 코드에서 Gemini 모델에 액세스하는 방법을 알아봅니다. 앱의 텍스트, 이미지, 동영상 프롬프트로 모델의 기능을 테스트할 수 있습니다.
자세히 알아보기
Natural Language API를 사용한 감정 분석 퀘스트를 완료하고 기술 배지를 획득하세요. API가 텍스트에서 감정을 추론하는 방법을 배울 수 있습니다.
자세히 알아보기
Cloud Vision API로 이미지 분석 과정을 완료하여 기술 배지를 획득하세요. 이 과정에서는 이미지에서 텍스트를 추출하는 등 다양한 작업에 Cloud Vision API를 활용하는 방법을 알아봅니다.
자세히 알아보기
Google API를 사용한 음성 및 언어 분석 과정을 완료하고 기술 배지를 획득하세요. 이 과정에서는 실제 환경에서 Natural Language API와 Speech API를 사용하는 방법을 알아봅니다.
자세히 알아보기
중급 Google Cloud에서 TensorFlow를 사용해 이미지 분류하기 과정을 완료하고 기술 배지를 획득하세요. 이 기술 배지 과정에서는 TensorFlow와 Vertex AI를 사용하여 머신러닝 모델을 만들고 학습시키는 방법을 배웁니다. 주로 Vertex AI Workbench 사용자 관리 노트북과 상호작용합니다.
자세히 알아보기
Google Cloud 컴퓨팅 기초 과정은 클라우드 컴퓨팅에 대한 배경지식 또는 경험이 거의 없는 개인을 대상으로 합니다. 이 과정은 클라우드 기본사항, 빅데이터, 머신러닝에 대한 핵심 개념을 간략히 설명하고 Google Cloud의 적용 위치 및 방식에 대한 개요를 제공합니다.
일련의 과정을 마친 학습자는 이러한 개념을 명확하게 설명하고 몇 가지 실무 기술 역량을 입증할 수 있게 됩니다.
과정은 다음 순서대로 완료해야 합니다.
1. Google Cloud 컴퓨팅 기초: 클라우드 컴퓨팅 기초
2. Google Cloud 컴퓨팅 기초: Google Cloud의 인프라
3. Google Cloud 컴퓨팅 기초: Google Cloud의 네트워킹 및 보안
4. Google Cloud 컴퓨팅 기초: Google Cloud의 데이터, 머신러닝, AI
이 시리즈의 마지막 과정에서는 관리형 빅데이터 서비스, 머신러닝과 그 가치를 복습하고 기술 배지를 획득하여 Google Cloud 기술 역량을 추가로 입증하는 방법을 살펴봅니다.
자세히 알아보기
Using large scale computing power to recognize patterns and "read" images is one of the foundational technologies in AI, from self-driving cars to facial recognition. The Google Cloud Platform provides world class speed and accuracy via systems that can utilized by simply calling APIs. With these and a host of other APIs, GCP has a tool for just about any machine learning job. In this introductory quest, you will get hands-on practice with machine learning as it applies to image processing by taking labs that will enable you to label images, detect faces and landmarks, as well as extract, analyze, and translate text from within images.
자세히 알아보기
모두 알다시피 머신러닝은 빠르게 성장 중인 기술 분야 중 하나입니다. Google Cloud Platform(GCP)은 이러한 발전을 촉진하는 데 중요한 역할을 했습니다. GCP는 다양한 API를 통해 거의 모든 머신러닝 작업에 적합한 도구를 제공합니다. 이 초급 과정에서는 실무형 실습을 통해 머신러닝을 언어 처리에 적용하는 방법을 알아봅니다. 실습에 참여하여 텍스트에서 항목을 추출하고 감정 및 구문 분석을 수행하며 스크립트 작성에 Speech-to-Text API를 사용해 보세요.
자세히 알아보기
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.
자세히 알아보기
