가입 로그인

Laurence Carton

회원 가입일: 2023

실버 리그

20696포인트
안전한 엔터프라이즈 AI 에이전트 Earned 10월 14, 2026 EDT
ADK 및 MCP로 협업 멀티 에이전트 시스템 빌드 Earned 10월 6, 2026 EDT
Google Cloud에서 Kubernetes 관리 Earned 2월 5, 2025 EST
Google Cloud에 CI/CD 파이프라인 구현하기 Earned 1월 28, 2025 EST
Google Cloud에서 ML API용으로 데이터 준비하기 Earned 6월 4, 2024 EDT
[DEPRECATED] 데이터 과학자와 분석가를 위한 Gemini Earned 5월 24, 2024 EDT
Dataflow를 사용한 서버리스 데이터 처리: 운영 Earned 10월 27, 2023 EDT
Dataflow를 사용한 서버리스 데이터 처리: 기초 Earned 10월 3, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 한국어 Earned 10월 2, 2023 EDT
Introduction to Vertex Forecasting and Time Series in Practice Earned 9월 29, 2023 EDT
Google Cloud에서 일괄 데이터 파이프라인 빌드하기 Earned 9월 29, 2023 EDT
Google Cloud에서 스트리밍 데이터 파이프라인 빌드하기 Earned 9월 15, 2023 EDT
Google Cloud에서 데이터 레이크와 데이터 웨어하우스 빌드하기 Earned 8월 11, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 한국어 Earned 8월 4, 2023 EDT
자격증 학습 가이드 만들기: PDE 시험 대비 Earned 7월 20, 2023 EDT

Google Cloud에서 AI 에이전트를 보호하고 제어하는 방법을 알아보세요. 이 과정에서는 에이전트 메모리를 보호하고, IAM 및 VPC 서비스 제어를 통해 엄격한 액세스 제어를 적용하며, 실시간 대화 가드레일을 배포하여 안전하고 규정을 준수하는 엔터프라이즈 배포를 보장하기 위한 실용적인 로드맵을 제공합니다.

자세히 알아보기

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

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

Google Cloud에 CI/CD 파이프라인 구현하기 기술 배지 과정을 완료하고 중급 기술 배지를 획득하세요. 이 과정에서는 Artifact Registry, Cloud Build, Cloud Deploy를 사용하는 방법을 알아보고, Google Cloud 콘솔, Google Cloud CLI, Cloud Run, GKE를 사용해 봅니다. 이 과정을 통해 지속적 통합 파이프라인을 빌드하고, 아티팩트를 저장 및 보호하고, 취약점을 검사하고, 승인된 버전의 유효성을 증명하는 방법을 알아볼 수 있습니다. 또한 GKE와 Cloud Run에 모두 애플리케이션을 배포하는 실무 경험도 쌓을 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

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

Dataflow 과정 시리즈의 마지막 편에서는 Dataflow 운영 모델의 구성요소를 소개합니다. 파이프라인 성능의 문제를 해결하고 최적화하기 위한 도구와 기법을 살펴봅니다. 그런 다음 Dataflow 파이프라인의 테스트, 배포, 안정성 권장사항을 검토합니다. 마지막으로 Dataflow 파이프라인을 사용자가 수백 명이나 되는 조직으로 쉽게 확장할 수 있는 템플릿을 검토해 보겠습니다. 이 강의는 데이터 플랫폼이 예상치 못한 상황에서도 안정성과 복원력을 갖추도록 하는데 도움이 됩니다.

자세히 알아보기

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

머신러닝을 데이터 파이프라인에 통합하면 데이터에서 더 많은 인사이트를 도출할 수 있습니다. 이 과정에서는 머신러닝을 Google Cloud의 데이터 파이프라인에 포함하는 방법을 알아봅니다. 맞춤설정이 거의 또는 전혀 필요 없는 경우에 적합한 AutoML에 대해 알아보고 맞춤형 머신러닝 기능이 필요한 경우를 위해 Notebooks 및 BigQuery 머신러닝(BigQuery ML)도 소개합니다. Vertex AI를 사용해 머신러닝 솔루션을 프로덕션화하는 방법도 다루어 보겠습니다.

자세히 알아보기

This course is an introduction to building forecasting solutions with Google Cloud. You start with sequence models and time series foundations. You then walk through an end-to-end workflow: from data preparation to model development and deployment with Vertex AI. Finally, you learn the lessons and tips from a retail use case and apply the knowledge by building your own forecasting models.

자세히 알아보기

이 중급 과정에서는 Google Cloud에서 강력한 일괄 데이터 파이프라인을 설계, 빌드, 최적화하는 방법을 알아봅니다. 기본적인 데이터 처리를 넘어, 시의적절한 비즈니스 인텔리전스와 중요한 보고에 필수적인 대규모 데이터 변환과 효율적인 워크플로 조정에 대해 살펴봅니다. Apache Beam용 Dataflow와 Apache Spark용 서버리스(Dataproc Serverless)를 사용하여 구현을 실습하고, 파이프라인 안정성과 운영 우수성을 보장하기 위해 데이터 품질, 모니터링, 알림에 대한 중요한 고려사항을 다룹니다. 데이터 웨어하우징, ETL/ELT, SQL, Python, Google Cloud 개념에 대한 기본적인 지식이 있으면 좋습니다.

자세히 알아보기

이 과정에서는 스트리밍 데이터 파이프라인을 빌드할 때 직면하는 실제 과제를 해결하기 위해 실습을 진행합니다. Google Cloud 제품을 사용하여 지속적이고 무제한적인 데이터를 관리하는 데 중점을 둡니다.

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

이 과정에서는 데이터-AI 수명 주기를 지원하는 Google Cloud 빅데이터 및 머신러닝 제품과 서비스를 소개합니다. Google Cloud에서 Vertex AI를 사용하여 빅데이터 파이프라인 및 머신러닝 모델을 빌드하는 프로세스, 문제점 및 이점을 살펴봅니다.

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