가입 로그인

Mohammad Nazrin

회원 가입일: 2023

실버 리그

4800포인트
Firebase로 서버리스 앱 개발 Earned 5월 31, 2023 EDT
Vertex AI에서 머신러닝 솔루션 빌드 및 배포하기 Earned 5월 31, 2023 EDT
Database Migration Service로 MySQL 데이터를 Cloud SQL로 마이그레이션하기 Earned 5월 31, 2023 EDT
Google Cloud에서 Machine Learning API 사용하기 Earned 5월 30, 2023 EDT
PostgreSQL용 Cloud SQL 인스턴스 만들고 관리하기 Earned 5월 30, 2023 EDT
Google Cloud에서 TensorFlow를 사용해 이미지 분류하기 Earned 5월 29, 2023 EDT
인코더-디코더 아키텍처 Earned 5월 29, 2023 EDT
이미지 캡셔닝 모델 만들기 Earned 5월 29, 2023 EDT
이미지 생성 소개 Earned 5월 29, 2023 EDT
Transformer 모델 및 BERT 모델 Earned 5월 29, 2023 EDT
어텐션 메커니즘 Earned 5월 29, 2023 EDT
대규모 언어 모델 소개 Earned 5월 29, 2023 EDT
생성형 AI 소개 Earned 5월 29, 2023 EDT

중급 Firebase로 서버리스 앱 개발 기술 배지 과정을 완료하여 Firebase를 사용한 서버리스 웹 애플리케이션 설계 및 빌드, 데이터베이스 관리에 Firestore 활용, Cloud Build를 사용하여 배포 프로세스 자동화, 애플리케이션에 Google 어시스턴트 기능 통합 등에 관한 기술을 입증하세요.

자세히 알아보기

Vertex AI에서 머신러닝 솔루션 빌드 및 배포하기 과정을 완료하여 중급 기술 배지를 획득하세요. 이 과정에서는 Google Cloud의 Vertex AI Platform, AutoML, 커스텀 학습 서비스를 사용해 머신러닝 모델을 학습, 평가, 조정, 설명, 배포하는 방법을 알아봅니다. 이 기술배지 과정은 전문 데이터 과학자 및 머신러닝 엔지니어를 대상으로 합니다. 기술 배지는 Google Cloud 제품 및 서비스 숙련도에 따라 Google Cloud에서 독점적으로 발급하는 디지털 배지로, 기술 배지 과정을 통해 대화형 실습 환경에서 지식을 적용하는 역량을 테스트할 수 있습니다. 이 기술 배지 과정과 최종 평가 챌린지 실습을 완료하면 네트워크에 공유할 수 있는 디지털 배지를 받게 됩니다.

자세히 알아보기

초급 Database Migration Service로 MySQL 데이터를 Cloud SQL로 마이그레이션하기 기술 배지 과정을 완료하여 Database Migration Service에서 제공되는 다양한 작업 유형 및 연결 옵션을 사용하여 MySQL 데이터를 Cloud SQL로 마이그레이션하고 Database Migration Service 작업을 실행할 때 MySQL 사용자 데이터를 마이그레이션할 수 있는 기술 역량을 입증하세요.

자세히 알아보기

Google Cloud에서 Machine Learning API 사용하기 과정을 완료하여 고급 기술 배지를 획득하세요. 이 과정에서는 Cloud Vision API, Cloud Translation API, Cloud Natural Language API와 같은 머신러닝 및 AI 기술의 기본 기능을 알아봅니다.

자세히 알아보기

초급 PostgreSQL용 Cloud SQL 인스턴스 만들고 관리하기 기술 배지 과정을 완료하여 PostgreSQL용 Cloud SQL 인스턴스와 데이터베이스를 마이그레이션, 구성, 관리할 수 있는 기술 역량을 입증하세요.

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

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.

자세히 알아보기

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.

자세히 알아보기

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.

자세히 알아보기

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.

자세히 알아보기

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.

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

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