Yumi HEO
회원 가입일: 2024
다이아몬드 리그
5525포인트
Lakehouse 데이터 보호
Earned 7월 28, 2026 EDT
Security Command Center로 위협과 취약점 완화하기
Earned 5월 17, 2026 EDT
클라우드 협업 및 생산성 워크플로 구현
Earned 5월 17, 2026 EDT
Google Kubernetes Engine 비용 최적화
Earned 5월 16, 2026 EDT
Google Cloud Compute 기본
Earned 5월 16, 2026 EDT
API를 사용하여 Cloud Storage 작업
Earned 5월 16, 2026 EDT
Google Cloud 리소스 모니터링 및 관리
Earned 5월 16, 2026 EDT
개발자를 위한 책임감 있는 AI: 개인 정보 보호 및 안전
Earned 5월 16, 2026 EDT
생성형 AI를 위한 머신러닝 작업(MLOps)
Earned 5월 15, 2026 EDT
Google DeepMind: 03 Design And Train Neural Networks
Earned 5월 15, 2026 EDT
인코더-디코더 아키텍처
Earned 5월 15, 2026 EDT
Transformer 모델 및 BERT 모델
Earned 5월 15, 2026 EDT
어텐션 메커니즘
Earned 5월 15, 2026 EDT
Google 데이터 클라우드로 데이터 공유하기
Earned 5월 14, 2026 EDT
BigQuery 데이터에서 인사이트 도출
Earned 5월 14, 2026 EDT
Google Cloud의 Monitoring
Earned 5월 13, 2026 EDT
생태계 전반에서 민감한 데이터 탐색 및 보호
Earned 5월 13, 2026 EDT
Gemini로 멀티모달 데이터 분석 및 추론
Earned 5월 12, 2026 EDT
Cloud Vision API로 이미지 분석
Earned 5월 10, 2026 EDT
Google Cloud Speech API 활용하기
Earned 5월 10, 2026 EDT
개발자를 위한 책임감 있는 AI: 해석 가능성 및 투명성
Earned 5월 10, 2026 EDT
Google Cloud에서 ML API용으로 데이터 준비하기
Earned 5월 9, 2026 EDT
Compute Engine에서 Cloud Load Balancing 구현하기
Earned 5월 9, 2026 EDT
Google Cloud 인공지능으로 혁신하기
Earned 4월 27, 2026 EDT
Natural Language API를 사용한 감정 분석
Earned 4월 27, 2026 EDT
Google Cloud AI and ML Solutions for the Public Sector
Earned 4월 26, 2026 EDT
개발자를 위한 책임감 있는 AI: 공정성 및 편향
Earned 4월 26, 2026 EDT
책임감 있는 AI: Google Cloud를 통한 AI 원칙 적용하기
Earned 4월 26, 2026 EDT
Google Cloud의 AI 및 머신러닝 소개
Earned 4월 22, 2026 EDT
책임감 있는 AI 소개
Earned 4월 15, 2026 EDT
이미지 생성 소개
Earned 4월 15, 2026 EDT
대규모 언어 모델 소개
Earned 4월 14, 2026 EDT
생성형 AI 소개
Earned 4월 11, 2026 EDT
초급 Lakehouse 데이터 보호 기술 배지 과정을 완료하여 Knowledge Catalog 내에서 IAM, BigQuery, Lakehouse, Data Catalog를 사용해 Lakehouse 테이블을 만들고 보호하는 기술 역량을 입증하세요.
자세히 알아보기
중급 Security Command Center로 위협과 취약점 완화하기 기술 배지 과정을 완료하여 환경 위협을 예방 및 관리하고, 애플리케이션 취약점을 식별 및 완화하며, 보안 이상에 대응하는 기술 역량을 입증하세요.
자세히 알아보기
클라우드 협업 및 생산성 워크플로 구현 과정을 완료하고 초급 기술 배지를 획득하세요. 이 과정에서는 Google의 협업 플랫폼에 대해 소개하고, Gmail, Calendar, Meet, Drive, Sheets, AppSheet를 사용하는 방법을 알아봅니다.
자세히 알아보기
중급 Google Kubernetes Engine 비용 최적화 기술 배지 과정을 완료하여 멀티 테넌트 클러스터의 생성 및 관리, 리소스 사용량의 네임스페이스별 모니터링, 효율을 위한 클러스터 및 포드 자동 확장 구성, 최적의 리소스 배포를 위한 부하 분산 설정, 애플리케이션 상태와 비용 효율을 위한 활성 프로브 및 준비 프로브 구현 작업과 관련된 기술 역량을 입증하세요.
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
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
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
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 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
In this Google DeepMind course you will focus on the training process for machine learning models. You will learn how to spot and mitigate issues when training a model, such as overfitting and underfitting. In practical coding labs, you will implement and evaluate the multilayer perceptron for simple classification tasks. This will provide insights into the mechanics of training a neural network model and the backpropagation algorithm. Research case studies will demonstrate how neural networks power real-world models. Additionally, you will consider the broader social impacts of innovation by looking beyond immediate benefits to anticipate potential risks, safety concerns, and further-reaching societal consequences.
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 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
Google 데이터 클라우드로 데이터 공유하기 기술 배지 과정을 완료하여 기술 배지 를 획득하세요.이 과정에서는 고객이 분석 사용 사례에 사용할 수 있는 독점 데이터 세트를 보유한 Google Cloud 데이터 공유 파트너와 함께 실무 경험을 쌓을 수 있습니다. 고객은 이 데이터를 구독하고, 자체 플랫폼 내에서 쿼리하고, 자체 데이터 세트로 보강하고, 고객 대면 대시보드에 시각화 도구를 사용합니다.
자세히 알아보기
초급 BigQuery 데이터에서 인사이트 도출 기술 배지 과정을 완료하여 SQL 쿼리 작성, 공개 테이블 쿼리, BigQuery로 샘플 데이터 로드, BigQuery의 쿼리 검사기를 통한 일반적인 문법 오류 문제 해결, BigQuery 데이터를 연결해 Data Studio에서 보고서를 생성하는 작업과 관련된 기술 역량을 입증하세요.
자세히 알아보기
초급 Google Cloud의 Monitoring 기술 배지 과정을 완료하여 Cloud Monitoring 도구로 Google Cloud의 리소스를 모니터링하는 기술을 입증할 수 있습니다.
자세히 알아보기
중급 생태계 전반에서 민감한 데이터 탐색 및 보호 기술 배지 과정을 완료하여 Sensitive Data Protection 서비스(Cloud Data Loss Prevention(DLP) API 포함)를 통해 Cloud Storage 파일, BigQuery 데이터, 생성형 AI 모델 대답을 포함한 Google Cloud 생태계 전반에서 민감한 정보를 발견, 검사, 수정, 익명화하는 등의 기술 역량을 입증하세요.
자세히 알아보기
중급 Gemini로 멀티모달 데이터 분석 및 추론 기술 배지 과정을 완료하여 Gemini 2.0 Flash를 사용해 텍스트, 이미지, 오디오(악보로 표시됨), 동영상 데이터를 분석하고 조합된 정보로 추론함으로써 결론 및 인사이트를 도출하는 기술 역량을 입증할 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 Cloud Speech API 활용하기 기술 배지 과정을 완료하고 기술 배지를 획득하세요. 이 과정에서는 Speech-to-Text API 요청을 만들고, 오디오 음성을 텍스트로 변환하고 음성을 스크립트로 작성할 수 있습니다.
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
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
초급 Compute Engine에서 Cloud Load Balancing 구현하기 기술 배지 과정을 완료하여 Compute Engine에서 가상 머신 만들기 및 배포, 네트워크 및 애플리케이션 부하 분산기 구성과 관련된 기술 역량을 입증하세요.
자세히 알아보기
인공지능(AI)과 머신러닝(ML)은 광범위한 산업을 빠르게 혁신하고 있는 정보 기술의 중요한 진화입니다. 'Google Cloud 인공지능으로 혁신하기' 과정에서는 조직이 AI와 ML을 사용하여 비즈니스 프로세스를 혁신하는 방법을 살펴봅니다.
Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축하는 데 도움이 되는 것을 목표로 합니다.
자세히 알아보기
Natural Language API를 사용한 감정 분석 퀘스트를 완료하고 기술 배지를 획득하세요. API가 텍스트에서 감정을 추론하는 방법을 배울 수 있습니다.
자세히 알아보기
Building a Conversational Interface with Dialogflow CX
Building conversational interfaces will enable you to engage your constituents in delightful new ways. This section will provide an overview of Dialogflow CX, which provides a range of new capabilities, languages, and functions.
Scaling Equity and Access with Enterprise Translation Hub
Accurate, timely and cost effective document translation has long been a challenge to providing equitable and accessible service to all constituents. In this section, explore Google's Enterprise Translation solutions which provide scalable document translation leveraging best in class Artificial Intelligence and Machine Learning, while retaining the critical human in the loop for final post editing review.
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
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.
자세히 알아보기
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.
자세히 알아보기
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.
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 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
