가입 로그인

Uppu Venkatesh

회원 가입일: 2026

다이아몬드 리그

16420포인트
Cloud Run으로 AI 모델 배포 및 확장하기 Earned 11월 2, 2026 EST
조직을 위한 Gemini Code Assist 구성하기 Earned 11월 2, 2026 EST
Google Cloud에서 데이터 저장, 처리, 관리하기 - 콘솔 Earned 10월 28, 2026 EDT
Google Cloud Speech API 활용하기 Earned 10월 28, 2026 EDT
Google Cloud의 서비스 계정과 IAM 역할 설정하기 Earned 10월 28, 2026 EDT
Dataflow를 사용한 서버리스 데이터 처리: 파이프라인 개발 Earned 10월 28, 2026 EDT
Dataflow를 사용한 서버리스 데이터 처리: 기초 Earned 10월 28, 2026 EDT
Security Command Center로 위협과 취약점 완화하기 Earned 10월 27, 2026 EDT
개발자를 위한 책임감 있는 AI: 개인 정보 보호 및 안전 Earned 10월 27, 2026 EDT
이미지 캡셔닝 모델 만들기 Earned 10월 27, 2026 EDT
Transformer 모델 및 BERT 모델 Earned 10월 27, 2026 EDT
어텐션 메커니즘 Earned 10월 27, 2026 EDT
인코더-디코더 아키텍처 Earned 10월 27, 2026 EDT
이미지 생성 소개 Earned 10월 27, 2026 EDT
대규모 언어 모델 소개 Earned 10월 27, 2026 EDT
생성형 AI 소개 Earned 10월 27, 2026 EDT
클라우드 협업 및 생산성 워크플로 구현 Earned 10월 25, 2026 EDT
Google Cloud 운영으로 확장하기 Earned 10월 25, 2026 EDT
Google Cloud를 통한 신뢰 및 보안 Earned 10월 25, 2026 EDT
Google Cloud로 인프라 및 애플리케이션 현대화 Earned 10월 25, 2026 EDT
Google Cloud 인공지능으로 혁신하기 Earned 10월 25, 2026 EDT
Google Cloud를 통한 데이터 혁신 살펴보기 Earned 10월 25, 2026 EDT
Google Cloud를 통한 디지털 혁신 Earned 10월 25, 2026 EDT
AI 보안 소개 Earned 10월 25, 2026 EDT
Model Armor: 안전한 AI 배포 Earned 10월 25, 2026 EDT
개발자를 위한 책임감 있는 AI: 해석 가능성 및 투명성 Earned 10월 25, 2026 EDT
개발자를 위한 책임감 있는 AI: 공정성 및 편향 Earned 10월 25, 2026 EDT
사전 학습된 API를 활용한 음성 및 언어 솔루션 구현 Earned 10월 25, 2026 EDT
Vertex AI로 머신러닝 작업(MLOps): 모델 평가 Earned 10월 24, 2026 EDT
Google Cloud의 데이터 엔지니어링 입문 Earned 10월 24, 2026 EDT
Google Cloud Compute 기본 Earned 10월 19, 2026 EDT
Google Cloud Managed Service for Prometheus 환경 모니터링 Earned 10월 18, 2026 EDT
나의 첫 Gemini Enterprise 애플리케이션 만들기 Earned 10월 17, 2026 EDT
Dataflow를 사용한 서버리스 데이터 처리: 운영 Earned 10월 17, 2026 EDT
BigQuery의 Gemini로 생산성 향상 Earned 10월 17, 2026 EDT
BigQuery로 데이터 웨어하우스 빌드 Earned 10월 17, 2026 EDT
Knowledge Catalog로 데이터 메시 빌드하기 Earned 10월 17, 2026 EDT
Google Cloud에서 데이터 레이크와 데이터 웨어하우스 빌드하기 Earned 10월 16, 2026 EDT
자격증 학습 가이드 만들기: PDE 시험 대비 Earned 10월 16, 2026 EDT
안전한 Google Cloud 네트워크 빌드 Earned 10월 16, 2026 EDT
Google Cloud 컴퓨팅 기초: Google Cloud의 데이터, 머신러닝, AI Earned 10월 16, 2026 EDT
Google Cloud에서 Kubernetes 관리 Earned 10월 14, 2026 EDT
Google Cloud 앱 개발 환경 설정 Earned 10월 13, 2026 EDT
Google Cloud 컴퓨팅 기초: Google Cloud의 네트워킹 및 보안 Earned 10월 6, 2026 EDT
Arcade Trail: Data Engineering and Security Earned 9월 16, 2026 EDT
Google App Engine에서 애플리케이션 배포 및 관리 Earned 9월 5, 2026 EDT
Arcade Voyage: App Modernization Earned 9월 5, 2026 EDT
Cloud Run 기반 서버리스 애플리케이션 개발 Earned 9월 5, 2026 EDT
Cloud Storage에서 스트리밍 데이터 레이크 만들기 Earned 9월 4, 2026 EDT
Google Cloud에서 ML API용으로 데이터 준비하기 Earned 9월 2, 2026 EDT
Gemini 및 Streamlit으로 생성형 AI 앱 개발하기 Earned 8월 29, 2026 EDT
Google Cloud 컴퓨팅 기초: Google Cloud의 인프라 Earned 7월 28, 2026 EDT
Google Cloud 컴퓨팅 기초: 클라우드 컴퓨팅 기초 Earned 7월 4, 2026 EDT
Compute Engine에서 Cloud Load Balancing 구현하기 Earned 6월 30, 2026 EDT
생성형 AI를 위한 머신러닝 작업(MLOps) Earned 6월 29, 2026 EDT

AI 추론은 학습된 머신러닝 모델로 학습된 패턴을 적용하여 처음 접하는 새로운 데이터로 예측을 수행하는 프로세스입니다. 이 과정은 Cloud Run에 AI 추론 서비스를 빠르게 배포하는 데 관심이 있는 개발자, 데이터 과학자, ML 엔지니어를 대상으로 설계되었습니다. 클라우드 기반 서버리스 애플리케이션 배포 솔루션에는 익숙하지만 Google Cloud 서버리스 제품을 사용하여 AI 추론을 실행해 본 경험이 없는 사용자에게 유용한 과정입니다. 이 과정에는 GPU를 사용해 AI 추론 모델을 배포하고 생성형 AI 앱을 데이터 스토리지 서비스와 통합하는 예시가 포함되어 있습니다.

자세히 알아보기

이 과정은 Google Cloud 콘솔에 대한 기본 지식을 갖추고 있으며 조직 내에서 Gemini Code Assist 구성을 담당하는 Google Cloud 개발자 및 DevOps 엔지니어를 위해 설계되었습니다. 본 과정에서는 Gemini Code Assist의 장점을 소개하고, 다양한 Gemini Code Assist 버전별 기능을 비교합니다. 이 과정에서는 조직 내에서 Gemini Code Assist를 구성하고 관리하는 방법을 함께 소개합니다.

자세히 알아보기

Cloud Storage, Cloud Functions, Cloud Pub/Sub는 모두 데이터를 저장, 처리, 관리하는 데 사용할 수 있는 Google Cloud Platform 서비스입니다. 세 가지 서비스를 모두 활용하여 다양한 데이터 기반 애플리케이션을 만들 수 있습니다. 이 기술 배지 과정에서는 Cloud Storage를 사용하여 이미지를 저장하고, Cloud Functions를 사용하여 이미지를 처리하고, Cloud Pub/Sub를 사용하여 이미지를 다른 애플리케이션으로 보냅니다.

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

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

Dataflow 과정 시리즈의 두 번째 편에서는 Beam SDK를 사용하여 파이프라인을 개발하는 방법을 자세히 살펴보겠습니다. 먼저 Apache Beam 개념에 대한 복습부터 시작하겠습니다. 다음으로 윈도우, 워터마크, 트리거를 사용하여 스트리밍 데이터를 처리하는 방법을 알아봅니다. 그런 다음 파이프라인의 소스 및 싱크 옵션, 정형 데이터를 표현하는 스키마, State 및 Timer API를 사용하여 스테이트풀(Stateful) 변환을 수행하는 방법을 다룹니다. 이제 파이프라인 성능을 극대화하는 데 도움이 되는 권장사항을 살펴보겠습니다. 과정의 마지막 부분에서는 Beam에서 비즈니스 로직을 표현하기 위한 SQL과 DataFrame을 소개하고 Beam 노트북을 사용하여 파이프라인을 반복적으로 개발하는 방법을 알아봅니다.

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

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

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 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 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 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 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

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

규모와 관계없이 모든 조직이 클라우드의 강력한 기능과 유연성을 활용하여 운영 방식을 혁신하고 있습니다. 하지만 클라우드 리소스를 효과적으로 관리하고 확장하는 것은 복잡한 작업일 수 있습니다. 이 과정에서는 클라우드의 현대적 운영, 안정성, 복원력의 기본 개념과 Google Cloud가 이러한 노력을 지원하는 데 어떤 도움이 되는지 살펴봅니다. Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축할 수 있도록 돕는 것을 목표로 합니다.

자세히 알아보기

조직이 데이터와 애플리케이션을 클라우드로 이전함에 따라 빠르게 진화하는 보안 과제 환경에 대응해야 합니다. 이 과정에서는 클라우드 보안의 기반, Google Cloud의 보안 내재화 설계 인프라의 가치, 심층 방어 전략을 살펴보고, AI 기반 운영 및 규정 준수 도구가 조직이 엄격한 글로벌 규제 요구사항을 충족하는 데 어떻게 도움이 되는지 강조합니다. Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축할 수 있도록 돕는 것을 목표로 합니다.

자세히 알아보기

많은 기존 기업은 최신 고객 기대에 부응할 수 없는 기존 시스템과 앱을 사용합니다. 비즈니스 리더는 노후화된 IT 시스템을 유지할지 아니면 새로운 제품과 서비스에 투자할지 결정해야 하는 경우가 많습니다. 이 과정에서는 이러한 과제를 살펴보고 클라우드 기술을 사용하여 이를 극복할 수 있는 솔루션을 제공합니다. Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축하는 데 도움이 되는 것을 목표로 합니다.

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

클라우드 기술은 강력한 자산이며, 데이터와 결합하면 혁신과 향상된 고객 경험을 위한 촉매제가 됩니다. 'Google Cloud를 통한 데이터 혁신 살펴보기' 과정에서는 조직이 클라우드를 활용하여 데이터의 접근성, 실행 가능성, 가치를 높이는 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

디지털 혁신은 현대 조직에 있어 중요한 여정이며, 의미 있는 혁신으로 나아가기 위해서는 가장 먼저 클라우드 컴퓨팅에 대한 강력한 기준을 수립해야 합니다. 'Google Cloud를 통한 디지털 혁신' 과정에서는 조직이 운영을 현대화하는 데 도움이 되는 핵심 기술과 전략적 프레임워크를 소개합니다. 이 과정에서는 기본적인 클라우드 개념, 글로벌 네트워크 인프라, 공동 책임 모델을 살펴보고 리더가 클라우드로의 전환을 자신 있게 이끌 수 있도록 지원합니다. Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축할 수 있도록 돕는 것을 목표로 합니다.

자세히 알아보기

인공지능(AI)은 혁신적인 가능성을 제공하지만 새로운 보안 문제의 원인이 되기도 합니다. 이 과정에서는 보안 및 데이터 보호 리더가 조직 내에서 AI를 안전하게 관리하는 데 필요한 전략을 살펴봅니다. AI 관련 위험을 사전에 식별 및 완화하고, 민감한 정보를 보호하며, 규정을 준수하고, 복원력 높은 AI 인프라를 빌드하는 프레임워크를 학습합니다. 이러한 전략이 실제 시나리오에서 어떻게 적용되는지 살펴보기 위해 4가지 산업별 사례를 선별했습니다.

자세히 알아보기

이 과정에서는 Model Armor의 필수 보안 기능을 검토하고 서비스를 사용할 수 있도록 준비합니다. LLM과 관련된 보안 위험과 Model Armor가 AI 애플리케이션을 보호하는 방법을 알아봅니다.

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

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

소리 합성 및 텍스트 변환을 위한 음성 관련 API 도구 사용법을 배우는 사전 학습된 API를 활용한 음성 및 언어 솔루션 구현 과정을 이수하고 스킬 배지를 획득하세요.

자세히 알아보기

이 과정은 머신러닝 실무자에게 생성형 AI 모델과 예측형 AI 모델을 평가하는 데 필요한 도구, 기술, 권장사항을 제공합니다. 모델 평가는 프로덕션 단계의 ML 시스템이 안정적이고 정확하고 성능이 우수한 결과를 제공할 수 있게 하는 중요한 분야입니다. 강의 참가자는 다양한 평가 측정항목, 방법, 각각 다른 모델 유형과 작업에 적합한 애플리케이션에 대해 깊이 있게 이해할 수 있습니다. 이 과정에서는 생성형 AI 모델의 고유한 문제를 강조하고 이를 효과적으로 해결하기 위한 전략을 소개합니다. 강의 참가자는 Google Cloud의 Vertex AI Platform을 활용해 모델 선택, 최적화, 지속적인 모니터링을 위한 견고한 평가 프로세스를 구현하는 방법을 알아볼 수 있습니다.

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

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

Google Cloud Managed Service for Prometheus 환경 모니터링 기술 배지 과정을 완료하여 기술 배지를 획득하세요. 이 과정에서는 Google Cloud Managed Service for Prometheus를 사용한 Kubernetes 모니터링에 관해 알아봅니다.

자세히 알아보기

첫 번째 Gemini Enterprise 애플리케이션을 만들어 기술 배지를 획득하세요. 다양한 데이터 소스를 애플리케이션에 연결하여 강력한 통합 검색 및 분석 엔진을 빌드하세요. Deep Research 에이전트, 멀티 에이전트 아이디어 구상, 집중 분석을 위한 NotebookLM과 같은 고급 기능을 익힐 수 있습니다.

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 과정에서는 데이터-AI 워크플로를 지원하는 AI 기반 기능 모음인 BigQuery의 Gemini에 관해 살펴봅니다. 이러한 기능에는 데이터 탐색 및 준비, 코드 생성 및 문제 해결, 워크플로 탐색 및 시각화 등이 있습니다. 이 과정은 개념 설명, 실제 사용 사례, 실무형 실습을 통해 데이터 실무자가 생산성을 향상하고 개발 파이프라인의 속도를 높이는 데 도움이 됩니다.

자세히 알아보기

중급 BigQuery로 데이터 웨어하우스 빌드 기술 배지를 완료하여 데이터를 조인하여 새 테이블 만들기, 조인 관련 문제 해결, 합집합으로 데이터 추가, 날짜로 파티션을 나눈 테이블 만들기, BigQuery에서 JSON, 배열, 구조체 작업하기와 관련된 기술 역량을 입증하세요.

자세히 알아보기

초급 Knowledge Catalog로 데이터 메시 빌드하기 기술 배지 과정을 완료하여, Knowledge Catalog를 통해 데이터 메시를 빌드해 Google Cloud에서 데이터 보안, 거버넌스, 탐색을 활용하는 역량을 입증하세요. Knowledge Catalog에서 애셋에 태그를 지정하고, IAM 역할을 할당하고, 데이터 품질을 평가하는 기술을 연습하고 테스트할 수 있습니다.

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

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

안전한 Google Cloud 네트워크 빌드 과정을 완료하여 기술 배지를 획득하세요. 이 과정에서는 Google Cloud에서 애플리케이션을 빌드, 확장, 보호하는 데 필요한 다양한 네트워킹 관련 리소스에 대해 배울 수 있습니다.

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

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 Cloud 앱 개발 환경 설정 과정을 완료하여 기술 배지를 획득하세요. Cloud Storage, Identity and Access Management, Cloud Functions, Pub/Sub의 기본 기능을 사용하여 스토리지 중심 클라우드 인프라를 구축하고 연결하는 방법을 배울 수 있습니다.

자세히 알아보기

Google Cloud 컴퓨팅 기초 과정은 클라우드 컴퓨팅에 대한 배경 지식 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. 다음 순서대로 과정을 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 클라우드 컴퓨팅 기초: Google Cloud의 데이터, 머신러닝, AI 이 세 번째 과정에서는 클라우드 자동화 및 관리 도구와 안전한 네트워크 구축에 대해 다룹니다.

자세히 알아보기

Streaming high-velocity data is great, but only if your pipeline doesn't break under pressure. In this trail, you'll wire up Pub/Sub and Python Dataflow to stream live data straight into Cloud Storage, then lock the whole environment down. By encrypting keys with Cloud KMS, cataloging assets, and isolating networks with VPC Peering, you'll clear both challenge labs and prove you can build real-time data lakes that are as fast as they are secure.

자세히 알아보기

Google App Engine에서 애플리케이션 배포 및 관리 과정을 완료하고 기술 배지를 획득하세요. 이 과정에서는 Python, Go, PHP로 App Engine을 사용하는 방법을 알아봅니다.

자세히 알아보기

Great code shouldn't get bogged down by infrastructure headaches. In this voyage, you'll master modern deployment patterns by turning ideas into production-ready microservices. From generating dynamic files and decoupling services with Pub/Sub to deploying polyglot apps across three different languages on App Engine, you'll cover the full developer lifecycle. Complete the challenge labs and show you know how to build fast, scale effortlessly, and keep things resilient.

자세히 알아보기

중급 Cloud Run 기반 서버리스 애플리케이션 개발 기술 배지 과정을 완료하여 데이터 관리를 위한 Cloud Run과 Cloud Storage의 통합, Cloud Run 및 Pub/Sub를 사용하는 복원력 높은 비동기 시스템 설계, Cloud Run 기반 REST API 게이트웨이 구축, Cloud Run 기반 서비스 빌드 및 배포와 관련된 기술 역량을 입증하세요.

자세히 알아보기

Cloud Storage에서 스트리밍 데이터 레이크 만들기 과정을 완료하고 기술 배지를 획득하세요. 이 과정에서는 Google Cloud에서 Pub/Sub, Dataflow, Cloud Storage를 사용해 스트리밍 데이터 레이크를 만드는 방법을 알아봅니다.

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

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

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

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

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

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