가입 로그인

Google Cloud 콘솔에서 기술 적용

Akram Fais

회원 가입일: 2024

다이아몬드 리그

43730포인트
개발자를 위한 책임감 있는 AI: 개인 정보 보호 및 안전 Earned 12월 29, 2024 EST
개발자를 위한 책임감 있는 AI: 해석 가능성 및 투명성 Earned 12월 29, 2024 EST
개발자를 위한 책임감 있는 AI: 공정성 및 편향 Earned 12월 29, 2024 EST
Google Cloud에서 생성형 AI 앱 만들기 Earned 12월 28, 2024 EST
Vertex AI에서 머신러닝 솔루션 빌드 및 배포하기 Earned 12월 27, 2024 EST
ML Pipelines on Google Cloud - 한국어 Earned 12월 26, 2024 EST
Vertex AI로 머신러닝 작업(MLOps): 모델 평가 Earned 12월 24, 2024 EST
생성형 AI를 위한 머신러닝 작업(MLOps) Earned 12월 22, 2024 EST
대규모 언어 모델 소개 Earned 12월 22, 2024 EST
생성형 AI 소개 Earned 12월 22, 2024 EST
특성 추출 Earned 12월 22, 2024 EST
Vertex AI로 머신러닝 작업(MLOps) 기능 관리 Earned 12월 22, 2024 EST
BigQuery ML을 사용한 예측 모델링을 위한 데이터 엔지니어링 Earned 12월 21, 2024 EST
프로덕션 머신러닝 시스템 Earned 12월 21, 2024 EST
Vertex AI에서 노트북 작업하기 Earned 12월 18, 2024 EST
Google Cloud에서 ML API용으로 데이터 준비하기 Earned 12월 18, 2024 EST
프로페셔널 머신러닝 엔지니어 학습 가이드 Earned 12월 9, 2024 EST
Google Cloud에서 Keras를 사용해 ML 모델을 빌드, 학습, 배포하기 Earned 10월 10, 2024 EDT
Launching into Machine Learning - 한국어 Earned 9월 7, 2024 EDT
Applying Machine Learning to your Data with Google Cloud Earned 9월 2, 2024 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 한국어 Earned 9월 2, 2024 EDT
Google Cloud의 AI 및 머신러닝 소개 Earned 9월 2, 2024 EDT
BigQuery ML로 ML 모델 만들기 Earned 9월 1, 2024 EDT
BigQuery에서 예측 데이터 분석 수행 Earned 8월 31, 2024 EDT
DEPRECATED Detect Manufacturing Defects Using Visual Inspection AI Earned 8월 31, 2024 EDT
Natural Language API를 사용한 감정 분석 Earned 8월 31, 2024 EDT
Google API를 사용한 음성 및 언어 분석 Earned 8월 31, 2024 EDT
Cloud Vision API로 이미지 분석 Earned 8월 30, 2024 EDT
Looker에서 LookML 객체 빌드 Earned 8월 30, 2024 EDT
Deprecated : Managing Machine Learning Projects with Google Cloud Earned 8월 27, 2024 EDT
Google Cloud 컴퓨팅 기초: Google Cloud의 데이터, 머신러닝, AI Earned 8월 23, 2024 EDT
생성형 AI 입문자 - Vertex AI Earned 8월 22, 2024 EDT
Intro to ML: Image Processing Earned 8월 21, 2024 EDT
머신러닝 소개: 언어 처리 Earned 8월 21, 2024 EDT
기준: 데이터, ML, AI Earned 8월 21, 2024 EDT

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 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

생성형 AI 애플리케이션은 대규모 언어 모델(LLM)이 발명되기 전에는 불가능에 가까웠던 새로운 사용자 경험을 만들 수 있습니다. 어떻게 하면 애플리케이션 개발자가 생성형 AI를 사용해 Google Cloud에서 강력한 대화형 앱을 빌드할 수 있을까요? 이 과정에서는 생성형 AI 애플리케이션에 대해 알아보고 프롬프트 설계 및 검색 증강 생성(RAG)을 사용해 LLM 기반의 강력한 애플리케이션을 빌드하는 방법을 학습합니다. 생성형 AI 애플리케이션에 사용할 수 있는 프로덕션 레디 아키텍처를 살펴보고 LLM 및 RAG 기반 채팅 애플리케이션을 빌드합니다.

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

이 과정에서는 Google Cloud에서 최신 ML 파이프라인 개발을 담당하는 ML 엔지니어와 트레이너로부터 유익한 지식을 배웁니다. 초반에 진행되는 몇 개 모듈에서는 Google의 TensorFlow 기반 프로덕션 머신러닝 플랫폼으로서 ML 파이프라인과 메타데이터를 관리할 수 있는 TensorFlow Extended(TFX)에 대해 다룹니다. 파이프라인 구성요소와 TFX를 사용한 파이프라인 조정을 알아봅니다. 지속적 통합과 지속적 배포를 통해 파이프라인을 자동화하는 방법과 ML 메타데이터를 관리하는 방법도 배웁니다. 그런 다음 주제를 전환하여 TensorFlow, PyTorch, scikit-learn, xgboost 등 여러 ML 프레임워크에서 ML 파이프라인을 자동화하고 재사용하는 방법을 설명합니다. 또한 Google Cloud의 또 다른 도구인 Cloud Composer를 사용하여 지속적 학습 파이프라인을 조정하는 방법도 알아봅니다. 마지막으로 MLflow를 사용하여 머신러닝의 전체 수명 주기를 관리하는 방법을 살펴봅니다.

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 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

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

이 과정에서는 Vertex AI Feature Store 사용의 이점, ML 모델의 정확성을 개선하는 방법, 가장 유용한 특성을 만드는 데이터 열을 찾는 방법을 살펴봅니다. 이 과정에는 BigQuery ML, Keras, TensorFlow를 사용한 특성 추출에 관한 콘텐츠와 실습도 포함되어 있습니다.

자세히 알아보기

이 과정에서는 Google Cloud에서 프로덕션 ML 시스템을 배포, 평가, 모니터링, 운영하기 위한 MLOps 도구와 권장사항을 소개합니다. MLOps는 프로덕션에서 ML 시스템을 배포, 테스트, 모니터링, 자동화하는 방법론입니다. 학습자는 SDK 레이어에서 Vertex AI Feature Store의 스트리밍 수집을 사용하여 실습을 진행하게 됩니다.

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 프로덕션 환경에서 고성능 ML 시스템을 빌드하기 위한 구성요소와 권장사항을 자세히 살펴봅니다. 정적 학습, 동적 학습, 정적 추론, 동적 추론, 분산 TensorFlow, TPU 등 고성능 ML 시스템 빌드와 관련된 일반적인 고려사항을 다룹니다. 이 과정에서는 정확한 예측 능력 외에도 양질의 ML 시스템을 만드는 특성을 탐구하는 데 중점을 둡니다.

자세히 알아보기

이 과정은 데이터 준비부터 모델 배포와 모니터링까지 전체 머신러닝 워크플로를 위한 통합 플랫폼을 제공하는 Jupyter 노트북 기반 환경인 Vertex AI Notebooks를 소개합니다. 이 과정에서는 (1) 다양한 유형의 Vertex AI Notebooks와 그 특징, (2) Vertex AI Notebooks를 만들고 관리하는 방법을 다룹니다.

자세히 알아보기

초급 Google Cloud에서 ML API용으로 데이터 준비하기 기술 배지를 완료하여 Dataprep by Trifacta로 데이터 정리, Dataflow에서 데이터 파이프라인 실행, Dataproc에서 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 과정은 학습자가 프로페셔널 머신러닝 엔지니어(PMLE) 자격증 시험을 준비하는 학습 계획을 수립하는 데 도움을 줍니다. 학습자는 시험에서 다루는 분야의 범위를 살펴보고 자신의 시험 준비 상태를 평가한 다음 개별 학습 계획을 세웁니다.

자세히 알아보기

이 과정에서는 TensorFlow 및 Keras를 사용한 ML 모델 빌드, ML 모델의 정확성 개선, 사용 사례 확장을 위한 ML 모델 작성에 대해 다룹니다.

자세히 알아보기

이 과정에서는 먼저 데이터에 관해 논의하면서 데이터 품질을 개선하고 탐색적 데이터 분석을 수행하는 방법을 알아봅니다. Vertex AI AutoML과 코드를 한 줄도 작성하지 않고 ML 모델을 빌드하고, 학습시키고, 배포하는 방법을 설명합니다. 학습자는 Big Query ML의 이점을 이해할 수 있습니다. 그런 다음, 머신러닝(ML) 모델 최적화 방법과 일반화 및 샘플링으로 커스텀 학습용 ML 모델 품질을 평가하는 방법을 다룹니다.

자세히 알아보기

In this course, we define what machine learning is and how it can benefit your business. You'll see a few demos of ML in action and learn key ML terms like instances, features, and labels. In the interactive labs, you will practice invoking the pretrained ML APIs available as well as build your own Machine Learning models using just SQL with BigQuery ML.

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

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

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

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

Earn a skill badge by completing the Detect Manufacturing Defects using Visual Inspection AI course, where you learn how to use Visual Inspection AI to deploy a solution artifact and test that it can successfully identify defects in a manufacturing process.

자세히 알아보기

Natural Language API를 사용한 감정 분석 퀘스트를 완료하고 기술 배지를 획득하세요. API가 텍스트에서 감정을 추론하는 방법을 배울 수 있습니다.

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

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

초급 Looker에서 LookML 객체 빌드 기술 배지 과정을 완료하여 새로운 측정기준 및 측정값, 뷰, 파생 테이블을 빌드하고, 요구사항에 따라 측정 필터 및 유형을 설정하고, 측정기준과 측정값을 업데이트하고, Explore를 빌드 및 미세 조정하고, 기존 Explore에 뷰를 조인하고, 비즈니스 요구사항에 따라 생성할 LookML 객체를 결정하는 기술 역량을 입증할 수 있습니다.

자세히 알아보기

Business professionals in non-technical roles have a unique opportunity to lead or influence machine learning projects. If you have questions about machine learning and want to understand how to use it, without the technical jargon, this course is for you. Learn how to translate business problems into machine learning use cases and vet them for feasibility and impact. Find out how you can discover unexpected use cases, recognize the phases of an ML project and considerations within each, and gain confidence to propose a custom ML use case to your team or leadership or translate the requirements to a technical team.

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

생성형 AI 입문자 - Vertex AI 과정은 Google Cloud에서 생성형 AI를 사용하는 방법에 대한 실습으로 이루어져 있습니다. 실습을 통해 다음을 알아봅니다. text-bison, chat-bison, textembedding-gecko을 포함한 Vertex AI PaLM API 제품군에서 모델을 사용하는 방법을 알아봅니다. 프롬프트 설계, 권장사항에 대해 배우고 아이디어 구상, 텍스트 분류, 텍스트 추출, 텍스트 요약 등에 이를 사용하는 방법도 학습합니다. 또한 Vertex AI 커스텀 학습으로 파운데이션 모델을 학습시켜 모델을 조정하는 방법과 Vertex AI 엔드포인트에 배포하는 방법도 알아봅니다.

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

빅데이터, 머신러닝, 인공지능은 오늘날 인기 있는 컴퓨팅 관련 주제이지만 매우 전문화된 분야이기 때문에 초급용 자료를 구하기 어렵습니다. 다행히도 Google Cloud는 이러한 분야에서 사용자 친화적인 서비스를 제공하며 초급 과정을 통해 학습자에게 BigQuery, Cloud Speech API, Video Intelligence와 같은 도구를 사용해 시작할 기회를 제공합니다.

자세히 알아보기