가입 로그인

Dmytro Teliukov

회원 가입일: 2023

다이아몬드 리그

67455포인트
API를 사용하여 Cloud Storage 작업 Earned 3월 31, 2024 EDT
Google Cloud 리소스 모니터링 및 관리 Earned 3월 31, 2024 EDT
Google Cloud에서 데이터 저장, 처리, 관리하기 - 콘솔 Earned 3월 31, 2024 EDT
Database Migration Service로 MySQL 데이터를 Cloud SQL로 마이그레이션하기 Earned 3월 31, 2024 EDT
Google Cloud에서 데이터 저장, 처리, 관리하기 - 명령줄 Earned 3월 30, 2024 EDT
Looker에서 데이터 모델 관리하기 Earned 3월 30, 2024 EDT
Google Cloud에서 웹사이트 빌드 Earned 3월 26, 2024 EDT
Google Cloud에서 Machine Learning API 사용하기 Earned 3월 25, 2024 EDT
Google 데이터 클라우드로 데이터 공유하기 Earned 3월 25, 2024 EDT
DEPRECATED Detect Manufacturing Defects Using Visual Inspection AI Earned 3월 24, 2024 EDT
DEPRECATED Networking Fundamentals on Google Cloud Earned 3월 19, 2024 EDT
Cloud Storage 및 데이터 보호 솔루션 구현 Earned 3월 18, 2024 EDT
Natural Language API를 사용한 감정 분석 Earned 3월 5, 2024 EST
API Gateway로 서버리스 API 배포 및 보안 Earned 3월 5, 2024 EST
필수 Google Cloud 인프라: 핵심 서비스 Earned 2월 28, 2024 EST
필수 Google Cloud 인프라: 기초 Earned 2월 23, 2024 EST
Google Cloud 기초: 핵심 인프라 Earned 2월 21, 2024 EST
자격증 학습 가이드 만들기: PCD 시험 대비 Earned 2월 18, 2024 EST
Looker에서 LookML 객체 빌드 Earned 11월 1, 2023 EDT
Looker 시작하기 Earned 11월 1, 2023 EDT
BigQuery에서 예측 데이터 분석 수행 Earned 11월 1, 2023 EDT
BigQuery ML로 ML 모델 만들기 Earned 10월 22, 2023 EDT
BigQuery 데이터에서 인사이트 도출 Earned 10월 20, 2023 EDT
Looker 대시보드 및 보고서를 위해 데이터 준비하기 Earned 10월 19, 2023 EDT
Google Cloud 데이터 분석 필수 사항 Earned 10월 17, 2023 EDT
Building Scalable Java Microservices with Spring Boot and Spring Cloud Earned 10월 16, 2023 EDT
BigQuery ML을 사용한 예측 모델링을 위한 데이터 엔지니어링 Earned 10월 15, 2023 EDT
BigQuery로 데이터 웨어하우스 빌드 Earned 10월 15, 2023 EDT
Dataflow를 사용한 서버리스 데이터 처리: 기초 Earned 10월 14, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 한국어 Earned 10월 13, 2023 EDT
Google Cloud에서 스트리밍 데이터 파이프라인 빌드하기 Earned 10월 13, 2023 EDT
Google Cloud에서 일괄 데이터 파이프라인 빌드하기 Earned 10월 11, 2023 EDT
Google Cloud에서 데이터 레이크와 데이터 웨어하우스 빌드하기 Earned 10월 10, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 한국어 Earned 10월 10, 2023 EDT
Generative AI Fundamentals - 한국어 Earned 10월 7, 2023 EDT
책임감 있는 AI 소개 Earned 10월 7, 2023 EDT
생성형 AI 소개 Earned 10월 7, 2023 EDT
Vertex AI에서 머신러닝 솔루션 빌드 및 배포하기 Earned 10월 6, 2023 EDT
Google Cloud에서 ML API용으로 데이터 준비하기 Earned 10월 6, 2023 EDT
Vertex AI로 머신러닝 작업(MLOps) 기능 관리 Earned 10월 4, 2023 EDT
머신러닝 작업(MLOps): 시작하기 Earned 10월 4, 2023 EDT
Recommendation Systems on Google Cloud Earned 10월 3, 2023 EDT
Natural Language Processing on Google Cloud Earned 10월 1, 2023 EDT
Computer Vision Fundamentals with Google Cloud Earned 9월 29, 2023 EDT
프로덕션 머신러닝 시스템 Earned 9월 27, 2023 EDT
기업의 머신러닝 Earned 9월 25, 2023 EDT
[DEPRECATED] 특성 추출 Earned 9월 24, 2023 EDT
Google Cloud에서 Keras를 사용해 ML 모델을 빌드, 학습, 배포하기 Earned 9월 23, 2023 EDT
Launching into Machine Learning - 한국어 Earned 9월 22, 2023 EDT
Google Cloud의 AI 및 머신러닝 소개 Earned 9월 20, 2023 EDT

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

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

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

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

중급 Looker에서 데이터 모델 관리하기 기술 배지 과정을 완료하여 다음 기술을 입증하세요. LookML 프로젝트 상태 유지하기, 데이터 검증을 위한 SQL Runner 활용하기, LookML 권장사항 적용하기, 성능을 위한 쿼리 및 보고 최적화하기, 영구 파생 테이블 및 캐싱 정책 구현하기

자세히 알아보기

Google Cloud에서 웹사이트 빌드 기술 배지 과정을 완료하고 입문 기술 배지를 획득하세요. 이 과정은 Get Cooking in Cloud 시리즈를 기반으로 하며 다음 내용을 다룹니다. Cloud Run에 웹사이트 배포Compute Engine에 웹 앱 호스팅Google Kubernetes Engine에 웹사이트 생성, 배포, 확장Cloud Build를 사용하여 모놀리식 애플리케이션에서 마이크로서비스 아키텍처로 마이그레이션

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

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

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

Earn a skill badge by completing the Networking Fundamentals on Google Cloud quest, where you learn how to work with VPC networks and load balancers on Google Cloud. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete this Skill Badge, and the final assessment challenge lab, to receive a digital badge that you can share with your network.

자세히 알아보기

Cloud Storage 및 데이터 보호 솔루션 구현 기술 배지 과정을 완료하고 기술 배지를 획득하세요. 이 과정에서는 Cloud Storage 버킷을 만드는 방법, Cloud Storage 명령줄을 사용하는 방법, 버킷 잠금을 사용하여 버킷의 객체를 보호하는 방법을 알아봅니다.

자세히 알아보기

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

자세히 알아보기

API Gateway로 서버리스 API 배포 및 보안을 완료하고 기술 배지를 획득하세요. API Gateway를 사용해 완전 관리형 게이트웨이로 API를 배포, 보호, 관리하는 방법을 배우는 기술 배지 과정입니다.

자세히 알아보기

이 속성 주문형 과정은 참가자에게 Google Cloud에서 제공하는 포괄적이고 유연한 인프라 및 플랫폼 서비스를 Compute Engine을 중심으로 소개합니다. 참가자는 동영상 강의, 데모, 실무형 실습을 통해 네트워크, 시스템, 애플리케이션 서비스와 같은 인프라 구성요소를 포함한 솔루션 요소를 탐색하고 배포해 볼 수 있습니다. 또한 이 과정에서는 고객 제공 암호화 키, 보안 및 액세스 관리, 할당량 및 요금 청구, 리소스 모니터링 등 실용적인 솔루션을 배포하는 방법에 대해서도 설명합니다.

자세히 알아보기

이 속성 주문형 과정은 참가자에게 Google Cloud에서 제공하는 포괄적이고 유연한 인프라 및 플랫폼 서비스를 Compute Engine을 중심으로 소개합니다. 참가자는 동영상 강의, 데모, 실무형 실습을 통해 네트워크, 가상 머신, 애플리케이션 서비스와 같은 인프라 구성요소를 포함한 솔루션 요소를 탐색하고 배포해 볼 수 있습니다. Console과 Cloud Shell을 통해 Google Cloud를 사용하는 방법을 학습합니다. 또한 클라우드 설계자의 역할, 인프라 설계 접근 방식은 물론 Virtual Private Cloud(VPC), 프로젝트, 네트워크, 서브네트워크, IP 주소, 경로, 방화벽 규칙을 사용한 가상 네트워킹 구성에 대해 알아봅니다.

자세히 알아보기

Google Cloud 기초: 핵심 인프라 과정은 Google Cloud 사용에 관한 중요한 개념 및 용어를 소개합니다. 이 과정에서는 동영상 및 실무형 실습을 통해 중요한 리소스 및 정책 관리 도구와 함께 Google Cloud의 다양한 컴퓨팅 및 스토리지 서비스를 살펴보고 비교합니다.

자세히 알아보기

Gemini Notebook을 사용하여 Associate Cloud 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 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

Looker 시작하기 기술 배지 과정을 완료하고 기술 배지를 획득하세요. 이 과정에서는 Looker Studio와 Looker를 사용하여 데이터를 분석, 시각화, 선별하는 방법을 알아봅니다.

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

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

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 Looker 대시보드 및 보고서를 위해 데이터 준비하기 기술 배지 과정을 완료하면 데이터를 필터링, 정렬, 피벗팅하고, 다른 Looker Explore의 결과를 병합하고, 함수 및 연산자를 사용해 데이터 분석 및 시각화를 위한 Looker 대시보드 및 보고서를 빌드하는 기술 역량을 입증할 수 있습니다.

자세히 알아보기

Google Cloud에서 원시 숫자를 명확한 데이터 기반 의사 결정으로 전환하는 방법을 알아보세요. 이 초급 과정에서는 실무형 실습과 실제 시나리오를 통해 BigQuery에서 데이터를 쿼리하고, Looker에서 트렌드를 탐색하고, 데이터 스튜디오에서 공유 가능한 대화형 보고서를 작성하는 방법을 안내합니다.

자세히 알아보기

The microservices architecture describes a software design pattern in which an application is a collection of loosely coupled services. These services are fine-grained, and can be individually maintained and scaled. The microservices architecture is ideal for the public cloud, with its focus on elastic scaling with on-demand resources. In this course, you will build a Java application using Spring Boot and Spring Cloud on Google Cloud.

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

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

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

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

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

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

Introduction to Generative AI, Introduction to Large Language Models, Introduction to Responsible AI 과정을 완료하고 기술 배지를 획득하세요. 최종 퀴즈를 풀어보고 생성형 AI의 기본 개념을 제대로 이해했는지 확인해 보세요. 기술 배지는 Google Cloud 제품 및 서비스에 대한 지식을 숙지한 사람에게 Google Cloud에서 발급하는 디지털 배지입니다. 프로필을 공개하고 기술 배지를 소셜 미디어 프로필에 추가하여 공유하세요.

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

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

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 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 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

이 과정에서는 Google Cloud에서 프로덕션 ML 시스템 배포, 평가, 모니터링, 운영을 위한 MLOps 도구와 권장사항을 소개합니다. MLOps는 프로덕션에서 ML 시스템을 배포, 테스트, 모니터링, 자동화하는 방법론입니다. 머신러닝 엔지니어링 전문가들은 배포된 모델의 지속적인 개선과 평가를 위해 도구를 사용합니다. 이들이 협력하거나 때론 그 역할을 하는 데이터 과학자는 고성능 모델을 빠르고 정밀하게 배포할 수 있도록 모델을 개발합니다.

자세히 알아보기

In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.

자세히 알아보기

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

자세히 알아보기

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

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 과정에서는 우수사례를 중심으로 ML 워크플로에 대한 실질적인 접근 방식을 취합니다. ML팀은 다양한 ML 비즈니스 요구사항과 사용 사례에 직면합니다. 팀에서는 데이터 관리 및 거버넌스에 필요한 도구를 이해하고 가장 효과적으로 데이터 전처리에 접근하는 방식을 파악해야 합니다. 두 가지 사용 사례를 위한 ML 모델을 빌드하는 세 가지 옵션이 팀에 제시됩니다. 이 과정에서는 목표를 달성하기 위해 AutoML, BigQuery ML 또는 커스텀 학습을 사용하는 이유를 설명합니다.

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 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

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