가입 로그인

Jovan Vito Viani

회원 가입일: 2025

다이아몬드 리그

9221포인트
Gemini Enterprise로 멀티 에이전트 워크플로 조정하기 Earned 10월 7, 2026 EDT
인간 중심의 AI Earned 10월 7, 2026 EDT
생성형 AI 에이전트: 조직 혁신 Earned 10월 7, 2026 EDT
멀티 에이전트 아키텍처 배포 Earned 10월 7, 2026 EDT
첫 번째 에이전트 배포하기 Earned 9월 28, 2026 EDT
에이전트를 빌드하고 프로덕션에서 배포하기 Earned 9월 28, 2026 EDT
도구로 에이전트 기능 추가 Earned 9월 28, 2026 EDT
에이전트 메모리 및 상태 관리 Earned 9월 28, 2026 EDT
에이전트 동작 최적화 Earned 9월 28, 2026 EDT
에이전트 개발 키트(ADK)로 AI 에이전트 엔지니어링 Earned 9월 28, 2026 EDT
에이전트 개발 키트(ADK)로 나의 첫 에이전트 빌드 Earned 9월 23, 2026 EDT
나의 첫 Gemini Enterprise 애플리케이션 만들기 Earned 9월 23, 2026 EDT
Enterprise 에이전트 및 사용 사례 Earned 9월 23, 2026 EDT
에이전트 기초 Earned 9월 23, 2026 EDT
Agent Platform의 프롬프트 설계 Earned 4월 4, 2026 EDT
책임감 있는 AI 소개 Earned 4월 2, 2026 EDT
대규모 언어 모델 소개 Earned 4월 2, 2026 EDT
생성형 AI 소개 Earned 4월 2, 2026 EDT
개발자를 위한 책임감 있는 AI: 해석 가능성 및 투명성 Earned 4월 1, 2026 EDT
개발자를 위한 책임감 있는 AI: 공정성 및 편향 Earned 4월 1, 2026 EDT
Vertex AI로 머신러닝 작업(MLOps): 모델 평가 Earned 4월 1, 2026 EDT
생성형 AI를 위한 머신러닝 작업(MLOps) Earned 4월 1, 2026 EDT
BigQuery의 Gemini로 생산성 향상 Earned 4월 1, 2026 EDT
BigQuery에서 Gemini 모델 사용하기 Earned 4월 1, 2026 EDT
BigQuery 머신러닝을 사용한 추론 Earned 3월 31, 2026 EDT
데이터 과학자와 분석가를 위한 Gemini Earned 3월 31, 2026 EDT
책임감 있는 AI: Google Cloud를 통한 AI 원칙 적용하기 Earned 11월 19, 2025 EST
Google Cloud를 통한 디지털 혁신 Earned 10월 22, 2025 EDT
Google Cloud를 통한 데이터 혁신 살펴보기 Earned 10월 22, 2025 EDT

초급 Gemini Enterprise로 멀티 에이전트 워크플로 조정하기 기술 배지 과정을 완료하여 Gemini Enterprise 기반 에이전트형 어시스턴트를 사용한 퍼스트 파티 및 서드 파티 소스 데이터 통합, 멀티미디어 마케팅 자료 개발, 시스템 전반의 비즈니스 작업 자동화와 관련된 기술 역량을 입증하세요. 기술 배지 과정을 이수하면 실무형 실습과 챌린지 평가를 통해 특정 제품에 대한 실무 지식을 검증받을 수 있습니다. 과정을 완료하여 배지를 획득하거나 챌린지 실습으로 바로 넘어가 지금 배지를 획득하세요. 배지를 획득하면 자신의 숙련도를 증명하고 직업 프로필을 개선하며 궁극적으로는 더 나은 채용 기회를 얻을 수 있습니다. 획득한 배지를 추적하려면 프로필로 이동하세요.

자세히 알아보기

작업 기반 워크플로에서 인간 중심의 AI 조정으로 전환되고 있는 중요한 변화에 대해 알아보세요. 증강과 자동화를 전략적으로 구별하고 기계의 효율성과 인간의 직관 사이의 균형을 맞추는 방법을 배우게 됩니다.

자세히 알아보기

생성형 AI 에이전트: 조직 혁신'은 Gen AI Leader 학습 과정의 다섯 번째이자 마지막 과정입니다. 이 과정에서는 조직이 어떻게 커스텀 생성형 AI 에이전트를 사용해 특정 비즈니스 과제를 해결할 수 있는지 살펴봅니다. 모델, 추론 루프, 도구와 같은 에이전트의 구성요소를 살펴보며 기본적인 생성형 AI 에이전트를 빌드하는 실무형 실습을 진행합니다.

자세히 알아보기

고급 멀티 에이전트 아키텍처 배포 기술 배지를 획득하고 다음 역량을 입증하세요. 여기에는 ADK를 사용하여 멀티 에이전트 시스템을 구축하고, 에이전트 간(A2A) 프로토콜을 사용하여 에이전트를 연결하고, 모델 컨텍스트 프로토콜(MCP)을 사용하여 외부 도구를 통합하고, 에이전트 엔진에 완전한 멀티 에이전트 솔루션을 배포하는 작업이 포함됩니다.

자세히 알아보기

로컬 호스트에 있는 에이전트를 프로덕션으로 가져오세요. 이 과정에서는 메모리 뱅크를 통해 선택적인 세션 간 메모리를 사용하여 ADK 에이전트를 Vertex AI Agent Engine 및 Cloud Run에 배포하는 방법을 다룹니다.

자세히 알아보기

Google의 에이전트 개발 키트(ADK)와 Google Cloud의 강력한 인프라를 사용하는 멀티 에이전트 시스템의 아키텍처와 배포에 대해 알아보세요. 안전하고 확장 가능하며 프로덕션에 즉시 사용할 수 있는 AI 에이전트를 위해 서버리스 Cloud Run부터 고성능 GKE에 이르기까지 이상적인 호스팅 환경을 식별하고 계층적 에이전트 트리와 결정론적 워크플로 에이전트를 설계하는 방법을 배우게 됩니다.

자세히 알아보기

고급 구성으로 에이전트를 빌드해 보았으니 이제 실제 사용 가능한 기능을 추가해 볼 차례입니다. 에이전트에 웹 검색, 코드 실행, 데이터베이스 쿼리, 커스텀 작업 수행을 지원하는 도구를 탑재해 보세요. 에이전트를 지능형 응답자에서 직접 작업을 수행하는 유능한 어시스턴트로 만들 수 있습니다.

자세히 알아보기

쿼리에 응답하는 기본적인 LLM 에이전트를 빌드해 보았으니 이제 이를 스테이트풀(Stateful) 에이전트로 만들어 보겠습니다. 세션 상태를 활용하여 컨텍스트를 유지하고, 사용자 선호도를 기억하고, 개인화된 경험을 제공하는 에이전트를 빌드해 봅니다. 에이전트를 스테이트리스(Stateless) 응답자에서 지능형 어시스턴트로 전환할 수 있습니다.

자세히 알아보기

첫 번째 에이전트를 빌드해 보았으니, 이제 한 단계 더 나아갈 차례입니다. 이 과정에서는 고급 요청 사항, 모델 선택, 계획 기능, 구조화된 출력 패턴을 적용하여 기본적인 AI 에이전트를 정교하고 정확한 어시스턴트로 발전시키는 기술을 연마하게 됩니다. 커뮤니티 포럼에서 질문하고 토론하기

자세히 알아보기

중급 에이전트 개발 키트(ADK)로 AI 에이전트 엔지니어링 기술 배지 과정을 완료하여 실제 언어 모델 조사 문제 공식화, 간단한 토크나이저 빌드, Transformer 언어 모델 학습을 위한 데이터 세트 준비, 소규모 언어 모델의 학습 루프 실행 등과 같은 기술 역량을 입증하세요.

자세히 알아보기

Google의 에이전트 개발 키트(ADK)로 첫 번째 AI 에이전트를 구축, 구성, 실행하면서 에이전트에 대한 이론을 실제로 적용해 보세요. 이 실습 중심 과정에서는 완전한 ADK 개발 환경을 설정하고, Python 코드와 YAML 구성의 두 가지 방식으로 에이전트를 생성하며, 다양한 인터페이스에서 실행하는 방법을 배우게 됩니다. 또한 에이전트 동작을 정의하는 핵심 파라미터를 학습하고 첫 번째 과정에서 배운 내용을 실제 코드에 적용합니다.

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

AI 에이전트가 비즈니스에 어떤 영향을 미치는지 살펴보세요. 에이전트 유형을 KPI에 매핑하고 실제 병목 현상을 해결하는 사용 사례를 알아봅니다. Gemini Enterprise로 어떻게 노 코드 솔루션부터 하이 코드 솔루션에 이르기까지 적절한 에이전트를 빌드하고 조정할 수 있는지에 대해서도 다룹니다.

자세히 알아보기

이 과정에서는 AI 에이전트에 대한 기본사항을 소개하고 실제 비즈니스 현장에서 에이전트가 가치를 창출하는 영역을 살펴봅니다. 이 과정은 자율적이고 목표 지향적인 행동의 관점에서 AI 시스템을 이해하려는 개발자, 설계자, 기술 의사 결정권자에게 기초를 제공합니다.

자세히 알아보기

초급 Agent Platform의 프롬프트 설계 기술 배지를 완료하여 Agent Platform 내 프롬프트 엔지니어링, 이미지 분석, 멀티모달 생성형 기술과 관련된 기술 역량을 입증하세요. 효과적인 프롬프트를 만들고 생성형 AI 출력을 안내하며 실제 마케팅 분야 시나리오에 Gemini 모델을 적용하는 방법을 알아보세요.

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 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 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

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 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

이 과정은 BigQuery에서 생성형 AI 작업에 AI/ML 모델을 사용하는 방법을 보여줍니다. 고객 관계 관리와 관련된 실제 사용 사례를 통해 Gemini 모델로 비즈니스 문제를 해결하는 워크플로를 설명합니다. 이해를 돕기 위해 SQL 쿼리와 Python 노트북을 사용하는 코딩 솔루션을 단계별로 안내합니다.

자세히 알아보기

BigQuery ML을 사용한 추론, 데이터 분석가가 BigQuery ML을 사용해야 하는 이유, 사용 사례, 지원되는 ML 모델을 알아봅니다. BigQuery에서 ML 모델을 만들고 관리하는 방법도 배웁니다.

자세히 알아보기

이 과정에서는 Google Cloud의 생성형 AI 기반 파트너인 Gemini가 고객 데이터를 분석하고 제품 판매를 예측하는 데 어떤 도움이 되는지 알아봅니다. BigQuery에서 고객 데이터를 사용해 신규 고객을 식별, 분류, 개발하는 방법도 다룹니다. 실무형 실습을 통해 Gemini로 데이터 분석 및 머신러닝 워크플로가 얼마나 개선되는지 경험할 수 있습니다. Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다.

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

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

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