가입 로그인

Google Cloud 콘솔에서 기술 적용

Venkateswara Rao Vajapeyayajula

회원 가입일: 2025

Vertex AI로 머신러닝 작업(MLOps): 모델 평가 Earned 1월 26, 2026 EST
생성형 AI를 위한 머신러닝 작업(MLOps) Earned 1월 17, 2026 EST
에이전트 동작 최적화 Earned 1월 17, 2026 EST
에이전트 개발 키트(ADK)로 나의 첫 에이전트 빌드 Earned 1월 15, 2026 EST
에이전트 기초 Earned 1월 13, 2026 EST
프로페셔널 머신러닝 엔지니어 학습 가이드 Earned 6월 25, 2025 EDT
Looker 대시보드 및 보고서를 위해 데이터 준비하기 Earned 6월 20, 2025 EDT
Vertex AI에서 머신러닝 솔루션 빌드 및 배포하기 Earned 6월 12, 2025 EDT
Gemini 및 Imagen으로 실제 AI 애플리케이션 빌드하기 Earned 6월 8, 2025 EDT
BigQuery ML로 ML 모델 만들기 Earned 6월 6, 2025 EDT
데이터 과학자와 분석가를 위한 Gemini Earned 6월 3, 2025 EDT
BigQuery 데이터에서 인사이트 도출 Earned 6월 1, 2025 EDT

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

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

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

AI 에이전트는 기존의 대규모 언어 모델(LLM)을 뛰어넘는 중대한 변화입니다. AI 에이전트는 단순히 텍스트 기반 솔루션을 생성하는 데 그치지 않고, 자율적으로 행동하여 솔루션을 실행할 수도 있습니다. 이 과정에서는 AI 에이전트에 대한 기본사항, LLM API와의 차이점, 실제로 AI 에이전트가 더하는 가치를 소개합니다. Google의 에이전트 백서를 바탕으로 한 이 과정은 에이전트 코드를 처음 작성하기 전에 필요한 이론적 토대를 제공하여 (단순한 텍스트 생성이 아닌) 자율적이고 목표 지향적인 행동의 관점에서 AI 시스템을 이해하고자 하는 개발자, 설계자, 기술 의사 결정권자에게 적합합니다. 커뮤니티 포럼에 참여하여 질문하고 토론하기

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

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

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 'Gemini 및 Imagen으로 실제 AI 애플리케이션 빌드하기' 기술 배지 과정을 완료하여, 이미지 인식, 자연어 처리, Google의 강력한 Gemini 및 Imagen 모델을 사용한 이미지 생성, Vertex AI Platform에 애플리케이션 배포 등의 기술을 입증하세요.

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

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

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 Looker Studio에서 보고서를 생성하는 작업과 관련된 기술 역량을 입증하세요.

자세히 알아보기