가입 로그인

Google Cloud 콘솔에서 기술 적용

Shardul Dalal

회원 가입일: 2019

다이아몬드 리그

22088포인트
AI 인프라: 스토리지 옵션 Earned 5월 25, 2026 EDT
AI 인프라: 배포 유형 Earned 5월 25, 2026 EDT
AI 인프라: Cloud TPU Earned 5월 25, 2026 EDT
AI 인프라: Cloud GPU Earned 5월 25, 2026 EDT
AI 인프라: AI 하이퍼컴퓨터 소개 Earned 5월 25, 2026 EDT
에이전트 메모리 및 상태 관리 Earned 5월 25, 2026 EDT
도구로 에이전트 기능 추가 Earned 5월 25, 2026 EDT
에이전트 동작 최적화 Earned 5월 25, 2026 EDT
에이전트 개발 키트(ADK)로 나의 첫 에이전트 빌드 Earned 5월 25, 2026 EDT
에이전트 개발 키트(ADK)로 에이전트 빌드 Earned 5월 25, 2026 EDT
Google Cloud의 모니터링 가능성 Earned 5월 14, 2026 EDT
나의 첫 Gemini Enterprise 애플리케이션 만들기 Earned 4월 28, 2026 EDT
Enterprise 에이전트 및 사용 사례 Earned 4월 28, 2026 EDT
에이전트 기초 Earned 4월 28, 2026 EDT
AI 에이전트 소개 Earned 4월 28, 2026 EDT
Google Cloud의 로깅 및 모니터링 Earned 4월 28, 2026 EDT
Google Cloud에서 Cloud Run으로 애플리케이션 개발하기: 기초 Earned 4월 27, 2026 EDT
Google Cloud에서 생성형 AI 앱 만들기 Earned 4월 16, 2026 EDT
클라우드의 데이터 관리 및 스토리지 Earned 1월 26, 2026 EST
BigQuery로 임베딩, 벡터 검색, RAG 만들기 Earned 1월 25, 2026 EST
필수 Google Cloud 인프라: 핵심 서비스 Earned 1월 25, 2026 EST
BigQuery ML로 ML 모델 만들기 Earned 1월 24, 2026 EST
Innovating with Data and Google Cloud Earned 1월 19, 2026 EST
Google Cloud Big Data and Machine Learning Fundamentals - 한국어 Earned 1월 19, 2026 EST
Google Cloud에서 일괄 데이터 파이프라인 빌드하기 Earned 1월 19, 2026 EST
Associate Cloud Engineer 여정 준비하기 Earned 1월 19, 2026 EST
BigQuery의 Gemini로 생산성 향상 Earned 1월 8, 2026 EST
BigQuery에서 Gemini 모델 사용하기 Earned 1월 8, 2026 EST
BigQuery 머신러닝을 사용한 추론 Earned 1월 8, 2026 EST
데이터 과학자와 분석가를 위한 Gemini Earned 1월 7, 2026 EST
Google Cloud의 데이터 분석 입문 Earned 1월 7, 2026 EST
Google Cloud에서 Terraform으로 인프라 빌드 Earned 8월 14, 2025 EDT
Google Cloud의 데이터 엔지니어링 입문 Earned 6월 10, 2025 EDT
Exploring and Preparing your Data with BigQuery Earned 4월 7, 2025 EDT
기준: 데이터, ML, AI Earned 10월 31, 2019 EDT
[DEPRECATED] Data Engineering Earned 10월 31, 2019 EDT
Google Cloud 비용 이해하기 Earned 10월 31, 2019 EDT
DEPRECATED Websites and Web Applications Earned 10월 30, 2019 EDT
Baseline: Deploy & Develop Earned 10월 20, 2019 EDT

이 과정에서는 AI 및 고성능 컴퓨팅(HPC) 워크로드에 특화된 Google Cloud의 스토리지 솔루션에 대해 종합적으로 다룹니다. ML 수명 주기의 각 단계에 적절한 스토리지를 선택하는 방법을 알아봅니다. 학습 중 I/O 성능을 최적화하는 방법, 데이터 준비를 위해 대규모 데이터 세트를 관리하는 방법, 짧은 지연 시간으로 모델 아티팩트를 서빙하는 방법도 살펴봅니다. 실제 사례와 데모를 통해 AI 혁신을 가속화하는 견고한 스토리지 솔루션을 설계하는 데 필요한 전문성을 확보하게 됩니다.

자세히 알아보기

이 과정은 Google Cloud에서 AI 및 고성능 컴퓨팅(HPC) 워크로드를 배포, 관리, 최적화하는 방법에 대한 포괄적인 가이드를 제공합니다. 일련의 강의와 실용적인 데모를 통해 Google Compute Engine(GCE)을 사용하는 고도로 맞춤 설정 가능한 환경부터 Google Kubernetes Engine(GKE)과 같은 관리형 솔루션에 이르기까지 다양한 배포 전략을 살펴봅니다. 특히 클러스터를 만들고 추론을 위해 GKE를 배포하는 방법도 배우게 됩니다.

자세히 알아보기

Cloud TPU 과정에 오신 것을 환영합니다. 다양한 시나리오에서 TPU의 장단점을 살펴보고 여러 TPU 가속기를 비교하여 적합한 것을 선택하는 데 도움을 드리겠습니다. 이 과정을 통해 AI 모델의 성능과 효율성을 극대화하는 전략을 배우고 유연한 머신러닝 워크플로에 있어 GPU/TPU 상호 운용성이 얼마나 중요한지 이해하게 될 것입니다. 흥미로운 콘텐츠와 실용적인 데모를 통해 TPU를 효과적으로 활용하는 방법을 단계별로 안내해 드리겠습니다.

자세히 알아보기

AI를 뒷받침하는 강력한 하드웨어가 궁금하신가요? 이 모듈에서는 성능 최적화된 AI 컴퓨터를 분석하고 그 중요성을 알려드립니다. CPU, GPU, TPU가 어떻게 AI 태스크를 초고속으로 처리하는지, 각각의 고유한 특징은 무엇인지, 그리고 AI 소프트웨어에서 이를 최대한 활용하는 방법을 살펴보겠습니다. 이 과정을 마치면 AI 프로젝트에 적합한 GPU를 선택하는 방법을 정확히 알게 되어 AI 워크로드를 처리할 때 현명한 결정을 내릴 수 있게 됩니다.

자세히 알아보기

AI 하이퍼컴퓨터를 시작할 준비가 되셨나요? 이 과정에서는 AI 하이퍼컴퓨터를 쉽게 시작할 수 있도록 도와드립니다. AI 하이퍼컴퓨터에 대한 기본사항을 다루고 AI 하이퍼컴퓨터가 AI의 AI 워크로드 처리에 어떤 도움을 주는지 살펴봅니다. GPU, TPU, CPU 등 하이퍼컴퓨터 내부의 다양한 구성요소와 니즈에 맞는 적절한 배포 방식을 선택하는 방법을 알아봅니다.

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

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

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

에이전트 개발 키트(ADK)를 사용하여 복잡하고 프로덕션에 즉시 사용 가능한 AI 에이전트를 빌드하는 방법을 알아보세요. 이 과정에서는 ADK의 오픈소스 프레임워크를 다루며, 간단한 프롬프트 엔지니어링에서 시작해 엔터프라이즈급 멀티 에이전트 시스템에 적합한 코드 우선의 구조화된 소프트웨어 개발 접근 방식으로 나아갑니다.

자세히 알아보기

2부로 구성된 과정의 두 번째 순서인 'Google Cloud의 모니터링 가능성'에 오신 것을 환영합니다. 이 과정을 수강하기 전에 1부인 Google Cloud의 로깅 및 모니터링을 먼저 완료하는 것이 좋습니다. 이번 과정에서는 Error Reporting, Cloud Trace, Cloud Profiler를 포함한 애플리케이션 성능 관리 도구에 대해 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

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

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

AI 에이전트에 대한 개념 개요를 확인하세요. AI 에이전트가 어떻게 자율적인 작업과 추론을 사용하여 복잡한 문제를 해결하는지 살펴봅니다. 에이전트가 사용자를 대신하여 학습하고 계획하여 목표를 달성할 수 있도록 지원하는 기술 아키텍처(모델, 도구, 조정)에 대해서도 알아봅니다.

자세히 알아보기

Google Cloud의 로깅, 모니터링, 모니터링 가능성에 관한 2부 과정에 오신 것을 환영합니다. Google Cloud의 핵심 운영 도구는 크게 두 가지 카테고리로 나뉩니다. 운영 중심 구성요소와 애플리케이션 성능 관리 도구입니다. 이 과정에서는 Google Cloud의 로깅 및 모니터링에서는 로깅, 모니터링, 서비스 모니터링을 포함한 운영 중심 구성요소를 다룹니다. 이 과정을 수강한 후에는 Google Cloud의 모니터링 가능성(2부)을 완료하여 사용 가능한 애플리케이션 성능 관리 도구에 관해 알아보시기 바랍니다.

자세히 알아보기

애플리케이션 실행을 위한 Cloud Run 서버리스 플랫폼을 소개하는 이 과정에서는 Cloud Run의 기본사항, 리소스 모델, 컨테이너 수명 주기에 대해 알아봅니다. 서비스 ID, 서비스 액세스 제어 방법, 그리고 Cloud Run에 배포하기 전에 애플리케이션을 로컬에서 개발하고 테스트하는 방법에 대해 배웁니다. 이 과정에서는 Google Cloud의 다른 서비스와 통합하여 완전한 기능을 갖춘 애플리케이션을 빌드하는 방법도 다룹니다.

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

Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 두 번째 과정입니다. 이 과정에서는 데이터를 어떻게 구조화하고 조직화하는지 살펴봅니다. 데이터 레이크하우스 아키텍처 및 BigQuery, Google Cloud Storage, Dataproc과 같은 클라우드 구성요소를 활용하여 대규모 데이터 세트를 효율적으로 저장, 분석, 처리하는 방법을 직접 경험해 봅니다.

자세히 알아보기

이 과정에서는 AI 할루시네이션을 완화하는 BigQuery의 검색 증강 생성(RAG) 솔루션을 살펴봅니다. 임베딩 만들기, 벡터 공간 검색, 개선된 응답 생성을 포함한 RAG 워크플로를 소개합니다. 또한 이 과정은 이러한 단계의 배경이 되는 개념을 설명하고 BigQuery를 통한 실질적인 구현 과정을 살펴봅니다. 이 과정을 마친 학습자는 BigQuery와 Gemini 및 임베딩 모델 같은 생성형 AI 모델을 사용하여 자신의 AI 할루시네이션 사용 사례를 해결하는 RAG 파이프라인을 빌드할 수 있게 됩니다.

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

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

Cloud technology on its own only provides a fraction of the true value to a business; When combined with data–lots and lots of it–it has the power to truly unlock value and create new experiences for customers. In this course, you'll learn what data is, historical ways companies have used it to make decisions, and why it is so critical for machine learning. This course also introduces learners to technical concepts such as structured and unstructured data. database, data warehouse, and data lakes. It then covers the most common and fastest growing Google Cloud products around data.

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 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

이 과정은 Associate Cloud Engineer 시험을 체계적으로 준비하는 데 도움이 됩니다. 시험에서 다루는 Google Cloud의 영역과 학습자의 영역별 지식을 향상하기 위한 학습 계획을 수립하는 방법을 알아봅니다.

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

Google Cloud 데이터 애널리틱스 자격증의 5개 과정 중 첫 번째 과정입니다. 이 과정에서는 클라우드 데이터 분석의 분야를 정의하고 데이터 획득, 저장, 처리, 시각화와 관련된 클라우드 데이터 분석가의 역할과 책임을 설명합니다. BigQuery, Cloud Storage와 같은 Google Cloud 기반 도구의 아키텍처와 이러한 도구를 사용하여 데이터를 효과적으로 구조화하여 표시하고 보고하는 방법을 살펴봅니다.

자세히 알아보기

중급 Google Cloud에서 Terraform으로 인프라 빌드 기술 배지 과정을 완료하여 Terraform을 사용하는 코드형 인프라(IaC) 원칙, Terraform 구성으로 Google Cloud 리소스 프로비저닝 및 관리, 효과적인 상태 관리(로컬 및 원격), 재사용성 및 구성을 위한 Terraform 코드 모듈화 등에 관한 기술을 입증하세요.

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

In this course, we see what the common challenges faced by data analysts are and how to solve them with the big data tools on Google Cloud. You’ll pick up some SQL along the way and become very familiar with using BigQuery and Dataprep to analyze and transform your datasets. This is the first course of the From Data to Insights with Google Cloud series. After completing this course, enroll in the Creating New BigQuery Datasets and Visualizing Insights course.

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

This advanced-level quest is unique amongst the other catalog offerings. The labs have been curated to give IT professionals hands-on practice with topics and services that appear in the Google Cloud Certified Professional Data Engineer Certification. From Big Query, to Dataprep, to Cloud Composer, this quest is composed of specific labs that will put your Google Cloud data engineering knowledge to the test. Be aware that while practice with these labs will increase your skills and abilities, you will need other preparation, too. The exam is quite challenging and external studying, experience, and/or background in cloud data engineering is recommended. Looking for a hands on challenge lab to demonstrate your skills and validate your knowledge? On completing this quest, enroll in and finish the additional challenge lab at the end of the Engineer Data in the Google Cloud to receive an exclusive Google Cloud digital badge.

자세히 알아보기

이 과정은 Google Cloud 비용 관리를 담당하는 기술 또는 재무 관련 직무에 적합합니다. 결제 계정 설정 방법, 리소스 정리 방법, 결제 액세스 권한 관리 방법을 알아봅니다. 실무형 실습에서는 인보이스를 보는 방법, BigQuery 또는 Google Sheets를 사용하여 결제 데이터를 분석하는 방법, Data Studio를 사용하여 커스텀 결제 대시보드를 만드는 방법을 살펴봅니다. 동영상의 참조 링크는 이 추가 리소스 문서에서 액세스할 수 있습니다.

자세히 알아보기

When it comes to hosting websites and web applications, you want a framework that’s robust, fast, and secure. By choosing the Google Cloud Platform, you will have all of those needs covered. In this fundamental-level quest, you will get hands-on practice with GCPs key infrastructure and computing services for the web. From deploying your first web app, to integrating Cloud SQL with Ruby on Rails, to mapping the NYC subway system on App Engine, you will learn all the skills needed to harness GCPs web hosting power.

자세히 알아보기

In this introductory-level quest, you will learn the fundamentals of developing and deploying applications on the Google Cloud Platform. You will get hands-on experience with the Google App Engine framework by launching applications written in languages like Python, Ruby, and Java (just to name a few). You will see first-hand how straightforward and powerful GCP application frameworks are, and how easily they integrate with GCP database, data-loss prevention, and security services.

자세히 알아보기