가입 로그인

Google Cloud 콘솔에서 기술 적용

Mansoor AK

회원 가입일: 2026

브론즈 리그

2768포인트
Model Armor: 안전한 AI 배포 Earned 4월 29, 2026 EDT
AI 보안 소개 Earned 4월 29, 2026 EDT
개발자를 위한 책임감 있는 AI: 개인 정보 보호 및 안전 Earned 4월 29, 2026 EDT
개발자를 위한 책임감 있는 AI: 공정성 및 편향 Earned 4월 29, 2026 EDT
개발자를 위한 책임감 있는 AI: 해석 가능성 및 투명성 Earned 4월 29, 2026 EDT
Arcade Voyage: Modern Application Development Earned 4월 29, 2026 EDT
Vertex AI로 머신러닝 작업(MLOps): 모델 평가 Earned 4월 28, 2026 EDT
생성형 AI를 위한 머신러닝 작업(MLOps) Earned 4월 28, 2026 EDT
Dialogue Design Earned 4월 28, 2026 EDT
Arcade Trail: Data Migration Earned 4월 28, 2026 EDT
Arcade Adventure: GKE Operations and Networking Earned 4월 27, 2026 EDT

이 과정에서는 Model Armor의 필수 보안 기능을 검토하고 서비스를 사용할 수 있도록 준비합니다. LLM과 관련된 보안 위험과 Model Armor가 AI 애플리케이션을 보호하는 방법을 알아봅니다.

자세히 알아보기

인공지능(AI)은 혁신적인 가능성을 제공하지만 새로운 보안 문제의 원인이 되기도 합니다. 이 과정에서는 보안 및 데이터 보호 리더가 조직 내에서 AI를 안전하게 관리하는 데 필요한 전략을 살펴봅니다. AI 관련 위험을 사전에 식별 및 완화하고, 민감한 정보를 보호하며, 규정을 준수하고, 복원력 높은 AI 인프라를 빌드하는 프레임워크를 학습합니다. 이러한 전략이 실제 시나리오에서 어떻게 적용되는지 살펴보기 위해 4가지 산업별 사례를 선별했습니다.

자세히 알아보기

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 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 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

On Google Cloud, building an app usually means handling more than just the code. You’ll need to deploy it, connect services, and keep things running properly. In this voyage, you’ll host a web app, set up a deployment pipeline, and build a REST API with Cloud Run. You’ll also try out Flutter and set up a Python development environment. You’ll work with VPC networks, load balancing, and clean up unused resources along the way. It’s a practical set of tasks that reflects how apps are actually run on Google Cloud.

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

78%—or nearly 8 in 10—business leaders say Google Cloud helps them stay ahead in the age of AI. A big part of that comes down to how teams build and connect intelligent systems. Here, you’ll build and manage conversational agents, and use speech-to-text and translation APIs to handle different types of input. You’ll also move from monolithic apps to microservices on GKE, connect workflows using webhooks, and use observability tools to keep track of what’s happening. IAM comes in as well to manage access where needed. It’s a practical look at how these pieces are used together in real setups.

자세히 알아보기

A lot of cloud work comes down to moving data, managing access, and making sense of what’s happening behind the scenes. In this trail, you’ll migrate a MySQL database to Google Cloud, work with IAM permissions using gcloud, and analyze network traffic with VPC Flow Logs. You’ll also store and manage media files, prepare data with Dataprep, and build reports using Looker Studio and LookML. There’s even a lab on measuring Speech-to-Text accuracy. It’s a mix of tasks that shows how data is handled, monitored, and used across different parts of Google Cloud.

자세히 알아보기

Google Kubernetes Engine (GKE) is all about running and managing containerized applications without worrying too much about the underlying setup. In this adventure, you’ll get hands-on with how things actually work—managing workloads, debugging issues, and trying out autoscaling. You’ll also explore Autopilot, run load tests, and work with private clusters and network access. By the end, you’ll have a clearer sense of how GKE setups are put together and handled in practice.

자세히 알아보기