Alejandra Belén Silva Silva
회원 가입일: 2022
골드 리그
6030포인트
Google Cloud 운영으로 확장하기
Earned 4월 5, 2026 EDT
Google Cloud를 통한 신뢰 및 보안
Earned 4월 5, 2026 EDT
Google Cloud로 인프라 및 애플리케이션 현대화
Earned 4월 5, 2026 EDT
Google Cloud 인공지능으로 혁신하기
Earned 4월 5, 2026 EDT
Google Cloud를 통한 디지털 혁신
Earned 4월 5, 2026 EDT
Google Cloud를 통한 데이터 혁신 살펴보기
Earned 3월 28, 2026 EDT
Agent Platform의 프롬프트 설계
Earned 12월 1, 2025 EST
책임감 있는 AI: Google Cloud를 통한 AI 원칙 적용하기
Earned 11월 25, 2025 EST
책임감 있는 AI 소개
Earned 11월 25, 2025 EST
대규모 언어 모델 소개
Earned 11월 25, 2025 EST
생성형 AI 소개
Earned 11월 21, 2025 EST
자격증 학습 가이드 만들기: PDE 시험 대비
Earned 4월 21, 2023 EDT
BigQuery ML을 사용한 예측 모델링을 위한 데이터 엔지니어링
Earned 4월 14, 2023 EDT
BigQuery로 데이터 웨어하우스 빌드
Earned 4월 13, 2023 EDT
Google Cloud에서 ML API용으로 데이터 준비하기
Earned 4월 12, 2023 EDT
Dataflow를 사용한 서버리스 데이터 처리: 운영
Earned 4월 10, 2023 EDT
Dataflow를 사용한 서버리스 데이터 처리: 파이프라인 개발
Earned 4월 2, 2023 EDT
Dataflow를 사용한 서버리스 데이터 처리: 기초
Earned 3월 26, 2023 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 한국어
Earned 3월 26, 2023 EDT
Google Cloud에서 스트리밍 데이터 파이프라인 빌드하기
Earned 3월 26, 2023 EDT
Google Cloud에서 일괄 데이터 파이프라인 빌드하기
Earned 3월 19, 2023 EDT
Compute Engine에서 Cloud Load Balancing 구현하기
Earned 3월 13, 2023 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 한국어
Earned 3월 12, 2023 EDT
Google Cloud에서 데이터 레이크와 데이터 웨어하우스 빌드하기
Earned 3월 12, 2023 EDT
규모와 관계없이 모든 조직이 클라우드의 강력한 기능과 유연성을 활용하여 운영 방식을 혁신하고 있습니다. 하지만 클라우드 리소스를 효과적으로 관리하고 확장하는 것은 복잡한 작업일 수 있습니다. 이 과정에서는 클라우드의 현대적 운영, 안정성, 복원력의 기본 개념과 Google Cloud가 이러한 노력을 지원하는 데 어떤 도움이 되는지 살펴봅니다.
Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축할 수 있도록 돕는 것을 목표로 합니다.
자세히 알아보기
조직이 데이터와 애플리케이션을 클라우드로 이전함에 따라 빠르게 진화하는 보안 과제 환경에 대응해야 합니다. 이 과정에서는 클라우드 보안의 기반, Google Cloud의 보안 내재화 설계 인프라의 가치, 심층 방어 전략을 살펴보고, AI 기반 운영 및 규정 준수 도구가 조직이 엄격한 글로벌 규제 요구사항을 충족하는 데 어떻게 도움이 되는지 강조합니다.
Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축할 수 있도록 돕는 것을 목표로 합니다.
자세히 알아보기
많은 기존 기업은 최신 고객 기대에 부응할 수 없는 기존 시스템과 앱을 사용합니다. 비즈니스 리더는 노후화된 IT 시스템을 유지할지 아니면 새로운 제품과 서비스에 투자할지 결정해야 하는 경우가 많습니다. 이 과정에서는 이러한 과제를 살펴보고 클라우드 기술을 사용하여 이를 극복할 수 있는 솔루션을 제공합니다.
Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축하는 데 도움이 되는 것을 목표로 합니다.
자세히 알아보기
인공지능(AI)과 머신러닝(ML)은 광범위한 산업을 빠르게 혁신하고 있는 정보 기술의 중요한 진화입니다. 'Google Cloud 인공지능으로 혁신하기' 과정에서는 조직이 AI와 ML을 사용하여 비즈니스 프로세스를 혁신하는 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
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
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
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
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
Gemini Notebook을 사용하여 Professional Data 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 익힐 수 있습니다.
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
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
Dataflow 과정 시리즈의 마지막 편에서는 Dataflow 운영 모델의 구성요소를 소개합니다. 파이프라인 성능의 문제를 해결하고 최적화하기 위한 도구와 기법을 살펴봅니다. 그런 다음 Dataflow 파이프라인의 테스트, 배포, 안정성 권장사항을 검토합니다. 마지막으로 Dataflow 파이프라인을 사용자가 수백 명이나 되는 조직으로 쉽게 확장할 수 있는 템플릿을 검토해 보겠습니다. 이 강의는 데이터 플랫폼이 예상치 못한 상황에서도 안정성과 복원력을 갖추도록 하는데 도움이 됩니다.
자세히 알아보기
Dataflow 과정 시리즈의 두 번째 편에서는 Beam SDK를 사용하여 파이프라인을 개발하는 방법을 자세히 살펴보겠습니다. 먼저 Apache Beam 개념에 대한 복습부터 시작하겠습니다. 다음으로 윈도우, 워터마크, 트리거를 사용하여 스트리밍 데이터를 처리하는 방법을 알아봅니다. 그런 다음 파이프라인의 소스 및 싱크 옵션, 정형 데이터를 표현하는 스키마, State 및 Timer API를 사용하여 스테이트풀(Stateful) 변환을 수행하는 방법을 다룹니다. 이제 파이프라인 성능을 극대화하는 데 도움이 되는 권장사항을 살펴보겠습니다. 과정의 마지막 부분에서는 Beam에서 비즈니스 로직을 표현하기 위한 SQL과 DataFrame을 소개하고 Beam 노트북을 사용하여 파이프라인을 반복적으로 개발하는 방법을 알아봅니다.
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
초급 Compute Engine에서 Cloud Load Balancing 구현하기 기술 배지 과정을 완료하여 Compute Engine에서 가상 머신 만들기 및 배포, 네트워크 및 애플리케이션 부하 분산기 구성과 관련된 기술 역량을 입증하세요.
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
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
