Simone Renzi
회원 가입일: 2026
골드 리그
27636포인트
BigQuery의 Gemini로 생산성 향상
Earned 10월 19, 2026 EDT
Dataflow를 사용한 서버리스 데이터 처리: 운영
Earned 10월 19, 2026 EDT
Knowledge Catalog로 데이터 메시 빌드하기
Earned 10월 19, 2026 EDT
BigQuery로 데이터 웨어하우스 빌드
Earned 10월 19, 2026 EDT
Dataflow를 사용한 서버리스 데이터 처리: 파이프라인 개발
Earned 10월 19, 2026 EDT
Dataflow를 사용한 서버리스 데이터 처리: 기초
Earned 10월 19, 2026 EDT
Google Cloud에서 일괄 데이터 파이프라인 빌드하기
Earned 10월 19, 2026 EDT
Google Cloud에서 데이터 레이크와 데이터 웨어하우스 빌드하기
Earned 10월 19, 2026 EDT
자격증 학습 가이드 만들기: PDE 시험 대비
Earned 10월 18, 2026 EDT
개발자를 위한 책임감 있는 AI: 개인 정보 보호 및 안전
Earned 10월 17, 2026 EDT
개발자를 위한 책임감 있는 AI: 해석 가능성 및 투명성
Earned 10월 17, 2026 EDT
개발자를 위한 책임감 있는 AI: 공정성 및 편향
Earned 10월 17, 2026 EDT
Google Cloud에서 생성형 AI 앱 만들기
Earned 10월 17, 2026 EDT
Vertex AI로 머신러닝 작업(MLOps) 기능 관리
Earned 10월 16, 2026 EDT
머신러닝 작업(MLOps): 시작하기
Earned 10월 16, 2026 EDT
프로덕션 머신러닝 시스템
Earned 10월 16, 2026 EDT
BigQuery ML로 ML 모델 만들기
Earned 10월 16, 2026 EDT
Google Cloud에서 ML API용으로 데이터 준비하기
Earned 10월 16, 2026 EDT
자격증 학습 가이드 만들기: PMLE 시험 대비
Earned 10월 16, 2026 EDT
Google Cloud에서 Cloud 보안 기본사항 구현하기
Earned 10월 16, 2026 EDT
Cloud Run 기반 서버리스 애플리케이션 개발
Earned 10월 15, 2026 EDT
안전한 Google Cloud 네트워크 빌드
Earned 10월 15, 2026 EDT
Compute Engine에서 Cloud Load Balancing 구현하기
Earned 10월 15, 2026 EDT
Google Cloud의 AI 및 머신러닝 소개
Earned 10월 15, 2026 EDT
Google Cloud의 데이터 엔지니어링 입문
Earned 10월 15, 2026 EDT
GKE에서 확장 가능한 워크로드 관리
Earned 10월 15, 2026 EDT
Google Cloud의 네트워킹: 하이브리드 및 멀티 클라우드
Earned 10월 13, 2026 EDT
유연한 Google Cloud 인프라: 확장 및 자동화
Earned 10월 13, 2026 EDT
Google Cloud에서 Cloud Run으로 애플리케이션 개발하기: 기초
Earned 10월 13, 2026 EDT
Google Cloud의 네트워킹: 네트워크 아키텍처
Earned 10월 13, 2026 EDT
Google Cloud에서 보안 관리하기
Earned 10월 13, 2026 EDT
Google Cloud의 네트워킹: 기초
Earned 10월 13, 2026 EDT
필수 Google Cloud 인프라: 핵심 서비스
Earned 10월 13, 2026 EDT
자격증 학습 가이드 만들기: PCA 시험 대비
Earned 10월 13, 2026 EDT
AI 인프라: AI 하이퍼컴퓨터 소개
Earned 10월 13, 2026 EDT
Google Cloud에서 Terraform으로 인프라 빌드
Earned 10월 13, 2026 EDT
Google Cloud Observability로 모니터링 및 로깅
Earned 10월 12, 2026 EDT
Google Cloud 환경에서 DevSecOps 활용하기
Earned 10월 12, 2026 EDT
Google Cloud에서 DevOps 워크플로 구현
Earned 10월 12, 2026 EDT
Google Cloud 앱 개발 환경 설정
Earned 10월 12, 2026 EDT
Introduction to Application Design Center
Earned 10월 12, 2026 EDT
Google Cloud에서 Terraform 시작하기
Earned 10월 12, 2026 EDT
Cloud Assist 조사를 활용하여 AI를 통해 문제 해결하기
Earned 10월 11, 2026 EDT
Google Cloud의 모니터링 가능성
Earned 10월 11, 2026 EDT
Google Cloud의 로깅 및 모니터링
Earned 10월 11, 2026 EDT
신뢰할 수 있는 Google Cloud 인프라: 설계 및 프로세스
Earned 10월 11, 2026 EDT
Google Cloud 기초: 핵심 인프라
Earned 10월 11, 2026 EDT
Google SRE 문화 개발
Earned 10월 11, 2026 EDT
Google Workspace 문제 해결
Earned 10월 11, 2026 EDT
Google Workspace 보안
Earned 10월 11, 2026 EDT
Google Workspace 데이터 거버넌스
Earned 10월 11, 2026 EDT
Google Workspace 핵심 서비스
Earned 10월 11, 2026 EDT
Google Workspace 사용자 및 리소스 관리
Earned 10월 11, 2026 EDT
Google Cloud Managed Service for Prometheus 환경 모니터링
Earned 10월 10, 2026 EDT
Security Command Center로 위협과 취약점 완화하기
Earned 10월 10, 2026 EDT
Google Cloud에서 Machine Learning API 사용하기
Earned 10월 10, 2026 EDT
Database Migration Service로 MySQL 데이터를 Cloud SQL로 마이그레이션하기
Earned 10월 10, 2026 EDT
클라우드 협업 및 생산성 워크플로 구현
Earned 10월 10, 2026 EDT
Google 데이터 클라우드로 데이터 공유하기
Earned 10월 10, 2026 EDT
BigQuery 데이터에서 인사이트 도출
Earned 10월 10, 2026 EDT
BigQuery로 임베딩, 벡터 검색, RAG 만들기
Earned 10월 10, 2026 EDT
엔터프라이즈 데이터베이스로 AI 에이전트 빌드하기
Earned 10월 10, 2026 EDT
BigQuery ML을 사용한 예측 모델링을 위한 데이터 엔지니어링
Earned 10월 10, 2026 EDT
클라우드 아키텍처: 설계, 구현, 관리
Earned 10월 10, 2026 EDT
에이전트 개발 키트(ADK)로 AI 에이전트 엔지니어링
Earned 10월 10, 2026 EDT
Google Cloud에서 Kubernetes 관리
Earned 10월 10, 2026 EDT
Vertex AI로 머신러닝 작업(MLOps): 모델 평가
Earned 10월 10, 2026 EDT
생성형 AI를 위한 머신러닝 작업(MLOps)
Earned 10월 10, 2026 EDT
Google DeepMind: 소규모 언어 모델 학습
Earned 10월 10, 2026 EDT
책임감 있는 AI: Google Cloud를 통한 AI 원칙 적용하기
Earned 4월 17, 2026 EDT
책임감 있는 AI 소개
Earned 4월 17, 2026 EDT
대규모 언어 모델 소개
Earned 4월 17, 2026 EDT
생성형 AI 소개
Earned 4월 17, 2026 EDT
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
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
초급 Knowledge Catalog로 데이터 메시 빌드하기 기술 배지 과정을 완료하여, Knowledge Catalog를 통해 데이터 메시를 빌드해 Google Cloud에서 데이터 보안, 거버넌스, 탐색을 활용하는 역량을 입증하세요. Knowledge Catalog에서 애셋에 태그를 지정하고, IAM 역할을 할당하고, 데이터 품질을 평가하는 기술을 연습하고 테스트할 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
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
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
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
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
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 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
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
이 과정에서는 Google Cloud에서 프로덕션 ML 시스템을 배포, 평가, 모니터링, 운영하기 위한 MLOps 도구와 권장사항을 소개합니다. MLOps는 프로덕션에서 ML 시스템을 배포, 테스트, 모니터링, 자동화하는 방법론입니다.
학습자는 SDK 레이어에서 Vertex AI Feature Store의 스트리밍 수집을 사용하여 실습을 진행하게 됩니다.
자세히 알아보기
이 과정에서는 Google Cloud에서 프로덕션 ML 시스템 배포, 평가, 모니터링, 운영을 위한 MLOps 도구와 권장사항을 소개합니다. MLOps는 프로덕션에서 ML 시스템을 배포, 테스트, 모니터링, 자동화하는 방법론입니다. 머신러닝 엔지니어링 전문가들은 배포된 모델의 지속적인 개선과 평가를 위해 도구를 사용합니다. 이들이 협력하거나 때론 그 역할을 하는 데이터 과학자는 고성능 모델을 빠르고 정밀하게 배포할 수 있도록 모델을 개발합니다.
자세히 알아보기
이 과정에서는 프로덕션 환경에서 고성능 ML 시스템을 빌드하기 위한 구성요소와 권장사항을 자세히 살펴봅니다. 정적 학습, 동적 학습, 정적 추론, 동적 추론, 분산 TensorFlow, TPU 등 고성능 ML 시스템 빌드와 관련된 일반적인 고려사항을 다룹니다. 이 과정에서는 정확한 예측 능력 외에도 양질의 ML 시스템을 만드는 특성을 탐구하는 데 중점을 둡니다.
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
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
Gemini Notebook을 사용하여 Professional Machine Learning Engineer(PMLE) 자격증 시험을 위한 맞춤형 학습 가이드를 만드는 방법을 알아보세요. Gemini Notebook 기능을 검토하고, 노트북을 만들고, 학습 가이드를 사용하여 자격증 시험을 연습합니다.
자세히 알아보기
중급 Google Cloud에서 Cloud 보안 기본사항 구현하기 기술 배지 과정을 완료하여 Identity and Access Management(IAM)로 역할 생성 및 할당, 서비스 계정 생성 및 관리, 가상 프라이빗 클라우드(VPC) 네트워크에서 비공개 연결 사용 설정, IAP(Identity-Aware Proxy)를 사용한 애플리케이션 액세스 제한, Cloud Key Management Service(KMS)를 사용한 키와 암호화된 데이터 관리, 비공개 Kubernetes 클러스터 생성과 관련된 기술 역량을 입증하세요.
자세히 알아보기
중급 Cloud Run 기반 서버리스 애플리케이션 개발 기술 배지 과정을 완료하여 데이터 관리를 위한 Cloud Run과 Cloud Storage의 통합, Cloud Run 및 Pub/Sub를 사용하는 복원력 높은 비동기 시스템 설계, Cloud Run 기반 REST API 게이트웨이 구축, Cloud Run 기반 서비스 빌드 및 배포와 관련된 기술 역량을 입증하세요.
자세히 알아보기
안전한 Google Cloud 네트워크 빌드 과정을 완료하여 기술 배지를 획득하세요. 이 과정에서는 Google Cloud에서 애플리케이션을 빌드, 확장, 보호하는 데 필요한 다양한 네트워킹 관련 리소스에 대해 배울 수 있습니다.
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 생성형 AI 프로젝트와 예측형 AI 프로젝트를 모두 개발하는 데 중점을 두고 Google Cloud의 AI 및 머신러닝(ML) 기능을 소개합니다. 데이터에서 AI로 이어지는 수명 주기 전반에 걸쳐 사용할 수 있는 다양한 기술, 제품, 도구를 살펴보고, 데이터 과학자, AI 개발자, ML 엔지니어가 대화형 실습을 통해 전문성을 강화할 수 있도록 지원합니다.
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
Google Kubernetes Engine을 사용하여 애플리케이션을 대규모로 현대화, 관리, 모니터링하는 방법을 알아봅니다. 이 과정에서는 강의와 실무형 실습을 통해, 여러 공급업체에서 호스팅하는 다양한 클러스터에 분산된 경우에도 최신 애플리케이션을 사용할 수 있게 해주는 Google Kubernetes Engine(GKE), GKE Fleet, Cloud Service Mesh, 구성 컨트롤러의 기능과 배포 방법을 알아봅니다.
자세히 알아보기
'Google Cloud의 네트워킹' 시리즈의 여섯 번째 과정인 하이브리드 및 멀티 클라우드에 오신 것을 환영합니다. 첫 번째 모듈에서는 다양한 클라우드 연결 옵션을 살펴보고 Cloud Interconnect의 다양한 유형과 기능을 자세히 알아봅니다. 두 번째 모듈에서는 Cloud VPN에 대해 다루며 고가용성 VPN 토폴로지 구현과 간소화된 관리를 위한 네트워크 연결 센터(NCC)를 살펴봅니다. 이 과정을 마치면 온프레미스 및 기타 클라우드 네트워크를 Google Cloud로 확장하는 데 사용할 수 있는 여러 연결 옵션을 설명하고 다양한 Google Cloud 하이브리드 및 멀티 클라우드 연결 서비스의 특정 사용 사례에 대한 적합성을 분석할 수 있게 됩니다. 그럼 시작해 볼까요?
자세히 알아보기
이 속성 주문형 과정에서는 참가자에게 Google Cloud에서 제공하는 포괄적이고 유연한 인프라 및 플랫폼 서비스를 소개합니다. 참가자는 동영상 강의, 데모, 실무형 실습이 결합된 이 과정을 통해 안전한 네트워크 상호 연결, 부하 분산, 자동 확장, 인프라 자동화, 관리형 서비스가 포함된 솔루션 요소를 살펴보고 배포할 수 있습니다.
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
'Google Cloud의 네트워킹' 시리즈의 세 번째 과정인 '네트워크 아키텍처'에 오신 것을 환영합니다.
이 과정에서는 Google Cloud 내에서 효율적이고 확장 가능한 네트워크 아키텍처를 설계하기 위한 기본적인 사항을 살펴봅니다.
첫 번째 모듈인 '네트워크 아키텍처 소개'에서는 먼저 서브넷, 경로, 방화벽, 부하 분산 등 네트워크 아키텍처의 핵심 구성요소와 개념을 소개합니다.
두 번째 모듈인 '네트워크 토폴로지'에서는 Google Cloud에서 일반적으로 사용되는 다양한 네트워크 토폴로지를 살펴보고 장단점을 설명합니다.
자세히 알아보기
이 자기 주도형 교육 과정은 수강생이 Google Cloud의 보안 제어 및 기술을 폭넓게 학습할 수 있도록 구성되어 있습니다. 수강생은 녹화 강의, 데모, 실습을 통해 Cloud ID, Resource Manager, IAM, 가상 프라이빗 클라우드(VPC) 방화벽, Cloud Load Balancing, Cloud Peering, Cloud Interconnect, VPC 서비스 제어처럼 안전한 Google Cloud 솔루션의 구성요소를 탐색하고 직접 배포해 봅니다.
이 과정은 'Google Cloud의 보안' 시리즈의 첫 번째 과정입니다. 이 과정을 완료한 후에는 'Google Cloud 보안 권장사항' 과정도 수강하세요.
자세히 알아보기
'Google Cloud의 네트워킹' 과정은 6부로 구성되어 있습니다. 6부로 구성된 과정의 첫 번째 순서인 'Google Cloud의 네트워킹: 기초'에 오신 것을 환영합니다.
이 과정에서는 네트워킹 기초, 가상 프라이빗 클라우드(VPC), VPC 네트워크 공유 등 핵심 네트워킹 개념을 포괄적으로 소개합니다. 또한 네트워크 로깅 및 모니터링 기법에 대해서도 알아봅니다.
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
Gemini Notebook을 사용하여 Professional Cloud Network 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
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
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
초급 Google Cloud Observability로 모니터링 및 로깅 기술 배지를 획득하여 Compute Engine에서 가상 머신 모니터링, Cloud Monitoring을 활용한 다중 프로젝트 감독, Cloud Functions로 모니터링 및 로깅 기능 확장, 커스텀 애플리케이션 측정항목 생성 및 전송, 커스텀 측정항목을 기반으로 Cloud Monitoring 알림 구성 등의 기술을 입증하세요.
자세히 알아보기
이 과정에서는 Google Cloud에서 안전하고 효율적인 DevSecOps 관행을 구현하기 위한 기본적인 기술을 배웁니다. Artifact Registry, Cloud Build, Cloud Deploy, Binary Authorization과 같은 Google Cloud 서비스를 사용하여 개발 파이프라인을 보호하는 방법을 알아봅니다. CI/CD 파이프라인 전반에 걸쳐 보안 제어를 적용하여 컨테이너화된 애플리케이션을 빌드, 테스트, 배포할 수 있게 됩니다.
자세히 알아보기
중급 Google Cloud에서 DevOps 워크플로 구현 기술 배지 과정을 완료하여 Git 저장소 만들기 및 관리, Google Kubernetes Engine(GKE)에서 배포 실행, 관리, 확장, 그리고 컨테이너 이미지 빌드 및 GKE로의 배포를 자동화하는 CI/CD 파이프라인 설계 등에 관한 기술을 입증하세요.
자세히 알아보기
Google Cloud 앱 개발 환경 설정 과정을 완료하여 기술 배지를 획득하세요. Cloud Storage, Identity and Access Management, Cloud Functions, Pub/Sub의 기본 기능을 사용하여 스토리지 중심 클라우드 인프라를 구축하고 연결하는 방법을 배울 수 있습니다.
자세히 알아보기
Application Design Center accelerates app delivery while maintaining governance and security across Google Cloud. It empowers both platform and development teams to visually design, standardize, and deploy production-ready apps in minutes rather than days. By adopting reusable templates that automatically generate infrastructure as code configurations and integrate with App Hub, teams ship secure-by-design apps faster and gain unified visibility across all app workloads.
This course teaches you how to use App Design Center to transition from manual, inconsistent app provisioning to automated, resilient app management.
자세히 알아보기
이 과정에서는 Google Cloud에서 Terraform을 사용하는 방법을 소개합니다. 학습자는 Terraform을 사용하여 코드형 인프라를 구현하는 방법을 설명하고, Terraform의 주요 특징과 기능을 적용하여 Google Cloud 인프라를 생성하고 관리할 수 있게 됩니다.
또한 Terraform을 사용하여 Google Cloud 리소스를 빌드하고 관리하는 실무형 실습도 진행합니다.
자세히 알아보기
Gemini Cloud Assist 조사는 Google Cloud 환경에서 반복적인 문제 해결을 지원하는 AI 기반 도구로, 사용자가 Google Cloud 서비스를 사용할 때 발생할 수 있는 일반적인 문제를 해결하고 문제의 근본 원인을 찾도록 돕는 것을 목표로 합니다.
이 과정은 DevOps, SRE, 플랫폼 엔지니어에게 Google Cloud 서비스의 문제 해결을 간소화하기 위해 Gemini Cloud Assist 조사를 효과적으로 사용하는 데 필요한 기술을 제공합니다. 이 학습 과정은 Gemini Cloud Assist 조사에 대한 기초 지식에 중점을 두고, Google Cloud 사용자의 문제 해결 시간을 단축하고 전반적인 운영 효율성을 향상하는 것을 목표로 합니다.
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
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
이 과정에서는 학습자가 검증된 설계 패턴을 사용하여 Google Cloud에서 고도로 안정적이고 효율적인 솔루션을 빌드하는 데 필요한 역량을 기를 수 있습니다. 'Google Compute Engine으로 설계하기' 또는 'Google Kubernetes Engine으로 설계하기' 과정에서 이어지는 내용이며, 학습자가 두 과정에서 다루는 기술을 실무에서 사용해 본 경험이 있다는 전제로 진행됩니다. 학습자는 프레젠테이션, 설계 활동, 실무형 실습을 통해 고도로 안정적이고 안전하고 비용 효율적이며 가용성이 높은 Google Cloud 배포를 설계하는 데 필요한 비즈니스 요구사항과 기술 요구사항을 정의하고 이 사이의 적절한 균형을 유지하는 방법을 익힐 수 있습니다.
자세히 알아보기
Google Cloud 기초: 핵심 인프라 과정은 Google Cloud 사용에 관한 중요한 개념 및 용어를 소개합니다. 이 과정에서는 동영상 및 실무형 실습을 통해 중요한 리소스 및 정책 관리 도구와 함께 Google Cloud의 다양한 컴퓨팅 및 스토리지 서비스를 살펴보고 비교합니다.
자세히 알아보기
많은 IT 조직에서 민첩성을 추구하는 개발자와 안정성에 초점을 맞추는 운영자 간에 인센티브가 일치하지 않습니다. 사이트 안정성 엔지니어링(SRE)은 Google이 개발과 운영 간의 인센티브를 조정하고 미션 크리티컬 프로덕션 지원을 수행하는 방식입니다. SRE 문화 및 기술 관행을 도입하면 비즈니스와 IT 간의 협업을 개선하는 데 도움이 될 수 있습니다. 이 과정에서는 Google SRE의 주요 관행과 SRE 조직 도입의 성공에서 중요한 IT 및 비즈니스 리더의 역할을 소개합니다.
자세히 알아보기
이 과정은 Google Workspace 관리자가 일반적인 Google Workspace 문제를 해결할 수 있도록 설계되었습니다. 학습자는 Gmail, Calendar, Drive에서 문제를 진단하고 해결하는 방법과 관리 콘솔을 탐색하는 방법을 연습하게 됩니다. 또한 감사 로그를 분석하여 보안 문제를 해결하고 정보를 수집하고 제공되는 리소스를 사용하여 기술 문제를 해결하고 신고하는 과정을 경험합니다.
자세히 알아보기
이 과정에서는 학습자에게 Google Workspace 환경을 보호할 수 있는 역량을 제공합니다. 학습자는 안전한 비밀번호 정책과 2단계 인증을 구현하여 사용자 액세스를 제어하게 됩니다. 그런 다음 보안 조사 도구를 활용하여 보안 위험을 선제적으로 식별하고 이에 대응합니다. 다음으로 보안을 보장하기 위해 서드 파티 앱 액세스 및 휴대기기를 관리합니다. 마지막으로 학습자는 조직 데이터를 보호하기 위해 이메일 보안 및 규정 준수 조치를 시행합니다.
자세히 알아보기
이 과정에서는 Google Workspace 환경 내에서 데이터를 관리하는 기술을 학습자에게 알려줍니다. 데이터 유출을 방지하기 위해 Gmail 및 Drive의 데이터 손실 방지 규칙을 살펴봅니다. 그런 다음 데이터 보관, 보존, 검색을 위해 Google Vault를 사용하는 방법을 배웁니다. 다음으로 규정을 준수하기 위해 데이터 리전과 내보내기 설정을 구성하는 방법을 알아봅니다. 마지막으로 학습자는 라벨을 사용해 데이터를 분류하여 조직과 보안을 강화하는 방법을 살펴보게 됩니다.
자세히 알아보기
이 과정은 학습자가 Google Workspace 핵심 서비스를 포괄적으로 이해할 수 있도록 설계되었습니다. 학습자는 Gmail, Calendar, Drive, Meet, Chat, Docs를 비롯한 서비스의 설정을 사용 설정, 중지, 구성하는 방법을 살펴보게 됩니다. 다음으로 Gemini를 배포하고 관리하여 사용자 역량을 강화하는 방법도 알아봅니다. 마지막으로 학습자는 AppSheet와 Apps Script의 사용 사례를 통해 작업을 자동화하고 Google Workspace 애플리케이션의 기능을 확장하는 방법을 살펴봅니다.
자세히 알아보기
이 과정은 Google Workspace의 사용자 및 리소스 관리를 이해하는 데 도움이 되도록 설계되었습니다. 학습자는 조직 요구사항에 맞는 조직 단위의 구성을 살펴보게 됩니다. 다양한 유형의 Google 그룹을 관리하는 방법도 알아봅니다. 또한 Google Workspace 내에서 도메인 설정을 관리하기 위한 전문성을 향상시킵니다. 마지막으로 학습자는 Google Workspace 환경 내에서 리소스를 최적화하고 구조화하는 방법을 익히게 됩니다.
자세히 알아보기
Google Cloud Managed Service for Prometheus 환경 모니터링 기술 배지 과정을 완료하여 기술 배지를 획득하세요. 이 과정에서는 Google Cloud Managed Service for Prometheus를 사용한 Kubernetes 모니터링에 관해 알아봅니다.
자세히 알아보기
중급 Security Command Center로 위협과 취약점 완화하기 기술 배지 과정을 완료하여 환경 위협을 예방 및 관리하고, 애플리케이션 취약점을 식별 및 완화하며, 보안 이상에 대응하는 기술 역량을 입증하세요.
자세히 알아보기
Google Cloud에서 Machine Learning API 사용하기 과정을 완료하여 고급 기술 배지를 획득하세요. 이 과정에서는 Cloud Vision API, Cloud Translation API, Cloud Natural Language API와 같은 머신러닝 및 AI 기술의 기본 기능을 알아봅니다.
자세히 알아보기
초급 Database Migration Service로 MySQL 데이터를 Cloud SQL로 마이그레이션하기 기술 배지 과정을 완료하여 Database Migration Service에서 제공되는 다양한 작업 유형 및 연결 옵션을 사용하여 MySQL 데이터를 Cloud SQL로 마이그레이션하고 Database Migration Service 작업을 실행할 때 MySQL 사용자 데이터를 마이그레이션할 수 있는 기술 역량을 입증하세요.
자세히 알아보기
클라우드 협업 및 생산성 워크플로 구현 과정을 완료하고 초급 기술 배지를 획득하세요. 이 과정에서는 Google의 협업 플랫폼에 대해 소개하고, Gmail, Calendar, Meet, Drive, Sheets, AppSheet를 사용하는 방법을 알아봅니다.
자세히 알아보기
Google 데이터 클라우드로 데이터 공유하기 기술 배지 과정을 완료하여 기술 배지 를 획득하세요.이 과정에서는 고객이 분석 사용 사례에 사용할 수 있는 독점 데이터 세트를 보유한 Google Cloud 데이터 공유 파트너와 함께 실무 경험을 쌓을 수 있습니다. 고객은 이 데이터를 구독하고, 자체 플랫폼 내에서 쿼리하고, 자체 데이터 세트로 보강하고, 고객 대면 대시보드에 시각화 도구를 사용합니다.
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 Data Studio에서 보고서를 생성하는 작업과 관련된 기술 역량을 입증하세요.
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
데이터베이스용 MCP 도구 상자를 사용하여 엔터프라이즈 데이터베이스를 활용할 수 있는 AI 에이전트를 빌드하세요. 안전한 데이터베이스 상호작용 도구를 정의하고 지능형 쿼리 기능(벡터 임베딩, 구조화된 쿼리 활용)을 구현해 봅니다.
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
클라우드 아키텍처: 설계, 구현, 관리 과정을 완료하고 기술 배지를 획득하여 Apache 웹 서버를 통해 공개 액세스 가능한 웹사이트 배포, 시작 스크립트를 사용한 Compute Engine VM 구성, Windows 배스천 호스트와 방화벽 규칙을 사용한 보안 RDP 구성, Docker 이미지를 빌드하고 Kubernetes 클러스터에 배포한 후 업데이트, CloudSQL 인스턴스 만들기, MySQL 데이터베이스 가져오기 관련 기술 역량을 입증하세요. 이 기술 배지 과정은 Google Cloud 공인 프로페셔널 클라우드 설계자 자격증 시험에서 다루는 주제를 이해하는 데 도움이 되는 리소스입니다.
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
중급 Google Cloud에서 Kubernetes 관리 기술 배지 과정을 완료하여 kubectl로 배포 관리, Google Kubernetes Engine(GKE)에서 애플리케이션 디버깅 및 모니터링, 지속적 배포 기법과 관련된 기술 역량을 입증하세요.
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
고급 Google DeepMind: 소규모 언어 모델 학습 기술 배지를 획득하려면 이 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. 무료 구독에 가입하여 이 실습을 무료로 이용하세요. 매달 35크레딧이 무료로 제공됩니다.
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
