가입 로그인

Sergei Fedorov

회원 가입일: 2023

골드 리그

4271포인트
생성형 AI를 위한 머신러닝 작업(MLOps) Earned 11월 2, 2026 EST
Vertex AI Studio 소개 Earned 11월 25, 2025 EST
이미지 캡셔닝 모델 만들기 Earned 11월 25, 2025 EST
Transformer 모델 및 BERT 모델 Earned 11월 25, 2025 EST
인코더-디코더 아키텍처 Earned 11월 25, 2025 EST
어텐션 메커니즘 Earned 11월 25, 2025 EST
이미지 생성 소개 Earned 11월 25, 2025 EST
생성형 AI 소개 Earned 11월 7, 2025 EST
Vertex AI에서 노트북 작업하기 Earned 11월 7, 2025 EST
Google Cloud의 AI 및 머신러닝 소개 Earned 10월 23, 2025 EDT
자격증 학습 가이드 만들기: PMLE 시험 대비 Earned 10월 19, 2025 EDT
Google Cloud에서 일괄 데이터 파이프라인 빌드하기 Earned 8월 8, 2023 EDT
On Premises Installation and Fundamentals with Google Cloud's Apigee API Platform Earned 5월 7, 2023 EDT
Apigee API Platform을 사용한 API 개발 Earned 3월 14, 2023 EDT
Apigee API Platform을 사용한 API 보안 Earned 3월 13, 2023 EDT
Apigee API Platform을 사용한 API 설계 및 기초 Earned 3월 2, 2023 EST

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

이 과정에서는 생성형 AI 모델과 상호작용하고 비즈니스 아이디어의 프로토타입을 제작하여 프로덕션으로 출시할 수 있는 도구인 Vertex AI Studio를 소개합니다. 몰입감 있는 사용 사례, 흥미로운 강의, 실무형 실습을 통해 프롬프트부터 프로덕션에 이르는 수명 주기를 살펴보고 Vertex AI Studio를 Gemini 멀티모달 애플리케이션, 프롬프트 설계, 프롬프트 엔지니어링, 모델 조정에 활용하는 방법을 알아봅니다. 이 과정의 목표는 Vertex AI Studio로 프로젝트에서 생성형 AI의 잠재력을 활용하는 것입니다.

자세히 알아보기

이 과정에서는 딥 러닝을 사용해 이미지 캡션 모델을 만드는 방법을 알아봅니다. 인코더 및 디코더와 모델 학습 및 평가 방법 등 이미지 캡션 모델의 다양한 구성요소에 대해 알아봅니다. 이 과정을 마치면 자체 이미지 캡션 모델을 만들고 이를 사용해 이미지의 설명을 생성할 수 있게 됩니다.

자세히 알아보기

이 과정은 Transformer 아키텍처와 BERT(Bidirectional Encoder Representations from Transformers) 모델을 소개합니다. 셀프 어텐션 메커니즘 같은 Transformer 아키텍처의 주요 구성요소와 이 아키텍처가 BERT 모델 빌드에 사용되는 방식에 관해 알아봅니다. 또한 텍스트 분류, 질문 답변, 자연어 추론과 같이 BERT를 활용할 수 있는 다양한 작업에 대해서도 알아봅니다. 이 과정은 완료하는 데 대략 45분이 소요됩니다.

자세히 알아보기

이 과정은 기계 번역, 텍스트 요약, 질의 응답과 같은 시퀀스-투-시퀀스(Seq2Seq) 작업에 널리 사용되는 강력한 머신러닝 아키텍처인 인코더-디코더 아키텍처에 대한 개요를 제공합니다. 인코더-디코더 아키텍처의 기본 구성요소와 이러한 모델의 학습 및 서빙 방법에 대해 알아봅니다. 해당하는 실습 둘러보기에서는 TensorFlow에서 시를 짓는 인코더-디코더 아키텍처를 처음부터 간단하게 구현하는 코딩을 해봅니다.

자세히 알아보기

이 과정에서는 신경망이 입력 시퀀스의 특정 부분에 집중할 수 있도록 하는 강력한 기술인 주목 메커니즘을 소개합니다. 주목 메커니즘의 작동 방식과 이 메커니즘을 다양한 머신러닝 작업(기계 번역, 텍스트 요약, 질문 답변 등)의 성능을 개선하는 데 활용하는 방법을 알아봅니다.

자세히 알아보기

이 과정에서는 최근 이미지 생성 분야에서 가능성을 보여준 머신러닝 모델 제품군인 확산 모델을 소개합니다. 확산 모델은 열역학을 비롯한 물리학에서 착안했습니다. 지난 몇 년 동안 확산 모델은 연구계와 업계 모두에서 주목을 받았습니다. 확산 모델은 Google Cloud의 다양한 최신 이미지 생성 모델과 도구를 뒷받침합니다. 이 과정에서는 확산 모델의 이론과 Vertex AI에서 이 모델을 학습시키고 배포하는 방법을 소개합니다.

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

이 과정은 데이터 준비부터 모델 배포와 모니터링까지 전체 머신러닝 워크플로를 위한 통합 플랫폼을 제공하는 Jupyter 노트북 기반 환경인 Vertex AI Notebooks를 소개합니다. 이 과정에서는 (1) 다양한 유형의 Vertex AI Notebooks와 그 특징, (2) Vertex AI Notebooks를 만들고 관리하는 방법을 다룹니다.

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

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

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

This course introduces you to the fundamentals and advanced practices applicable to the installation and management of Google Cloud's Apigee API Platform for private cloud. Through a combination of lectures, hands-on labs, and supplemental materials, you will learn how to design, install, secure, manage, and scale Apigee API Platform. This is the first course of the Installing and Managing Google Cloud's Apigee API Platform for Private Cloud series. After completing this course, enroll in the On Premises Management, Security, and Upgrade with Google Cloud's Apigee API Platform course.

자세히 알아보기

이 과정에서는 여러 서비스를 활용하는 API를 만드는 방법과 Apigee에서 커스텀 코드를 사용하는 방법을 알아봅니다. 또한 오류 처리와 프록시 간에 로직을 공유하는 방법을 알아봅니다. 트래픽 관리 및 캐싱에 대해 알아봅니다. 또한 개발자 포털을 만들고 API를 포털에 게시합니다. 로깅 및 분석, CI/CD, Apigee에서 지원하는 다양한 배포 모델에 대해 알아봅니다. 강의, 실무형 실습, 보충 자료를 통해 Google Cloud의 Apigee API Platform을 사용하여 API 솔루션을 설계, 빌드, 보호, 배포, 관리하는 방법을 학습합니다. 이 과정은 'Apigee API Platform을 사용한 API 개발' 과정 시리즈의 세 번째이자 마지막 과정입니다.

자세히 알아보기

이 과정에서는 API를 보호하는 방법을 알아봅니다. API와 관련해 발생할 수 있는 보안 문제를 살펴봅니다. REST API의 기본 승인 방법인 OAuth에 대해 알아봅니다. JSON 웹 토큰(JWT)과 통합 보안에 대해 알아봅니다. 또한 악의적인 요청에 대한 보안, 공용 네트워크를 통한 안전한 요청 전송, Apigee 사용자를 위한 데이터 보안 방법에 대해서도 알아봅니다. 강의, 실무형 실습, 보충 자료를 통해 Google Cloud의 Apigee API Platform을 사용하여 API 솔루션을 설계, 빌드, 보호, 배포, 관리하는 방법을 학습합니다. 이 과정은 'Apigee API Platform을 사용한 API 개발' 시리즈의 두 번째 과정입니다. 이 과정을 완료한 후에는 'Apigee API Platform을 사용한 API 개발' 과정도 수강하세요.

자세히 알아보기

이 과정에서는 API를 설계하는 방법과 OpenAPI 사양을 사용하여 API를 문서화하는 방법을 알아봅니다. API 수명 주기를 이해하고 Apigee API Platform이 수명 주기의 모든 측면을 관리하는 데 어떻게 도움이 되는지도 알아봅니다. 아울러 API 프록시를 사용하여 API를 설계하는 방법과 앱 개발자가 사용할 수 있도록 API를 API 제품으로 패키징하는 방법을 살펴봅니다. 수업, 실무형 실습, 보충 자료를 통해 Google Cloud의 Apigee API Platform을 사용하여 API 솔루션을 설계, 빌드, 보호, 배포, 관리하는 방법을 알아봅니다. 이 과정은 'Apigee API Platform을 사용한 API 개발' 시리즈의 첫 번째 과정입니다. 이 과정을 완료한 후에는 'Apigee API Platform을 사용한 API 보안' 과정도 수강하세요.

자세히 알아보기