회원 가입일: 2020
Google Cloud 비용 이해하기
Earned 7월 29, 2020 EDT
Google Cloud의 Kubernetes
Earned 7월 27, 2020 EDT
Alexa Skills Development
Earned 6월 25, 2020 EDT
Intro to ML: Image Processing
Earned 6월 2, 2020 EDT
[DEPRECATED] OK Google: Build Interactive Apps with Google Assistant
Earned 5월 27, 2020 EDT
Cloud Healthcare API
Earned 5월 15, 2020 EDT
머신러닝 소개: 언어 처리
Earned 5월 4, 2020 EDT
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.
Kubernetes는 가장 인기 있는 컨테이너 조정 시스템이며, Google Kubernetes Engine은 Google Cloud에서 관리형 Kubernetes 배포를 지원하도록 특별히 설계되었습니다. 이 고급 과정에서는 Docker 이미지, 컨테이너를 구성하고 완전한 Kubernetes Engine 애플리케이션을 배포하는 실무형 실습을 진행합니다. 이 과정에서는 컨테이너 조정을 자체 워크플로에 통합하는 데 필요한 실용적인 기술을 알려드립니다. 기술을 입증하고 지식을 확인할 실무형 챌린지 실습을 찾고 계신가요? 이 과정을 마친 후 추가로 챌린지 실습을 완료하여 전용 Google Cloud 디지털 배지를 받으세요. 이 챌린지 실습은 Google Cloud에서 Kubernetes 애플리케이션 배포하기 과정이 끝나면 제공됩니다.
In this Quest, you will learn how to create Alexa skills that respond to voice commands and which can be used on the Amazon Echo, Dot, and Tap devices. You will create back-end functions in AWS Lambda, and then connect them with voice response logic using the Alexa Skills Kit. You will use both the AWS Console and the Amazon Developer Portal in these labs, the latter requiring you to have or create a no-cost, no-credit-card-required account. No hardware device is required for any lab; an Alexa voice response simulation system is provided in the Amazon Developer Portal. Templates used in these labs can be adapted and extended to create your own Alexa skills and offer them to the worldwide Alexa user community.
Using large scale computing power to recognize patterns and "read" images is one of the foundational technologies in AI, from self-driving cars to facial recognition. The Google Cloud Platform provides world class speed and accuracy via systems that can utilized by simply calling APIs. With these and a host of other APIs, GCP has a tool for just about any machine learning job. In this introductory quest, you will get hands-on practice with machine learning as it applies to image processing by taking labs that will enable you to label images, detect faces and landmarks, as well as extract, analyze, and translate text from within images.
With Google Assistant part of over a billion consumer devices, this quest teaches you how to build practical Google Assistant applications integrated with Google Cloud services via APIs. Example apps will use the Dialogflow conversational suite and the Actions and Cloud Functions frameworks. You will build 5 different applications that explore useful and fun tools you can extend on your own. No hardware required! These labs use the cloud-based Google Assistant simulator environment for developing and testing, but if you do have your own device, such as a Google Home or a Google Hub, additional instructions are provided on how to deploy your apps to your own hardware.
Cloud Healthcare API bridges the gap between care systems and applications built on Google Cloud. By supporting standards-based data formats and protocols of existing healthcare technologies, Cloud Healthcare API connects your data to advanced Google Cloud capabilities, including streaming data processing with Cloud Dataflow, scalable analytics with BigQuery, and machine learning with Cloud Machine Learning Engine. In this Quest you will use the Cloud Healthcare API to ingest and process data in the industry standard FHIR, HL7v2 and DICOM formats, train a TensorFlow model for prediction with FHIR data, and also gain practice with de-identification of datasets.
모두 알다시피 머신러닝은 빠르게 성장 중인 기술 분야 중 하나입니다. Google Cloud Platform(GCP)은 이러한 발전을 촉진하는 데 중요한 역할을 했습니다. GCP는 다양한 API를 통해 거의 모든 머신러닝 작업에 적합한 도구를 제공합니다. 이 초급 과정에서는 실무형 실습을 통해 머신러닝을 언어 처리에 적용하는 방법을 알아봅니다. 실습에 참여하여 텍스트에서 항목을 추출하고 감정 및 구문 분석을 수행하며 스크립트 작성에 Speech-to-Text API를 사용해 보세요.