Thant Htoo San
회원 가입일: 2023
다이아몬드 리그
6589포인트
에이전트 개발 키트(ADK)로 AI 에이전트 엔지니어링
Earned 10월 15, 2026 EDT
에이전트 동작 최적화
Earned 10월 15, 2026 EDT
에이전트 전략: 발견, 설계, 프로토타입 제작
Earned 10월 14, 2026 EDT
Google Antigravity로 시작하기: AI로 동영상 게임 빌드하기
Earned 10월 8, 2026 EDT
Google Cloud 에이전트 이해하기
Earned 10월 6, 2026 EDT
Gemini Enterprise로 멀티 에이전트 워크플로 조정하기
Earned 10월 1, 2026 EDT
인간 중심의 AI
Earned 10월 1, 2026 EDT
생성형 AI 에이전트: 조직 혁신
Earned 10월 1, 2026 EDT
첫 번째 에이전트 배포하기
Earned 5월 15, 2026 EDT
에이전트를 빌드하고 프로덕션에서 배포하기
Earned 5월 15, 2026 EDT
Gemini 및 Streamlit으로 생성형 AI 앱 개발하기
Earned 4월 12, 2026 EDT
BigQuery ML로 ML 모델 만들기
Earned 4월 11, 2026 EDT
Google Cloud Compute 기본
Earned 4월 11, 2026 EDT
생성형 플레이북으로 에이전트 만들기
Earned 4월 11, 2026 EDT
AI Boost Bites: Gemini 및 Apps Script로 작업 자동화하기
Earned 4월 11, 2026 EDT
벡터 검색 및 임베딩
Earned 4월 10, 2026 EDT
멀티 에이전트 아키텍처 배포
Earned 4월 9, 2026 EDT
Google Cloud에서 ML API용으로 데이터 준비하기
Earned 4월 9, 2026 EDT
BigQuery로 임베딩, 벡터 검색, RAG 만들기
Earned 4월 9, 2026 EDT
AI 보안 소개
Earned 4월 6, 2026 EDT
Gemini Enterprise Agent Platform을 사용한 멀티 에이전트 시스템 배포
Earned 4월 5, 2026 EDT
Model Armor: 안전한 AI 배포
Earned 4월 1, 2026 EDT
생성형 AI를 위한 머신러닝 작업(MLOps)
Earned 3월 8, 2026 EST
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
첫 번째 에이전트를 빌드해 보았으니, 이제 한 단계 더 나아갈 차례입니다. 이 과정에서는 고급 요청 사항, 모델 선택, 계획 기능, 구조화된 출력 패턴을 적용하여 기본적인 AI 에이전트를 정교하고 정확한 어시스턴트로 발전시키는 기술을 연마하게 됩니다.
커뮤니티 포럼에서 질문하고 토론하기
자세히 알아보기
미래로 나아가는 여정을 '에이전트 전략: 발견, 설계, 프로토타입 제작'으로 시작해 보세요. 이 과정에서는 Google의 에이전트 AI Transformation 프레임워크를 체계적으로 익히고 단순한 챗봇을 발전시켜 자율적으로 협업하는 팀원으로 만드는 방법을 학습할 수 있습니다. 소매 산업 사례를 통해 비즈니스 가치를 정량화하고 AI 프로젝트의 우선순위를 설정하며 중요한 사용자 여정을 설계하는 방법을 익히게 됩니다. 또한 Google AI Studio와 Gemini Enterprise 같은 노 코드 도구를 활용해 실제로 작동하는 프로토타입을 빌드하는 실습도 포함되어 있습니다. 이 과정은 비즈니스 및 기술 리더가 조직을 에이전트 AI 시대로 이끄는 데 필요한 로드맵을 명확하게 보여줍니다.
자세히 알아보기
이 과정에서는 Google Antigravity에서 에이전트를 조정하여 추진력 있는 속도로 소프트웨어를 빌드하는 방법을 알아봅니다. 이 실무형 과정에서는 먼저 Antigravity를 설치하고 시작하는 방법을 안내합니다. 다음으로 Firebase를 사용하여 Antigravity로 빌드한 앱의 서비스를 사용 설정합니다. 마지막으로 Antigravity에서 에이전트가 병렬로 작동하도록 프롬프트를 작성하여 Voyager라는 비디오 게임을 빌드합니다.
자세히 알아보기
이 과정에서는 Vertex AI Agent Builder, Gemini Enterprise, 대화형 에이전트, 에이전트 개발 키트를 포함해 Google Cloud의 에이전트 플랫폼에 대한 포괄적인 개요를 제공합니다. 학습자는 각 제품의 고유한 기능을 이해하고, 특정 사용 사례에 가장 적합한 솔루션을 구별하며, 검색 및 채팅 애플리케이션 제작에 필요한 기초 지식을 습득하게 됩니다.
자세히 알아보기
초급 Gemini Enterprise로 멀티 에이전트 워크플로 조정하기 기술 배지 과정을 완료하여 Gemini Enterprise 기반 에이전트형 어시스턴트를 사용한 퍼스트 파티 및 서드 파티 소스 데이터 통합, 멀티미디어 마케팅 자료 개발, 시스템 전반의 비즈니스 작업 자동화와 관련된 기술 역량을 입증하세요.
기술 배지 과정을 이수하면 실무형 실습과 챌린지 평가를 통해 특정 제품에 대한 실무 지식을 검증받을 수 있습니다. 과정을 완료하여 배지를 획득하거나 챌린지 실습으로 바로 넘어가 지금 배지를 획득하세요. 배지를 획득하면 자신의 숙련도를 증명하고 직업 프로필을 개선하며 궁극적으로는 더 나은 채용 기회를 얻을 수 있습니다. 획득한 배지를 추적하려면 프로필로 이동하세요.
자세히 알아보기
작업 기반 워크플로에서 인간 중심의 AI 조정으로 전환되고 있는 중요한 변화에 대해 알아보세요. 증강과 자동화를 전략적으로 구별하고 기계의 효율성과 인간의 직관 사이의 균형을 맞추는 방법을 배우게 됩니다.
자세히 알아보기
생성형 AI 에이전트: 조직 혁신'은 Gen AI Leader 학습 과정의 다섯 번째이자 마지막 과정입니다. 이 과정에서는 조직이 어떻게 커스텀 생성형 AI 에이전트를 사용해 특정 비즈니스 과제를 해결할 수 있는지 살펴봅니다. 모델, 추론 루프, 도구와 같은 에이전트의 구성요소를 살펴보며 기본적인 생성형 AI 에이전트를 빌드하는 실무형 실습을 진행합니다.
자세히 알아보기
로컬 호스트에 있는 에이전트를 프로덕션으로 가져오세요. 이 과정에서는 메모리 뱅크를 통해 선택적인 세션 간 메모리를 사용하여 ADK 에이전트를 Vertex AI Agent Engine 및 Cloud Run에 배포하는 방법을 다룹니다.
자세히 알아보기
Google의 에이전트 개발 키트(ADK)와 Google Cloud의 강력한 인프라를 사용하는 멀티 에이전트 시스템의 아키텍처와 배포에 대해 알아보세요. 안전하고 확장 가능하며 프로덕션에 즉시 사용할 수 있는 AI 에이전트를 위해 서버리스 Cloud Run부터 고성능 GKE에 이르기까지 이상적인 호스팅 환경을 식별하고 계층적 에이전트 트리와 결정론적 워크플로 에이전트를 설계하는 방법을 배우게 됩니다.
자세히 알아보기
중급 Gemini 및 Streamlit으로 생성형 AI 앱 개발하기 기술 배지 과정을 완료하여 텍스트 생성, Python SDK와 Gemini API를 사용한 함수 호출 적용, Cloud Run으로 Streamlit 애플리케이션 배포 작업과 관련된 기술 역량을 입증하세요. 텍스트 생성을 위해 Gemini에 프롬프트를 입력하는 여러 가지 방법과 Cloud Shell을 사용해 Streamlit 애플리케이션을 테스트하고 반복하는 방법, Streamlit 애플리케이션을 Cloud Run에 배포된 Docker 컨테이너로 패키징하는 방법을 배울 수 있습니다.
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
Google Cloud Compute 기본 퀘스트를 완료하고 기술 배지를 획득하세요. 퀘스트에서는 Compute Engine을 사용하여 가상 머신(VM), 영구 디스크, 웹 서버로 작업하는 방법을 학습합니다.
자세히 알아보기
이 과정에서는 생성형 플레이북을 사용하여 대화형 에이전트의 대화형 환경을 빌드하는 방법을 알아봅니다. 플레이북에 대한 소개로 시작하여 첫 번째 플레이북을 설정하는 방법을 알아봅니다. 또한 할당량 한도 및 통합과 같은 주요 프로덕션 고려사항과 함께 테스트의 중요성에 대해서도 알아봅니다. 과정의 마지막에는 생성형 조정을 위한 플레이북 사용 방법을 보여주는 우수사례를 살펴봅니다.
자세히 알아보기
이 동영상에서는 Gemini와 Apps Script를 사용하여 Google Workspace 전반에서 수동 작업을 자동화하는 방법을 다룹니다. Gemini에 프롬프트를 작성하여 Google Sheets에서 '완료'로 표시되지 않은 작업에 대한 이메일 알림 초안을 자동으로 작성하는 Apps Script 코드를 생성하는 방법을 알아봅니다. 기술 전문 지식이 거의 없어도 워크플로를 자동화하여 더 중요한 업무에 집중할 수 있는 시간을 확보하고 수동 후속 조치를 없앨 수 있습니다.
자세히 알아보기
이 과정에서는 AI 기반 검색 기술, 도구, 애플리케이션을 살펴봅니다. 벡터 임베딩을 활용하는 시맨틱 검색, 시맨틱 방식과 키워드 방식을 결합한 하이브리드 검색, 그라운딩된 AI 에이전트로서 AI 할루시네이션을 최소화하는 검색 증강 생성(RAG)에 대해 알아보세요. Vertex AI 벡터 검색을 활용해 지능형 검색 엔진을 빌드하는 실무 경험을 쌓을 수 있습니다.
자세히 알아보기
고급 멀티 에이전트 아키텍처 배포 기술 배지를 획득하고 다음 역량을 입증하세요. 여기에는 ADK를 사용하여 멀티 에이전트 시스템을 구축하고, 에이전트 간(A2A) 프로토콜을 사용하여 에이전트를 연결하고, 모델 컨텍스트 프로토콜(MCP)을 사용하여 외부 도구를 통합하고, 에이전트 엔진에 완전한 멀티 에이전트 솔루션을 배포하는 작업이 포함됩니다.
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
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
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 Google 에이전트 개발 키트를 사용하여 복잡한 멀티 에이전트 시스템을 빌드하는 방법을 학습합니다. 학습자는 도구를 갖춘 에이전트를 빌드하고 상하위 관계 및 흐름을 사용해 여러 에이전트를 연결하여 상호작용 방식을 정의해 봅니다. 에이전트를 로컬로 실행하고 Gemini Enterprise Agent Platform의 Agent Runtime에 배포하여 인프라 결정과 Agent Runtime에서 처리하는 리소스 확장에 따른 관리형 에이전트 흐름으로 실행합니다.
이 실습은 이 제품의 출시 전 버전을 기반으로 합니다. 유지보수 업데이트를 제공하는 동안에는 이러한 실습에 약간의 지연이 있을 수 있습니다.
자세히 알아보기
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
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
