회원 가입일: 2023
머신러닝 작업(MLOps): 시작하기
Earned 4월 16, 2025 EDT
생성형 AI를 위한 머신러닝 작업(MLOps)
Earned 4월 10, 2025 EDT
신뢰할 수 있는 Google Cloud 인프라: 설계 및 프로세스
Earned 2월 18, 2025 EST
Google Cloud의 로깅 및 모니터링
Earned 2월 7, 2025 EST
AWS 전문가를 위한 Google Cloud IAM 및 네트워킹
Earned 1월 24, 2025 EST
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.
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.
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.
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.
이 과정은 AWS 지식이 있는 클라우드 설계자 및 엔지니어를 대상으로 하는 4개 과정 시리즈의 첫 번째 과정으로, Google Cloud와 AWS 솔루션을 비교하고 전문가를 위한 사용법을 안내합니다. 이 과정은 Google Cloud의 Identity and Access Management(IAM)와 네트워킹에 중점을 둡니다. 학습자는 AWS의 액세스 관리 및 네트워킹에 대한 지식을 바탕으로 Google Cloud의 액세스 관리 및 네트워킹과의 유사점과 차이점을 살펴봅니다. 학습자는 Google Cloud 리소스를 빌드하고 관리하는 실무형 실습을 함께 진행합니다.