가입 로그인

Kazi Arif Hossain

회원 가입일: 2019

Dataflow를 사용한 서버리스 데이터 처리: 기초 Earned 9월 9, 2026 EDT
Dataflow를 사용한 서버리스 데이터 처리: 파이프라인 개발 Earned 8월 25, 2026 EDT
멀티 에이전트 아키텍처 배포 Earned 8월 24, 2026 EDT
Google 데이터 클라우드로 데이터 공유하기 Earned 8월 24, 2026 EDT
BigQuery 데이터에서 인사이트 도출 Earned 8월 6, 2026 EDT
BigQuery로 스트리밍 분석 Earned 7월 20, 2026 EDT
BigQuery로 데이터 웨어하우스 빌드 Earned 7월 20, 2026 EDT
Google Cloud에서 데이터 레이크와 데이터 웨어하우스 빌드하기 Earned 7월 9, 2026 EDT
Add Agent Guardrails with Callbacks Earned 6월 8, 2026 EDT
생성형 AI를 위한 머신러닝 작업(MLOps) Earned 5월 19, 2026 EDT
Gemini 및 Streamlit으로 생성형 AI 앱 개발하기 Earned 5월 12, 2026 EDT
Customer Experience Agent Studio: 기본사항 Earned 3월 27, 2026 EDT
에이전트 개발 키트(ADK)로 에이전트 빌드 Earned 3월 6, 2026 EST
에이전트 동작 최적화 Earned 1월 13, 2026 EST
에이전트 개발 키트(ADK)로 나의 첫 에이전트 빌드 Earned 1월 13, 2026 EST
에이전트 기초 Earned 1월 11, 2026 EST
[DEPRECATED] Google Cloud: Prompt Engineering Guide Earned 12월 3, 2025 EST
[Deprecated] Virtual FAQ with data store agents Earned 9월 25, 2025 EDT
[DEPRECATED] Basic Performance Measurement Earned 6월 25, 2025 EDT
[DEPRECATED] Advanced Performance Measurement Earned 6월 24, 2025 EDT
생성형 플레이북으로 에이전트 만들기 Earned 6월 24, 2025 EDT
BigQuery로 임베딩, 벡터 검색, RAG 만들기 Earned 6월 10, 2025 EDT
이미지 생성 소개 Earned 6월 26, 2023 EDT
Generative AI Fundamentals - 한국어 Earned 6월 26, 2023 EDT
책임감 있는 AI 소개 Earned 6월 26, 2023 EDT
대규모 언어 모델 소개 Earned 6월 26, 2023 EDT
생성형 AI 소개 Earned 6월 25, 2023 EDT
Google Cloud로 인프라 및 애플리케이션 현대화 Earned 5월 10, 2022 EDT
Google Cloud를 통한 데이터 혁신 살펴보기 Earned 5월 10, 2022 EDT
Google Cloud를 통한 디지털 혁신 Earned 5월 10, 2022 EDT

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

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

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

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

BigQuery로 스트리밍 분석 과정을 완료하여 기술 배지를 획득하세요. 이 과정에서는 Pub/Sub, Dataflow, BigQuery를 함께 사용하여 데이터를 스트리밍하고 분석할 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

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

You’ve built capable agents with powerful tools—now ensure they operate safely and reliably. Use callbacks as observation points and control mechanisms. Monitor what’s happening, validate inputs and outputs, implement guardrails, and gain confidence that your agents behave in production.

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

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

이 과정은 대화형 설계자와 빌더가 Customer Experience Agent Studio(CX Agent Studio)를 사용하여 정교한 멀티 에이전트 및 멀티모달 고객 경험 에이전트를 설계, 빌드, 테스트하는 데 필요한 개념과 실무 기술을 갖추도록 돕는 것을 목표로 합니다.

자세히 알아보기

에이전트 개발 키트(ADK)를 사용하여 복잡하고 프로덕션에 즉시 사용 가능한 AI 에이전트를 빌드하는 방법을 알아보세요. 이 과정에서는 ADK의 오픈소스 프레임워크를 다루며, 간단한 프롬프트 엔지니어링에서 시작해 엔터프라이즈급 멀티 에이전트 시스템에 적합한 코드 우선의 구조화된 소프트웨어 개발 접근 방식으로 나아갑니다.

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

Google의 에이전트 개발 키트(ADK)로 첫 번째 AI 에이전트를 구축, 구성, 실행하면서 에이전트에 대한 이론을 실제로 적용해 보세요. 이 실습 중심 과정에서는 완전한 ADK 개발 환경을 설정하고, Python 코드와 YAML 구성의 두 가지 방식으로 에이전트를 생성하며, 다양한 인터페이스에서 실행하는 방법을 배우게 됩니다. 또한 에이전트 동작을 정의하는 핵심 파라미터를 학습하고 첫 번째 과정에서 배운 내용을 실제 코드에 적용합니다.

자세히 알아보기

이 과정에서는 AI 에이전트에 대한 기본사항을 소개하고 실제 비즈니스 현장에서 에이전트가 가치를 창출하는 영역을 살펴봅니다. 이 과정은 자율적이고 목표 지향적인 행동의 관점에서 AI 시스템을 이해하려는 개발자, 설계자, 기술 의사 결정권자에게 기초를 제공합니다.

자세히 알아보기

Google Cloud : Prompt Engineering Guide examines generative AI tools, how they work. We'll explore how to combine Google Cloud knowledge with prompt engineering to improve Gemini responses.

자세히 알아보기

In this course, you will learn how to develop a generative agent capable of answering questions from websites, documents, and/or unstructured data.

자세히 알아보기

This course explores the fundamentals of the feedback loop process for Virtual Agent development and introduces the native capabilities within Dialogflow CX that support it

자세히 알아보기

In this course, you will learn about advanced methods and tools to monitor the performance of your virtual agents in Dialogflow CX

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 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

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

Introduction to Generative AI, Introduction to Large Language Models, Introduction to Responsible AI 과정을 완료하고 기술 배지를 획득하세요. 최종 퀴즈를 풀어보고 생성형 AI의 기본 개념을 제대로 이해했는지 확인해 보세요. 기술 배지는 Google Cloud 제품 및 서비스에 대한 지식을 숙지한 사람에게 Google Cloud에서 발급하는 디지털 배지입니다. 프로필을 공개하고 기술 배지를 소셜 미디어 프로필에 추가하여 공유하세요.

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

많은 기존 기업은 최신 고객 기대에 부응할 수 없는 기존 시스템과 앱을 사용합니다. 비즈니스 리더는 노후화된 IT 시스템을 유지할지 아니면 새로운 제품과 서비스에 투자할지 결정해야 하는 경우가 많습니다. 이 과정에서는 이러한 과제를 살펴보고 클라우드 기술을 사용하여 이를 극복할 수 있는 솔루션을 제공합니다. Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축하는 데 도움이 되는 것을 목표로 합니다.

자세히 알아보기

클라우드 기술은 강력한 자산이며, 데이터와 결합하면 혁신과 향상된 고객 경험을 위한 촉매제가 됩니다. 'Google Cloud를 통한 데이터 혁신 살펴보기' 과정에서는 조직이 클라우드를 활용하여 데이터의 접근성, 실행 가능성, 가치를 높이는 방법을 살펴봅니다. Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축하는 데 도움이 되는 것을 목표로 합니다.

자세히 알아보기

디지털 혁신은 현대 조직에 있어 중요한 여정이며, 의미 있는 혁신으로 나아가기 위해서는 가장 먼저 클라우드 컴퓨팅에 대한 강력한 기준을 수립해야 합니다. 'Google Cloud를 통한 디지털 혁신' 과정에서는 조직이 운영을 현대화하는 데 도움이 되는 핵심 기술과 전략적 프레임워크를 소개합니다. 이 과정에서는 기본적인 클라우드 개념, 글로벌 네트워크 인프라, 공동 책임 모델을 살펴보고 리더가 클라우드로의 전환을 자신 있게 이끌 수 있도록 지원합니다. Cloud Digital Leader 학습 과정의 일부인 이 과정은 개인이 자신의 역할에서 성장하고 비즈니스의 미래를 구축할 수 있도록 돕는 것을 목표로 합니다.

자세히 알아보기