이 첫 번째 실무형 실습에서는 Google Cloud 콘솔에 액세스해 Google Cloud의 기본 기능인 프로젝트, 리소스, IAM 사용자, 역할, 권한, API를 사용해 봅니다.

이 과정에서는 AI 기반, AI 개발, AI 솔루션으로 이루어진 데이터-AI 수명 주기를 지원하는 Google Cloud 기반 인공지능(AI) 및 머신러닝(ML) 제품군을 소개합니다. 데이터 과학자, AI 개발자, ML 엔지니어를 비롯한 다양한 사용자의 목적에 따라 ML 모델, ML 파이프라인, 생성형 AI 프로젝트를 빌드하는...

이 과정에서는 먼저 데이터에 관해 논의하면서 데이터 품질을 개선하고 탐색적 데이터 분석을 수행하는 방법을 알아봅니다. Vertex AI AutoML과 코드를 한 줄도 작성하지 않고 ML 모델을 빌드하고, 학습시키고, 배포하는 방법을 설명합니다. 학습자는 Big Query ML의 이점을 이해할 수 있습니다. 그런 다음,...

이 과정에서는 TensorFlow 2.x 입력 데이터 파이프라인 빌드, TensorFlow 2.x 및 Keras를 사용한 ML 모델 빌드, ML 모델의 정확성 개선, 사용 사례 확장을 위한 ML 모델 작성, 전문 ML 모델 작성에 대해 다룹니다.

Vertex AI Feature Store에 관해 알고 싶으신가요? ML 모델의 정확성을 개선할 방법을 알고 싶으신가요? 어떤 데이터 열에서 가장 유용한 특성이 나오는지 파악하려면 어떻게 해야 할까요? 특성 추출 과정에서는 좋은 특성과 나쁜 특성을 살펴보고 모델에서 이러한 특성을 적절하게 활용할 수 있도록...

이 과정에서는 다양한 ML 비즈니스 요구사항과 사용 사례를 다루는 ML팀의 우수사례를 중심으로 ML 워크플로에 대한 실용적이고 현실적인 접근 방식을 포괄적으로 소개합니다. 이 팀은 데이터 관리 및 거버넌스에 필요한 도구를 이해하고, Dataflow 및 Dataprep에 대한 개괄적인 지식과 BigQuery를 사용한 사전 처리...

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training,...

This course describes different types of computer vision use cases and then highlights different machine learning strategies for solving these use cases. The strategies vary from experimenting with pre-built ML models through pre-built ML APIs and AutoML Vision to building...

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.

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...

이 과정에서는 Google Cloud에서 프로덕션 ML 시스템을 배포, 평가, 모니터링, 운영하기 위한 MLOps 도구와 권장사항을 소개합니다. MLOps는 프로덕션에서 ML 시스템을 배포, 테스트, 모니터링, 자동화하는 방법론입니다. 학습자는 SDK 레이어에서 Vertex AI Feature Store의 스트리밍 수집을 사용하여 실습을 진행하게 됩니다.

이 과정에서는 Google Cloud에서 최신 ML 파이프라인 개발을 담당하는 ML 엔지니어와 트레이너로부터 유익한 지식을 배웁니다. 초반에 진행되는 몇 개 모듈에서는 Google의 TensorFlow 기반 프로덕션 머신러닝 플랫폼으로서 ML 파이프라인과 메타데이터를 관리할 수 있는 TensorFlow Extended(TFX)에 대해 다룹니다. 파이프라인 구성요소와 TFX를 사용한...

이 퀘스트를 완료하고 나면 어떤 Google Cloud 이니셔티브에도 적용할 수 있는 유용한 기술을 얻을 수 있습니다. 마지막에 제시되는 챌린지 실습을 포함해 이 퀘스트를 완료하면 특별한 Google Cloud 디지털 배지가 주어집니다. 1분 정도의 동영상을 통해 실습의 주요 개념을 알아볼 수 있습니다.

Earn a skill badge by completing the Build and Deploy Machine Learning Solutions with Vertex AI course, where you will learn how to use Google Cloud's unified Vertex AI platform and its AutoML and custom training services to train, evaluate,...