01
BigQuery의 Gemini로 생산성 향상
이 과정에서는 데이터-AI 워크플로를 지원하는 AI 기반 기능 모음인 BigQuery의 Gemini에 관해 살펴봅니다. 이러한 기능에는 데이터 탐색 및 준비, 코드 생성 및 문제 해결, 워크플로 탐색 및 시각화 등이 있습니다. 이 과정은 개념 설명, 실제 사용 사례, 실무형 실습을 통해...
BigQuery의 Gemini
이 학습 과정에서는 BigQuery의 Gemini를 사용하여 AI/ML 프로젝트를 가속화하는 방법에 대한 포괄적인 가이드를 제공합니다. Gemini의 기능을 정의하고, 인사이트를 통해 데이터를 탐색하고, Gemini의 지원을 받아 코드를 효율적으로 개발하는 실무 경험을 쌓을 수 있습니다. 또한 예측 및 생성 작업에 AI/ML 모델을 사용하는 엔드 투 엔드 프로세스를 살펴보고 BigQuery에서 Gemini 모델을 활용하는 완전한 솔루션을 빌드합니다. 임베딩 생성, 벡터 검색 수행, 검색 증강 생성(RAG) 파이프라인 빌드 기법을 마스터하세요. 이 과정을 통해 Gemini를 BigQuery 워크플로에 효과적으로 통합하여 강력한 데이터 기반 애플리케이션을 만들 수 있는 기술을 갖추게 됩니다.
02
BigQuery에서 Gemini 모델 사용하기
이 과정은 BigQuery에서 생성형 AI 작업에 AI/ML 모델을 사용하는 방법을 보여줍니다. 고객 관계 관리와 관련된 실제 사용 사례를 통해 Gemini 모델로 비즈니스 문제를 해결하는 워크플로를 설명합니다. 이해를 돕기 위해 SQL 쿼리와 Python 노트북을 사용하는 코딩 솔루션을 단계별로 안내합니다.
03
BigQuery로 임베딩, 벡터 검색, RAG 만들기
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...
04
BigQuery로 멀티모달 벡터 검색 구현하기
중급 BigQuery로 멀티모달 벡터 검색 구현하기·기술 배지 과정을 완료하여 BigQuery의 Gemini를 사용해 SQL을 생성 및 디버그하고, 감정 분석을 수행하고, 텍스트를 요약하고 키워드를 식별하고, 임베딩을 생성하고, 검색 증강 생성(RAG) 파이프라인을 만들고, 멀티모달 벡터 검색을 구현하는 기술 역량을 입증해 보세요. 기술 배지는...