가입 로그인

Google Cloud 콘솔에서 기술 적용

Chitra Devi A

회원 가입일: 2022

실버 리그

4860포인트
Google Meet의 Gemini Earned 1월 22, 2024 EST
Google Sheets의 Gemini Earned 1월 22, 2024 EST
Google Slides의 Gemini Earned 1월 22, 2024 EST
Google Docs의 Gemini Earned 1월 22, 2024 EST
Gmail의 Gemini Earned 1월 20, 2024 EST
Google Workspace를 위한 Gemini 소개 Earned 1월 20, 2024 EST
Generative AI Fundamentals Earned 9월 19, 2023 EDT
책임감 있는 AI 소개 Earned 6월 22, 2023 EDT
대규모 언어 모델 소개 Earned 6월 22, 2023 EDT
인코더-디코더 아키텍처 Earned 6월 22, 2023 EDT
생성형 AI 소개 Earned 6월 22, 2023 EDT
Compute Engine에서 부하 분산 구현 Earned 5월 18, 2023 EDT
How Google Does Machine Learning - 한국어 Earned 4월 27, 2023 EDT
머신러닝 작업(MLOps): 시작하기 Earned 4월 23, 2023 EDT

Google Workspace를 위한 Gemini는 사용자에게 생성형 AI 기능에 대한 액세스를 제공하는 부가기능입니다. 이 과정에서는 Google Meet의 Gemini 기능에 대해 자세히 알아봅니다. 동영상 강의, 실습 활동, 실제 사례를 통해 Google Meet의 Gemini 기능을 종합적으로 이해할 수 있습니다. Gemini를 사용하여 배경 이미지를 생성하고, 동영상 품질을 개선하고, 자막을 번역하는 방법을 배웁니다. 본 과정을 마치면 Google Meet의 Gemini를 자신 있게 활용하여 화상 회의의 효과를 극대화하는 데 필요한 지식과 기술을 갖추게 됩니다.

자세히 알아보기

Google Workspace를 위한 Gemini는 고객이 Google Workspace에서 생성형 AI 기능을 사용할 수 있도록 하는 부가기능입니다. 이 미니 학습 과정에서는 Gemini의 주요 기능을 살펴보고 이러한 기능으로 Google Sheets의 생산성과 효율성을 향상하는 방법을 알아봅니다.

자세히 알아보기

Google Workspace를 위한 Gemini는 고객에게 Google Workspace의 생성형 AI 기능을 제공하는 부가기능입니다. 이 미니 학습 과정에서는 Gemini의 주요 기능을 살펴보고 이러한 기능으로 Google Slides의 생산성과 효율성을 향상하는 방법을 알아봅니다.

자세히 알아보기

Google Workspace를 위한 Gemini는 사용자에게 생성형 AI 기능에 대한 액세스를 제공하는 부가기능입니다. 이 과정은 동영상 강의, 실습, 실제 사례를 사용하여 Google Docs의 Gemini가 제공하는 기능을 상세하게 살펴봅니다. 학습자는 Gemini를 사용하여 프롬프트를 바탕으로 텍스트 콘텐츠를 생성하는 방법을 확인하게 됩니다. 또한, 이미 작성한 텍스트를 Gemini로 수정하는 방법을 알아봅니다. 이러한 Gemini 활용을 통해 전체적인 생산성을 향상할 수 있습니다. 이 과정을 완료하면 Google Docs의 Gemini를 자신 있게 활용하여 텍스트 콘텐츠를 향상할 수 있는 지식과 기술을 얻게 됩니다.

자세히 알아보기

Google Workspace를 위한 Gemini는 고객에게 Google Workspace의 생성형 AI 기능을 제공하는 부가기능입니다. 이 미니 학습 과정에서는 Gemini의 주요 기능을 살펴보고 이러한 기능으로 Gmail의 생산성과 효율성을 향상하는 방법을 알아봅니다.

자세히 알아보기

Google Workspace를 위한 Gemini는 고객에게 Google Workspace의 생성형 AI 기능을 제공하는 부가기능입니다. 이 학습 과정에서는 Gemini의 주요 기능을 살펴보고 이러한 기능으로 Google Workspace의 생산성과 효율성을 향상하는 방법을 알아봅니다.

자세히 알아보기

Earn a skill badge by passing the final quiz, you'll demonstrate your understanding of foundational concepts in generative AI. A skill badge is a digital badge issued by Google Cloud in recognition of your knowledge of Google Cloud products and services. Share your skill badge by making your profile public and adding it to your social media profile.

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

이 과정은 기계 번역, 텍스트 요약, 질의 응답과 같은 시퀀스-투-시퀀스(Seq2Seq) 작업에 널리 사용되는 강력한 머신러닝 아키텍처인 인코더-디코더 아키텍처에 대한 개요를 제공합니다. 인코더-디코더 아키텍처의 기본 구성요소와 이러한 모델의 학습 및 서빙 방법에 대해 알아봅니다. 해당하는 실습 둘러보기에서는 TensorFlow에서 시를 짓는 인코더-디코더 아키텍처를 처음부터 간단하게 구현하는 코딩을 해봅니다.

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

입문 Compute Engine에서 부하 분산 구현 기술 배지 과정을 완료하여 gcloud 명령어 작성 및 Cloud Shell 사용, Compute Engine에서 가상 머신 만들기 및 배포, 네트워크 및 HTTP 부하 분산기 구성에 관한 본인의 기술을 입증하세요. 기술 배지는 Google Cloud 제품 및 서비스에 대한 개인의 숙련도를 인정하기 위해 Google Cloud에서 단독 발급하는 디지털 배지로서 대화형 실습 환경을 통해 지식을 적용하는 역량을 테스트합니다. 이 기술 배지 과정과 최종 평가 챌린지 실습을 완료하면 네트워크에 공유할 수 있는 기술 배지를 받게 됩니다.

자세히 알아보기

Google Cloud에서 머신러닝을 구현하기 위한 권장사항에는 어떤 것이 있을까요? Vertex AI란 무엇이고, 이 플랫폼을 사용하여 코드는 한 줄도 작성하지 않고 AutoML 머신러닝 모델을 빠르게 빌드, 학습, 배포하려면 어떻게 해야 할까요? 머신러닝이란 무엇이며 어떤 종류의 문제를 해결할 수 있을까요? Google은 머신러닝을 조금 다른 방식으로 바라봅니다. Google이 머신러닝과 관련하여 중요하게 생각하는 것은 관리형 데이터 세트를 위한 통합 플랫폼과 특징 저장소를 제공하고, 코드를 작성하지 않고도 머신러닝 모델을 빌드, 학습, 배포할 방법을 제공하고, 데이터에 라벨을 지정하고, TensorFlow, scikit-learn, Pytorch, R 등과 같은 프레임워크를 사용하여 Workbench 노트북을 만들 수 있도록 지원하는 것입니다. Google의 Vertex AI 플랫폼에는 커스텀 모델을 학습시키고, 구성요소 파이프라인을 빌드하고, 온라인 및 일괄 예측을 실행하는 기능이 포함되어 있습니다. 후보 사용 사례를 머신러닝으로 구동되도록 변환하는 5단계를 살펴보고, 단계를 건너뛰지 않는 것이 중요한 이유를 알아봅니다. 마지막으로, 머신러닝이 증폭시킬 수 있는 편향과 이를 인식할 방법을 살펴봅니다.

자세히 알아보기

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.

자세히 알아보기