회원 가입일: 2023
Google Docs의 Gemini
Earned 4월 17, 2025 EDT
Gmail의 Gemini
Earned 7월 18, 2024 EDT
Google Workspace를 위한 Gemini 소개
Earned 7월 18, 2024 EDT
어텐션 메커니즘
Earned 9월 22, 2023 EDT
인코더-디코더 아키텍처
Earned 6월 5, 2023 EDT
이미지 생성 소개
Earned 6월 5, 2023 EDT
책임감 있는 AI 소개
Earned 6월 5, 2023 EDT
대규모 언어 모델 소개
Earned 6월 5, 2023 EDT
생성형 AI 소개
Earned 6월 5, 2023 EDT
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.
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.
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.
이 과정에서는 신경망이 입력 시퀀스의 특정 부분에 집중할 수 있도록 하는 강력한 기술인 주목 메커니즘을 소개합니다. 주목 메커니즘의 작동 방식과 이 메커니즘을 다양한 머신러닝 작업(기계 번역, 텍스트 요약, 질문 답변 등)의 성능을 개선하는 데 활용하는 방법을 알아봅니다.
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.
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.
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.
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.
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.