가입 로그인

Sophie Sepp

회원 가입일: 2020

브론즈 리그

20037포인트
Build and Deploy Customer Experience Agents Earned 3월 9, 2026 EDT
Extend Gemini Enterprise Assistant Capabilities Earned 6월 9, 2025 EDT
에이전트 개발 키트(ADK) 및 Agent Engine으로 멀티 에이전트 시스템 배포하기 Earned 5월 30, 2025 EDT
Virtual Agent Development in Dialogflow CX for Citizen Devs Earned 3월 2, 2025 EST
Intro to Conversational AI and Conversational AI Engagement Framework Earned 2월 21, 2025 EST
Gemini Enterprise로 더 신속하게 지식 교환 Earned 1월 26, 2025 EST
Google Cloud의 AI 및 머신러닝 소개 Earned 5월 5, 2024 EDT
End-to-End Machine Learning with TensorFlow on Google Cloud Earned 1월 13, 2024 EST
Generative AI Fundamentals Earned 8월 6, 2023 EDT
이미지 캡셔닝 모델 만들기 Earned 6월 11, 2023 EDT
Transformer 모델 및 BERT 모델 Earned 6월 10, 2023 EDT
인코더-디코더 아키텍처 Earned 6월 10, 2023 EDT
어텐션 메커니즘 Earned 6월 10, 2023 EDT
이미지 생성 소개 Earned 6월 10, 2023 EDT
Generative AI Fundamentals - 한국어 Earned 6월 10, 2023 EDT
책임감 있는 AI 소개 Earned 6월 10, 2023 EDT
대규모 언어 모델 소개 Earned 6월 10, 2023 EDT
생성형 AI 소개 Earned 6월 10, 2023 EDT
Google Cloud에서 Keras를 사용해 ML 모델을 빌드, 학습, 배포하기 Earned 1월 7, 2023 EST
Machine Learning in the Enterprise - 한국어 Earned 12월 31, 2022 EST
Certification Learning Path: Professional Machine Learning Engineer Earned 8월 22, 2022 EDT
Computer Vision Fundamentals with Google Cloud Earned 4월 28, 2022 EDT
프로덕션 머신러닝 시스템 Earned 4월 28, 2022 EDT
Machine Learning in the Enterprise - 한국어 Earned 4월 27, 2022 EDT
기업의 머신러닝 Earned 4월 27, 2022 EDT
특성 추출 Earned 4월 26, 2022 EDT
Google Cloud에서 Keras를 사용해 ML 모델을 빌드, 학습, 배포하기 Earned 3월 5, 2022 EST
Launching into Machine Learning - 한국어 Earned 2월 9, 2022 EST
How Google Does Machine Learning - 한국어 Earned 1월 8, 2022 EST
Google Cloud Big Data and Machine Learning Fundamentals - 한국어 Earned 12월 5, 2021 EST

In this course you will discover the exciting new features and capabilities of Customer Experience Agent Studio (CX Agent Studio), design AI agents from the CLI using MCP servers, learn how to evaluate your agent's performance and implement the Quality Hill Climbing process. You will also find out how to set up your agent's memory to store, retrieve, and use information across conversation turns and implement callbacks for logging or authentication, configure guardrails to protect against malicious attempts and ensure aligned responses, and deploy the agent to various channels. Additionally, you will explore the possible integrations between CX Agent Studio and CCaaS services and providers, including first party digital channel integrations with Google Telephony Platform (GTP), widgets and APIs, escalations to human agents through Google Cloud CCaaS and Gemini Enterprise for Customer Experience, and third party telephony and CCaaS integrations with providers such as Twillio or Salesfor…

자세히 알아보기

Complete the Extend Gemini Enterprise Assistant Capabilities skill badge to demonstrate your ability to extend Gemini Enterprise assistant's capabilities with actions, grounding with Google Search, and a conversational agent. A skill badge is an exclusive digital badge issued by Google Cloud in recognition of your proficiency with Google Cloud products and services and tests your ability to apply your knowledge in an interactive hands-on environment. Complete the assessment challenge lab, to receive a skill badge that you can share with your network. When you complete this course, you can earn the badge displayed here and claim it on Credly! Boost your cloud career by showing the world the skills you have developed!

자세히 알아보기

이 과정에서는 Google 에이전트 개발 키트를 사용하여 복잡한 멀티 에이전트 시스템을 빌드하는 방법을 학습합니다. 학습자는 도구를 갖춘 에이전트를 빌드하고 상하위 관계 및 흐름을 사용해 여러 에이전트를 연결하여 상호작용 방식을 정의해 봅니다. 에이전트를 로컬로 실행하고 Vertex AI Agent Engine에 배포하여 인프라 결정과 Agent Engine에서 처리하는 리소스 확장에 따른 관리형 에이전트 흐름으로 실행합니다. 이 실습은 이 제품의 출시 전 버전을 기반으로 합니다. 유지보수 업데이트를 제공하는 동안에는 이러한 실습에 약간의 지연이 있을 수 있습니다.

자세히 알아보기

Welcome to "Virtual Agent Development in Dialogflow CX for Citizen Devs", the second course in the "Customer Experiences with Contact Center AI" series. In this course, learn how to develop customer conversational solutions using Contact Center Artificial Intelligence (CCAI). In this course, you'll be introduced to adding voice (telephony) as a communication channel to your virtual agent conversations using Dialogflow CX.

자세히 알아보기

This is an introductory course to all solutions in the Conversational AI portfolio and the Gen AI features that are available to transform them. The course also explores the business case around Conversational AI, and the use cases and user personas addressed by the solution. Please note Dialogflow CX was recently renamed to Conversational Agents and this course is in the process of being updated to reflect the new product name for Dialogflow CX.

자세히 알아보기

직원들이 검색창 하나로 문서 스토리지, 이메일, 채팅, 티켓 시스템, 기타 데이터 소스에서 특정 정보를 찾을 수 있도록 설계된 강력한 도구인 Gemini Enterprise에는 Google의 전문적인 검색 및 AI 기술이 통합되어 있습니다. 또한 Gemini Enterprise 어시스턴트를 사용하면 브레인스토밍 및 조사는 물론 문서 개요를 작성하고 캘린더 일정에 동료를 초대하는 등의 작업에 도움이 되므로 직원들이 지식 관련 작업과 모든 종류의 협업을 빠르게 진행할 수 있습니다. (Gemini Enterprise의 이전 명칭은 Google Agentspace였으며, 이 과정에서 이전 제품 이름이 언급될 수 있습니다.)

자세히 알아보기

이 과정에서는 생성형 AI 프로젝트와 예측형 AI 프로젝트를 모두 개발하는 데 중점을 두고 Google Cloud의 AI 및 머신러닝(ML) 기능을 소개합니다. 데이터에서 AI로 이어지는 수명 주기 전반에 걸쳐 사용할 수 있는 다양한 기술, 제품, 도구를 살펴보고, 데이터 과학자, AI 개발자, ML 엔지니어가 대화형 실습을 통해 전문성을 강화할 수 있도록 지원합니다.

자세히 알아보기

One of the best ways to review something is to work with the concepts and technologies that you have learned. So, this course is set up as a workshop and in this workshop, you will do End-to-End Machine Learning with TensorFlow on Google Cloud Platform. It involves building an end-to-end model from data exploration all the way to deploying an ML model and getting predictions from it. This is the first course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Production Machine Learning Systems course.

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

이 과정에서는 딥 러닝을 사용해 이미지 캡션 모델을 만드는 방법을 알아봅니다. 인코더 및 디코더와 모델 학습 및 평가 방법 등 이미지 캡션 모델의 다양한 구성요소에 대해 알아봅니다. 이 과정을 마치면 자체 이미지 캡션 모델을 만들고 이를 사용해 이미지의 설명을 생성할 수 있게 됩니다.

자세히 알아보기

이 과정은 Transformer 아키텍처와 BERT(Bidirectional Encoder Representations from Transformers) 모델을 소개합니다. 셀프 어텐션 메커니즘 같은 Transformer 아키텍처의 주요 구성요소와 이 아키텍처가 BERT 모델 빌드에 사용되는 방식에 관해 알아봅니다. 또한 텍스트 분류, 질문 답변, 자연어 추론과 같이 BERT를 활용할 수 있는 다양한 작업에 대해서도 알아봅니다. 이 과정은 완료하는 데 대략 45분이 소요됩니다.

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

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.

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

이 과정에서는 TensorFlow 및 Keras를 사용한 ML 모델 빌드, ML 모델의 정확성 개선, 사용 사례 확장을 위한 ML 모델 작성에 대해 다룹니다.

자세히 알아보기

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 작업 등을 바탕으로 데이터 사전 처리를 위한 가장 효과적인 접근 방식을 검토해야 합니다. 팀은 두 가지 구체적인 사용 사례에 맞는 머신러닝 모델을 빌드하는 세 가지 옵션을 제공합니다. 이 과정에서는 팀이 목표 달성을 위해 AutoML, BigQuery ML 또는 커스텀 학습을 사용해야 하는 이유를 설명합니다. 커스텀 학습에 대해서도 자세히 설명합니다. 학습 코드 구조, 스토리지, 대용량 데이터 세트 로드에서 학습된 모델 내보내기에 이르기까지 커스텀 학습 요구사항을 설명합니다. Docker에 대한 지식이 거의 없어도 컨테이너 이미지를 빌드할 수 있는 커스텀 학습 머신러닝 모델을 빌드합니다. 우수사례팀에서 Vertex Vizier를 사용한 초매개변수 조정과 모델 성능을 개선하는 데 이를 어떻게 활용할 수 있는지 연구합니다. 모델 개선에 대한 이해를 높이기 위해 정규화와 희소성 처리, 그 외 많은 중요한 개념과 원칙 등 이론적인 내용도 자세히 살펴봅니다. 마지막으로 예측 및 모델 모니터링을 개략적으로 설명하고 Vertex AI를 사용하여 ML 모델을 관리하는 방법을 알아봅니다.

자세히 알아보기

Good news! There’s a new updated version of this learning path available for you!Open the new Professional Machine Learning Engineer Certification Learning Path to begin, once you’ve selected the new path all your current progress will be reflected in the new version.

자세히 알아보기

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 custom image classifiers using linear models, deep neural network (DNN) models or convolutional neural network (CNN) models. The course shows how to improve a model's accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting the data. The course also looks at practical issues that arise, for example, when one doesn't have enough data and how to incorporate the latest research findings into different models. Learners will get hands-on practice building and optimizing their own image classification models on a variety of public datasets in the labs they will work on.

자세히 알아보기

이 과정에서는 프로덕션 환경에서 고성능 ML 시스템을 빌드하기 위한 구성요소와 권장사항을 자세히 살펴봅니다. 정적 학습, 동적 학습, 정적 추론, 동적 추론, 분산 TensorFlow, TPU 등 고성능 ML 시스템 빌드와 관련된 일반적인 고려사항을 다룹니다. 이 과정에서는 정확한 예측 능력 외에도 양질의 ML 시스템을 만드는 특성을 탐구하는 데 중점을 둡니다.

자세히 알아보기

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 작업 등을 바탕으로 데이터 사전 처리를 위한 가장 효과적인 접근 방식을 검토해야 합니다. 팀은 두 가지 구체적인 사용 사례에 맞는 머신러닝 모델을 빌드하는 세 가지 옵션을 제공합니다. 이 과정에서는 팀이 목표 달성을 위해 AutoML, BigQuery ML 또는 커스텀 학습을 사용해야 하는 이유를 설명합니다. 커스텀 학습에 대해서도 자세히 설명합니다. 학습 코드 구조, 스토리지, 대용량 데이터 세트 로드에서 학습된 모델 내보내기에 이르기까지 커스텀 학습 요구사항을 설명합니다. Docker에 대한 지식이 거의 없어도 컨테이너 이미지를 빌드할 수 있는 커스텀 학습 머신러닝 모델을 빌드합니다. 우수사례팀에서 Vertex Vizier를 사용한 초매개변수 조정과 모델 성능을 개선하는 데 이를 어떻게 활용할 수 있는지 연구합니다. 모델 개선에 대한 이해를 높이기 위해 정규화와 희소성 처리, 그 외 많은 중요한 개념과 원칙 등 이론적인 내용도 자세히 살펴봅니다. 마지막으로 예측 및 모델 모니터링을 개략적으로 설명하고 Vertex AI를 사용하여 ML 모델을 관리하는 방법을 알아봅니다.

자세히 알아보기

이 과정에서는 우수사례를 중심으로 ML 워크플로에 대한 실질적인 접근 방식을 취합니다. ML팀은 다양한 ML 비즈니스 요구사항과 사용 사례에 직면합니다. 팀에서는 데이터 관리 및 거버넌스에 필요한 도구를 이해하고 가장 효과적으로 데이터 전처리에 접근하는 방식을 파악해야 합니다. 두 가지 사용 사례를 위한 ML 모델을 빌드하는 세 가지 옵션이 팀에 제시됩니다. 이 과정에서는 목표를 달성하기 위해 AutoML, BigQuery ML 또는 커스텀 학습을 사용하는 이유를 설명합니다.

자세히 알아보기

이 과정에서는 Vertex AI Feature Store 사용의 이점, ML 모델의 정확성을 개선하는 방법, 가장 유용한 특성을 만드는 데이터 열을 찾는 방법을 살펴봅니다. 이 과정에는 BigQuery ML, Keras, TensorFlow를 사용한 특성 추출에 관한 콘텐츠와 실습도 포함되어 있습니다.

자세히 알아보기

이 과정에서는 TensorFlow 및 Keras를 사용한 ML 모델 빌드, ML 모델의 정확성 개선, 사용 사례 확장을 위한 ML 모델 작성에 대해 다룹니다.

자세히 알아보기

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, 머신러닝(ML) 모델 최적화 방법과 일반화 및 샘플링으로 커스텀 학습용 ML 모델 품질을 평가하는 방법을 다룹니다.

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 데이터-AI 수명 주기를 지원하는 Google Cloud 빅데이터 및 머신러닝 제품과 서비스를 소개합니다. Google Cloud에서 Vertex AI를 사용하여 빅데이터 파이프라인 및 머신러닝 모델을 빌드하는 프로세스, 문제점 및 이점을 살펴봅니다.

자세히 알아보기