가입 로그인

Marvin Schubert

회원 가입일: 2021

브론즈 리그

3885포인트
생성형 AI 에이전트: 조직 혁신 Earned 7월 22, 2025 EDT
생성형 AI 앱: 업무 혁신 Earned 7월 15, 2025 EDT
생성형 AI: 환경 살펴보기 Earned 7월 14, 2025 EDT
생성형 AI: 기본 개념 이해 Earned 6월 27, 2025 EDT
생성형 AI: 챗봇 그 이상의 가치 Earned 6월 25, 2025 EDT
Generative AI for Business Leaders Earned 10월 19, 2023 EDT
Generative AI Explorer : Vertex AI Earned 10월 17, 2023 EDT
이미지 생성 소개 Earned 9월 6, 2023 EDT
책임감 있는 AI: Google Cloud를 통한 AI 원칙 적용하기 Earned 9월 6, 2023 EDT
Generative AI Fundamentals Earned 8월 18, 2023 EDT
책임감 있는 AI 소개 Earned 8월 17, 2023 EDT
대규모 언어 모델 소개 Earned 8월 17, 2023 EDT
생성형 AI 소개 Earned 8월 4, 2023 EDT
End-to-End Machine Learning with TensorFlow on Google Cloud Earned 2월 10, 2022 EST
Machine Learning in the Enterprise - 한국어 Earned 1월 27, 2022 EST
Google Cloud에서 Keras를 사용해 ML 모델을 빌드, 학습, 배포하기 Earned 1월 17, 2022 EST
특성 추출 Earned 1월 17, 2022 EST
Launching into Machine Learning - 한국어 Earned 8월 5, 2021 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 한국어 Earned 5월 28, 2021 EDT

생성형 AI 에이전트: 조직 혁신'은 Gen AI Leader 학습 과정의 다섯 번째이자 마지막 과정입니다. 이 과정에서는 조직이 어떻게 커스텀 생성형 AI 에이전트를 사용해 특정 비즈니스 과제를 해결할 수 있는지 살펴봅니다. 모델, 추론 루프, 도구와 같은 에이전트의 구성요소를 살펴보며 기본적인 생성형 AI 에이전트를 빌드하는 실무형 실습을 진행합니다.

자세히 알아보기

'생성형 AI 앱: 업무 혁신'은 생성형 AI 리더 학습 과정의 네 번째 과정입니다. 이 과정에서는 Workspace를 위한 Gemini, NotebookLM 등 Google의 생성형 AI 애플리케이션을 소개합니다. 그라운딩, 검색 증강 생성, 효과적인 프롬프트 작성, 자동화된 워크플로 구축 등의 개념을 안내합니다.

자세히 알아보기

'생성형 AI: 환경 살펴보기'는 생성형 AI 리더 학습 과정의 세 번째 과정입니다. 생성형 AI는 업무 방식을 비롯해 주변 세계와 상호작용하는 방식에 변화를 일으키고 있습니다. 리더로서 생성형 AI를 활용하여 실질적인 비즈니스 성과를 얻으려면 어떻게 해야 할까요? 이 과정에서는 생성형 AI 솔루션 빌드의 다양한 계층, Google Cloud 제품, 솔루션을 선택할 때 고려해야 할 요소를 살펴봅니다.

자세히 알아보기

'생성형 AI: 기본 개념 이해'는 생성형 AI 리더 학습 과정의 두 번째 과정입니다. 이 과정에서는 생성형 AI의 기본 개념을 이해하기 위해 AI, ML, 생성형 AI의 차이점을 살펴보고 다양한 데이터 유형에서 생성형 AI로 어떻게 비즈니스 과제를 해결할 수 있는지 알아봅니다. 파운데이션 모델의 제한사항과 책임감 있고 안전한 AI 개발 및 배포의 주요 과제를 해결할 수 있도록 Google Cloud 전략에 관한 인사이트도 제공합니다.

자세히 알아보기

'생성형 AI: 챗봇 그 이상의 가치'는 생성형 AI 리더 학습 과정의 첫 번째 과정이며 요구되는 기본 요건이 없습니다. 이 과정은 챗봇에 대한 기본적인 이해를 넘어 조직을 위한 생성형 AI의 진정한 잠재력을 살펴보는 것을 목표로 합니다. 생성형 AI의 강력한 기능을 활용하는 데 중요한 파운데이션 모델 및 프롬프트 엔지니어링과 같은 개념을 살펴봅니다. 또한 조직을 위한 성공적인 생성형 AI 전략을 개발할 때 고려해야 할 중요한 사항도 안내합니다.

자세히 알아보기

A Business Leader in Generative AI can articulate the capabilities of core cloud Generative AI products and services and understand how they benefit organizations. This course provides an overview of the types of opportunities and challenges that companies often encounter in their digital transformation journey and how they can leverage Google Cloud's generative AI products to overcome these challenges.

자세히 알아보기

This content is deprecated. Please see the latest version of the course, here.

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

기업에서 인공지능과 머신러닝의 사용이 계속 증가함에 따라 책임감 있는 빌드의 중요성도 커지고 있습니다. 대부분의 기업은 책임감 있는 AI를 실천하기가 말처럼 쉽지 않습니다. 조직에서 책임감 있는 AI를 운영하는 방법에 관심이 있다면 이 과정이 도움이 될 것입니다. 이 과정에서 책임감 있는 AI를 위해 현재 Google Cloud가 기울이고 있는 노력, 권장사항, Google Cloud가 얻은 교훈을 알아보면 책임감 있는 AI 접근 방식을 구축하기 위한 프레임워크를 수립할 수 있을 것입니다.

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

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

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

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

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 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

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