원하는 방식의 Google Cloud 교육을 살펴보세요.
Google Cloud에서 개발자를 대상으로 한 980개 이상의 학습 활동을 선택할 수 있는 포괄적인 카탈로그를 설계했습니다. 이 카탈로그는 개발자가 선택할 수 있는 다양한 활동 형식으로 구성되어 있습니다. 짧은 분량의 개별 실습 또는 동영상, 문서, 실습, 퀴즈로 구성된 멀티 모듈 과정 중에서 선택하세요. 실습에서는 실제 클라우드 리소스에 대한 임시 사용자 인증 정보를 제공하므로 실제 리소스를 사용하여 Google Cloud를 알아볼 수 있습니다. 이수한 과정의 배지를 획득하고 Google Cloud 성과를 정의, 추적, 측정하세요.
-
실습 추천 Getting started with Firebase Web
In this hands-on lab, you will learn about the Firebase product suite with Web.
-
실습 추천 Migrating an application and data from Apache Cassandra™ to DataStax Enterprise
In this lab, you will learn how to migrate an application running on Apache Cassandra™ to DataStax Enterprise (DSE). To do this, you will deploy a Cassandra™ database and an application that writes data into it. You will then deploy a DataStax Enterprise database and connect the same application to the database. F…
-
실습 추천 Scaling VM-Series to Secure Google Cloud Networks
Secure Google Cloud hub-and-spoke topology with VM-Series at scale.
-
실습 추천 Firebase로 서버리스 웹 앱 빌드하기
이 실습에서는 Firebase를 사용하여 사용자가 가상의 Pet Theory 병원에 정보를 업로드하고 방문 일정을 예약할 수 있는 서버리스 웹 앱을 만들어 봅니다.
-
실습 추천 Cloud Armor Preconfigured WAF Rules
Mitigate some common vulnerabilities by using Google Cloud Armor WAF rules.
-
실습 추천 Vertex AI: Training and Serving a Custom Model
In this lab, you will use Vertex AI to train and serve a TensorFlow model using code in a custom container.
-
실습 추천 Build an LLM and RAG-based Chat Application with AlloyDB and Vertex AI
In this lab, you create a chat application that uses Retrieval Augmented Generation, or RAG, to augment prompts with data retrieved from AlloyDB.
-
실습 추천 Prepare Data for ML APIs on Google Cloud: 챌린지 실습
이 챌린지 실습에서는 Prepare Data for ML APIs on Google Cloud 과정에서 실습을 통해 배운 기술과 지식을 테스트합니다. 이 실습을 시작하기 전에 해당 실습의 내용을 숙지해야 합니다.
-
실습 추천 Distributed Image Processing in Cloud Dataproc
In this lab, you will learn how to use Apache Spark on Cloud Dataproc to distribute a computationally intensive image processing task onto a cluster of machines.
-
실습 추천 Create Text Embeddings for a Vector Store using LangChain
In this lab, you learn how to use LangChain to store documents as embeddings in a vector store. You will use the LangChain framework to split a set of documents into chunks, vectorize (embed) each chunk and then store the embeddings in a vector database.