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 Prepare Data for Looker Dashboards and Reports: 챌린지 실습
이 챌린지 실습에서는 데이터를 필터링, 피벗팅, 계산, 병합하여 Looker 대시보드 및 보고서를 빌드하는 기술 역량을 테스트합니다.
-
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 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 Build an LLM and RAG-based Chat Application using AlloyDB and LangChain
Learn how to create an interactive application within a deployed environment.
-
실습 추천 Windows 배스천 호스트를 사용하여 보안 RDP 구성: 챌린지 실습
이 챌린지 실습에서는 제한된 시간 내에 일련의 작업을 완료해야 합니다. 새 VPC 서브넷 내에서 외부와의 통신이 구성되지 않은 보안 Windows 머신을 배포한 다음, 해당 보안 머신에 Microsoft Internet Information Server를 배포해야 합니다.
-
실습 추천 Explore false positives through incident detection
Aanalyze a false positive threat using the Security Command Center (SCC) and take action to address it.
-
실습 추천 Introduction to Cloud Bigtable (Java)
Learn how to avoid common mistakes with schema design, import data in a sequence file, and query your data using Cloud Bigtable with the Java HBase client.
-
실습 추천 Google Cloud SQL로 MySQL 데이터베이스 마이그레이션: 챌린지 실습
이 챌린지에서는 데이터베이스를 Google Cloud SQL로 마이그레이션한 다음 애플리케이션에서 로컬 MySQL 데이터베이스를 더 이상 사용하지 않도록 다시 구성해야 합니다.
-
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.