가입 로그인

Lex Xai

회원 가입일: 2022

골드 리그

42155포인트
Engineer Data for Predictive Modeling with BigQuery ML 배지 Engineer Data for Predictive Modeling with BigQuery ML Earned 12월 4, 2024 EST
Create ML Models with BigQuery ML 배지 Create ML Models with BigQuery ML Earned 11월 25, 2024 EST
Working with Notebooks in Vertex AI 배지 Working with Notebooks in Vertex AI Earned 11월 10, 2024 EST
Prepare Data for ML APIs on Google Cloud 배지 Prepare Data for ML APIs on Google Cloud Earned 11월 7, 2024 EST
Responsible AI for Developers: Interpretability & Transparency - 한국어 배지 Responsible AI for Developers: Interpretability & Transparency - 한국어 Earned 11월 6, 2024 EST
Responsible AI for Developers: Fairness & Bias - 한국어 배지 Responsible AI for Developers: Fairness & Bias - 한국어 Earned 11월 5, 2024 EST
Professional Machine Learning Engineer Study Guide 배지 Professional Machine Learning Engineer Study Guide Earned 11월 3, 2024 EST
Create Generative AI Apps on Google Cloud 배지 Create Generative AI Apps on Google Cloud Earned 11월 3, 2024 EST
Vector Search and Embeddings - 한국어 배지 Vector Search and Embeddings - 한국어 Earned 11월 3, 2024 EST
Build and Deploy Machine Learning Solutions on Vertex AI 배지 Build and Deploy Machine Learning Solutions on Vertex AI Earned 10월 29, 2024 EDT
ML Pipelines on Google Cloud - 한국어 배지 ML Pipelines on Google Cloud - 한국어 Earned 10월 27, 2024 EDT
Machine Learning Operations (MLOps) with Vertex AI: Model Evaluation 배지 Machine Learning Operations (MLOps) with Vertex AI: Model Evaluation Earned 10월 19, 2024 EDT
Machine Learning Operations (MLOps) for Generative AI - 한국어 배지 Machine Learning Operations (MLOps) for Generative AI - 한국어 Earned 10월 11, 2024 EDT
Introduction to Large Language Models - 한국어 배지 Introduction to Large Language Models - 한국어 Earned 10월 11, 2024 EDT
Introduction to Generative AI - 한국어 배지 Introduction to Generative AI - 한국어 Earned 10월 10, 2024 EDT
Machine Learning Operations (MLOps) with Vertex AI: Manage Features - 한국어 배지 Machine Learning Operations (MLOps) with Vertex AI: Manage Features - 한국어 Earned 10월 10, 2024 EDT
Machine Learning Operations (MLOps): Getting Started - 한국어 배지 Machine Learning Operations (MLOps): Getting Started - 한국어 Earned 4월 7, 2024 EDT
Recommendation Systems on Google Cloud 배지 Recommendation Systems on Google Cloud Earned 4월 3, 2024 EDT
Natural Language Processing on Google Cloud 배지 Natural Language Processing on Google Cloud Earned 3월 26, 2024 EDT
Computer Vision Fundamentals with Google Cloud 배지 Computer Vision Fundamentals with Google Cloud Earned 3월 25, 2024 EDT
Production Machine Learning Systems 배지 Production Machine Learning Systems Earned 3월 23, 2024 EDT
Machine Learning in the Enterprise - 한국어 배지 Machine Learning in the Enterprise - 한국어 Earned 3월 20, 2024 EDT
Feature Engineering - 한국어 배지 Feature Engineering - 한국어 Earned 3월 9, 2024 EST
Build, Train and Deploy ML Models with Keras on Google Cloud - 한국어 배지 Build, Train and Deploy ML Models with Keras on Google Cloud - 한국어 Earned 3월 5, 2024 EST
Launching into Machine Learning - 한국어 배지 Launching into Machine Learning - 한국어 Earned 2월 26, 2024 EST
Introduction to AI and Machine Learning on Google Cloud - 한국어 배지 Introduction to AI and Machine Learning on Google Cloud - 한국어 Earned 2월 18, 2024 EST
Implement Load Balancing on Compute Engine 배지 Implement Load Balancing on Compute Engine Earned 7월 6, 2023 EDT
Reliable Google Cloud Infrastructure: Design and Process - 한국어 배지 Reliable Google Cloud Infrastructure: Design and Process - 한국어 Earned 7월 6, 2023 EDT
Developing a Google SRE Culture 배지 Developing a Google SRE Culture Earned 7월 2, 2023 EDT
Google Cloud Fundamentals: Core Infrastructure - 한국어 배지 Google Cloud Fundamentals: Core Infrastructure - 한국어 Earned 6월 1, 2023 EDT
Perform Foundational Infrastructure Tasks in Google Cloud 배지 Perform Foundational Infrastructure Tasks in Google Cloud Earned 5월 13, 2023 EDT
GCP Essentials 배지 GCP Essentials Earned 2월 8, 2023 EST

중급 Engineer Data for Predictive Modeling with BigQuery ML 기술 배지를 획득하여 Dataprep by Trifact로 데이터 변환 파이프라인을 BigQuery에 빌드, Cloud Storage, Dataflow, BigQuery를 사용한 ETL(추출, 변환, 로드) 워크플로 빌드, BigQuery ML을 사용한 머신러닝 모델 빌드, Cloud Composer를 사용한 여러 위치에서의 데이터 복사와 관련된 기술 역량을 입증하세요. 기술 배지는 Google Cloud 제품 및 서비스 숙련도에 따라 Google Cloud에서 독점적으로 발급하는 디지털 배지로, 기술 배지 과정을 통해 대화형 실습 환경에서 지식을 적용하는 역량을 테스트할 수 있습니다. 이 기술 배지 과정과 최종 평가 챌린지 실습을 완료하면 네트워크에 공유할 수 있는 디지털 배지를 받을 수 있습니다.

자세히 알아보기

중급 Create ML Models with BigQuery ML 기술 배지 과정을 완료하면 BigQuery ML로 머신러닝 모델을 만들고 평가하여 데이터 예측을 수행할 수 있는 기술 역량을 입증할 수 있습니다. 기술 배지는 Google Cloud 제품 및 서비스 숙련도에 따라 Google Cloud에서 독점적으로 발급하는 디지털 배지로, 기술 배지 과정을 통해 대화형 실습 환경에서 지식을 적용하는 역량을 테스트할 수 있습니다. 이 기술 배지 과정과 최종 평가 챌린지 실습을 완료하면 네트워크에 공유할 수 있는 기술 배지를 받을 수 있습니다.

자세히 알아보기

This course is an introduction to Vertex AI Notebooks, which are Jupyter notebook-based environments that provide a unified platform for the entire machine learning workflow, from data preparation to model deployment and monitoring. The course covers the following topics: (1) The different types of Vertex AI Notebooks and their features and (2) How to create and manage Vertex AI Notebooks.

자세히 알아보기

초급 Prepare Data for ML APIs on Google Cloud 기술 배지를 완료하여 Dataprep by Trifacta로 데이터 정리, Dataflow에서 데이터 파이프라인 실행, Dataproc에서 클러스터 생성 및 Apache Spark 작업 실행, Cloud Natural Language API, Google Cloud Speech-to-Text API, Video Intelligence API를 포함한 ML API 호출과 관련된 기술 역량을 입증하세요. 기술 배지는 Google Cloud 제품 및 서비스 숙련도에 따라 Google Cloud에서 독점적으로 발급하는 디지털 배지로, 기술 배지 과정을 통해 대화형 실습 환경에서 지식을 적용하는 역량을 테스트할 수 있습니다. 이 기술 배지 과정과 최종 평가 챌린지 실습을 완료하면 네트워크에 공유할 수 있는 기술 배지를 받을 수 있습니다.

자세히 알아보기

이 과정에서는 AI 해석 가능성과 투명성의 개념을 소개합니다. 개발자와 엔지니어에게 AI 투명성이 얼마나 중요한지를 설명합니다. 데이터와 AI 모델 모두에서 해석 가능성과 투명성을 구현하는 데 도움이 되는 실용적인 방법과 도구를 살펴봅니다.

자세히 알아보기

이 과정에서는 책임감 있는 AI라는 개념과 AI 원칙을 소개합니다. 공정성과 편향을 실질적으로 식별하고 AI/ML 실무에서 편향을 완화하는 기법을 알아봅니다. Google Cloud 제품과 오픈소스 도구를 사용하여 책임감 있는 AI 권장사항을 구현하는 실용적인 방법과 도구를 살펴봅니다.

자세히 알아보기

This course helps learners create a study plan for the PMLE (Professional Machine Learning Engineer) certification exam. Learners explore the breadth and scope of the domains covered in the exam. Learners assess their exam readiness and create their individual study plan.

자세히 알아보기

Generative AI applications can create new user experiences that were nearly impossible before the invention of large language models (LLMs). As an application developer, how can you use generative AI to build engaging, powerful apps on Google Cloud? In this course, you'll learn about generative AI applications and how you can use prompt design and retrieval augmented generation (RAG) to build powerful applications using LLMs. You'll learn about a production-ready architecture that can be used for generative AI applications and you'll build an LLM and RAG-based chat application.

자세히 알아보기

이 과정에서는 Vertex AI 벡터 검색을 소개하고, Vertex AI 벡터 검색을 사용해 임베딩용 대규모 언어 모델(LLM) API로 검색 애플리케이션을 빌드하는 방법을 설명합니다. 이 과정은 벡터 검색 및 텍스트 임베딩의 개념을 설명하는 강의, Vertex AI에서 벡터 검색을 빌드하는 방법을 보여주는 실용적인 데모, 실무형 실습으로 구성됩니다.

자세히 알아보기

Earn the intermediate skill badge by completing the Build and Deploy Machine Learning Solutions with Vertex AI course, where you will learn how to use Google Cloud's Vertex AI platform, AutoML, and custom training services to train, evaluate, tune, explain, and deploy machine learning models. This skill badge course is for professional Data Scientists and Machine Learning Engineers. 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 this Skill Badge, and the final assessment challenge lab, to receive a digital badge that you can share with your network.

자세히 알아보기

이 과정에서는 Google Cloud에서 최신 ML 파이프라인 개발을 담당하는 ML 엔지니어와 트레이너로부터 유익한 지식을 배웁니다. 초반에 진행되는 몇 개 모듈에서는 Google의 TensorFlow 기반 프로덕션 머신러닝 플랫폼으로서 ML 파이프라인과 메타데이터를 관리할 수 있는 TensorFlow Extended(TFX)에 대해 다룹니다. 파이프라인 구성요소와 TFX를 사용한 파이프라인 조정을 알아봅니다. 지속적 통합과 지속적 배포를 통해 파이프라인을 자동화하는 방법과 ML 메타데이터를 관리하는 방법도 배웁니다. 그런 다음 주제를 전환하여 TensorFlow, PyTorch, scikit-learn, xgboost 등 여러 ML 프레임워크에서 ML 파이프라인을 자동화하고 재사용하는 방법을 설명합니다. 또한 Google Cloud의 또 다른 도구인 Cloud Composer를 사용하여 지속적 학습 파이프라인을 조정하는 방법도 알아봅니다. 마지막으로 MLflow를 사용하여 머신러닝의 전체 수명 주기를 관리하는 방법을 살펴봅니다.

자세히 알아보기

This course equips machine learning practitioners with the essential tools, techniques, and best practices for evaluating both generative and predictive AI models. Model evaluation is a critical discipline for ensuring that ML systems deliver reliable, accurate, and high-performing results in production. Participants will gain a deep understanding of various evaluation metrics, methodologies, and their appropriate application across different model types and tasks. The course will emphasize the unique challenges posed by generative AI models and provide strategies for tackling them effectively. By leveraging Google Cloud's Vertex AI platform, participants will learn how to implement robust evaluation processes for model selection, optimization, and continuous monitoring.

자세히 알아보기

이 과정에서는 생성형 AI 모델을 배포하고 관리할 때 MLOps팀이 직면하는 고유한 과제를 파악하는 데 필요한 지식과 도구를 제공하고 Vertex AI가 어떻게 AI팀이 MLOps 프로세스를 간소화하고 생성형 AI 프로젝트에서 성공을 거둘 수 있도록 지원하는지 살펴봅니다.

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 Google Cloud에서 프로덕션 ML 시스템을 배포, 평가, 모니터링, 운영하기 위한 MLOps 도구와 권장사항을 소개합니다. MLOps는 프로덕션에서 ML 시스템을 배포, 테스트, 모니터링, 자동화하는 방법론입니다. 학습자는 SDK 레이어에서 Vertex AI Feature Store의 스트리밍 수집을 사용하여 실습을 진행하게 됩니다.

자세히 알아보기

이 과정에서는 Google Cloud에서 프로덕션 ML 시스템 배포, 평가, 모니터링, 운영을 위한 MLOps 도구와 권장사항을 소개합니다. MLOps는 프로덕션에서 ML 시스템을 배포, 테스트, 모니터링, 자동화하는 방법론입니다. 머신러닝 엔지니어링 전문가들은 배포된 모델의 지속적인 개선과 평가를 위해 도구를 사용합니다. 이들이 협력하거나 때론 그 역할을 하는 데이터 과학자는 고성능 모델을 빠르고 정밀하게 배포할 수 있도록 모델을 개발합니다.

자세히 알아보기

In this course, you apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. This is the fifth and final course of the Advanced Machine Learning on Google Cloud series.

자세히 알아보기

This course introduces the products and solutions to solve NLP problems on Google Cloud. Additionally, it explores the processes, techniques, and tools to develop an NLP project with neural networks by using Vertex AI and TensorFlow.

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

This course covers how to implement the various flavors of production ML systems— static, dynamic, and continuous training; static and dynamic inference; and batch and online processing. You delve into TensorFlow abstraction levels, the various options for doing distributed training, and how to write distributed training models with custom estimators. This is the second course of the Advanced Machine Learning on Google Cloud series. After completing this course, enroll in the Image Understanding with TensorFlow on Google Cloud course.

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

이 과정에서는 예측 및 생성형 AI 프로젝트를 모두 빌드하는 Google Cloud 기반 AI 및 머신러닝(ML) 제품군을 소개합니다. AI 기반, 개발, 솔루션을 모두 포함하여 데이터에서 AI로 이어지는 수명 주기 전반에 걸쳐 사용할 수 있는 기술과 제품, 도구를 살펴봅니다. 이 과정의 목표는 흥미로운 학습 경험과 실제적인 실무형 실습을 통해 데이터 과학자, AI 개발자, ML 엔지니어의 기술 및 지식 역량 강화를 지원하는 것입니다.

자세히 알아보기

입문 Implement Load Balancing on Compute Engine 기술 배지 과정을 완료하여 gcloud 명령어 작성 및 Cloud Shell 사용, Compute Engine에서 가상 머신 만들기 및 배포, 네트워크 및 HTTP 부하 분산기 구성에 관한 본인의 기술을 입증하세요. 기술 배지는 Google Cloud 제품 및 서비스에 대한 개인의 숙련도를 인정하기 위해 Google Cloud에서 단독 발급하는 디지털 배지로서 대화형 실습 환경을 통해 지식을 적용하는 역량을 테스트합니다. 이 기술 배지 과정과 최종 평가 챌린지 실습을 완료하면 네트워크에 공유할 수 있는 기술 배지를 받게 됩니다.

자세히 알아보기

이 과정에서는 학습자가 검증된 설계 패턴을 사용하여 Google Cloud에서 고도로 안정적이고 효율적인 솔루션을 빌드하는 데 필요한 역량을 기를 수 있습니다. 'Architecting with Google Compute Engine' 또는 'Architecting with Google Kubernetes Engine' 과정에서 이어지는 내용이며, 학습자가 두 과정에서 다루는 기술을 실무에서 사용해 본 경험이 있다는 전제로 진행됩니다. 학습자는 프레젠테이션, 설계 활동, 실무형 실습을 통해 고도로 안정적이고 안전하고 비용 효율적이며 가용성이 높은 Google Cloud 배포를 설계하는 데 필요한 비즈니스 요구사항과 기술 요구사항을 정의하고 이 사이의 적절한 균형을 유지하는 방법을 익힐 수 있습니다.

자세히 알아보기

In many IT organizations, incentives are not aligned between developers, who strive for agility, and operators, who focus on stability. Site reliability engineering, or SRE, is how Google aligns incentives between development and operations and does mission-critical production support. Adoption of SRE cultural and technical practices can help improve collaboration between the business and IT. This course introduces key practices of Google SRE and the important role IT and business leaders play in the success of SRE organizational adoption.

자세히 알아보기

Google Cloud Fundamentals: Core Infrastructure 과정은 Google Cloud 사용에 관한 중요한 개념 및 용어를 소개합니다. 이 과정에서는 동영상 및 실무형 실습을 통해 중요한 리소스 및 정책 관리 도구와 함께 Google Cloud의 다양한 컴퓨팅 및 스토리지 서비스를 살펴보고 비교합니다.

자세히 알아보기

‘시작하기 - 클라우드 리소스 만들기 및 관리하기’ 후에 완료할 실습을 찾고 있는 초보 클라우드 개발자라면 이 퀘스트가 안성맞춤입니다. Cloud Storage 및 Stackdriver와 Cloud Functions와 같은 핵심 애플리케이션 서비스를 자세히 살펴보는 실습을 통해 실무 경험을 쌓게 됩니다. 이 퀘스트를 완료하고 나면 어떤 Google Cloud 이니셔티브에도 적용할 수 있는 유용한 기술을 얻을 수 있습니다. 마지막에 제시되는 챌린지 실습을 포함해 이 퀘스트를 완료하면 특별한 Google Cloud 디지털 배지가 주어집니다. 1분 정도의 동영상을 통해 실습의 주요 개념을 알아볼 수 있습니다.

자세히 알아보기

가장 인기 있는 이 탐구 과정에서 Google Cloud를 처음으로 실습할 수 있습니다. Stackdriver 및 Kubernetes의 고급 개념으로 실습하여 VM 가동, 키 인프라 도구 구성과 같은 기본사항을 익혀 보세요.

자세히 알아보기