가입 로그인

Omar Irfan Khan

회원 가입일: 2021

골드 리그

21305포인트
Attention Mechanism - 한국어 Earned 2월 1, 2025 EST
Introduction to Image Generation - 한국어 Earned 2월 1, 2025 EST
Responsible AI: Applying AI Principles with Google Cloud - 한국어 Earned 2월 1, 2025 EST
Gemini for Security Engineers - 한국어 Earned 1월 31, 2025 EST
Gemini for end-to-end SDLC - 한국어 Earned 1월 31, 2025 EST
Machine Learning Operations (MLOps) for Generative AI - 한국어 Earned 1월 30, 2025 EST
Create Engaging Video with Google Vids Earned 1월 30, 2025 EST
Gemini in Google Drive - 한국어 Earned 1월 30, 2025 EST
Gemini in Google Meet - 한국어 Earned 1월 30, 2025 EST
Gemini in Google Sheets - 한국어 Earned 1월 30, 2025 EST
Gemini in Google Slides - 한국어 Earned 1월 30, 2025 EST
Gemini in Google Docs - 한국어 Earned 1월 30, 2025 EST
Gemini in Gmail - 한국어 Earned 1월 30, 2025 EST
Introduction to Gemini for Google Workspace - 한국어 Earned 1월 30, 2025 EST
Serverless Data Processing with Dataflow: Develop Pipelines Earned 1월 30, 2025 EST
How Google Does Machine Learning - 한국어 Earned 10월 31, 2021 EDT
Preparing for your Professional Data Engineer Journey Earned 10월 25, 2021 EDT
Serverless Data Processing with Dataflow: Foundations Earned 10월 21, 2021 EDT
Smart Analytics, Machine Learning, and AI on Google Cloud - 한국어 Earned 10월 20, 2021 EDT
Building Resilient Streaming Analytics Systems on Google Cloud - 한국어 Earned 10월 19, 2021 EDT
Modernizing Data Lakes and Data Warehouses with Google Cloud - 한국어 Earned 10월 18, 2021 EDT
Engineer Data for Predictive Modeling with BigQuery ML Earned 10월 14, 2021 EDT
API Development on Google Cloud's Apigee API Platform Earned 10월 12, 2021 EDT
API Security on Google Cloud's Apigee API Platform Earned 10월 12, 2021 EDT
API Design and Fundamentals of Google Cloud's Apigee API Platform Earned 10월 12, 2021 EDT
Google Cloud Big Data and Machine Learning Fundamentals - 한국어 Earned 10월 12, 2021 EDT
Google Cloud 앱 개발 환경 설정 Earned 10월 11, 2021 EDT
Implement Load Balancing on Compute Engine Earned 10월 8, 2021 EDT
GCP Essentials Earned 10월 8, 2021 EDT

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

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

이 과정에서는 Google Cloud의 생성형 AI 기반 파트너인 도구인 Gemini가 클라우드 환경 및 리소스 보호에 어떤 도움이 되는지 알아봅니다. Google Cloud의 환경에 예시 워크로드를 배포하고, Gemini를 이용해 잘못된 보안 구성을 확인 및 해결하는 방법을 배웁니다. 실무형 실습을 통해 Gemini가 클라우드 보안 상황을 어떻게 개선하는지 경험할 수 있습니다. Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다.

자세히 알아보기

이 과정에서는 Google Cloud의 생성형 AI 기반 파트너인 Gemini가 Google 제품 및 서비스를 사용해 애플리케이션을 개발, 테스트, 배포, 관리하는 데 어떤 도움이 되는지 알아봅니다. Gemini의 도움을 받아 웹 애플리케이션을 개발 및 빌드하고, 애플리케이션의 오류를 수정하고, 테스트를 개발하고, 데이터를 쿼리하는 방법을 배웁니다. 실무형 실습을 통해 Gemini로 소프트웨어 개발 수명 주기(SDLC)가 얼마나 개선되는지 경험할 수 있습니다. Duet AI의 이름이 Google의 차세대 모델인 Gemini로 변경되었습니다.

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

In this course, you'll learn about Google Vids, an online video creation and editing app available to select Google Workspace users. Through lessons and demos, you'll learn how to build and tell compelling stories through video at work. You'll also discover how to seamlessly incorporate media, audio and video clips, customize styles, and easily share your creations. Some Vids features use generative AI to help you work more efficiently. Remember, generative AI tools including Gemini, may suggest inaccurate or inappropriate information. Don’t rely on Gemini features as medical, legal, financial or other professional advice. It’s also important to remember that the Gemini feature suggestions don’t represent Google’s views, and should not be attributed to Google.

자세히 알아보기

Google Workspace를 위한 Gemini는 사용자에게 생성형 AI 기능에 대한 액세스를 제공하는 부가기능입니다. 이 과정은 동영상 강의, 실습, 실제 사례를 사용하여 Google Drive의 Gemini가 제공하는 기능을 상세하게 살펴봅니다. 이 과정을 완료하면 Google Drive의 Gemini를 자신 있게 활용하여 워크플로를 개선할 수 있는 지식과 기술을 얻게 됩니다.

자세히 알아보기

Google Workspace를 위한 Gemini는 사용자에게 생성형 AI 기능에 대한 액세스를 제공하는 부가기능입니다. 이 과정에서는 Google Meet의 Gemini 기능에 대해 자세히 알아봅니다. 동영상 강의, 실습 활동, 실제 사례를 통해 Google Meet의 Gemini 기능을 종합적으로 이해할 수 있습니다. Gemini를 사용하여 배경 이미지를 생성하고, 동영상 품질을 개선하고, 자막을 번역하는 방법을 배웁니다. 본 과정을 마치면 Google Meet의 Gemini를 자신 있게 활용하여 화상 회의의 효과를 극대화하는 데 필요한 지식과 기술을 갖추게 됩니다.

자세히 알아보기

Google Workspace를 위한 Gemini는 고객이 Google Workspace에서 생성형 AI 기능을 사용할 수 있도록 하는 부가기능입니다. 이 미니 학습 과정에서는 Gemini의 주요 기능을 살펴보고 이러한 기능으로 Google Sheets의 생산성과 효율성을 향상하는 방법을 알아봅니다.

자세히 알아보기

Google Workspace를 위한 Gemini는 고객에게 Google Workspace의 생성형 AI 기능을 제공하는 부가기능입니다. 이 미니 학습 과정에서는 Gemini의 주요 기능을 살펴보고 이러한 기능으로 Google Slides의 생산성과 효율성을 향상하는 방법을 알아봅니다.

자세히 알아보기

Google Workspace를 위한 Gemini는 사용자에게 생성형 AI 기능에 대한 액세스를 제공하는 부가기능입니다. 이 과정은 동영상 강의, 실습, 실제 사례를 사용하여 Google Docs의 Gemini가 제공하는 기능을 상세하게 살펴봅니다. 학습자는 Gemini를 사용하여 프롬프트를 바탕으로 텍스트 콘텐츠를 생성하는 방법을 확인하게 됩니다. 또한, 이미 작성한 텍스트를 Gemini로 수정하는 방법을 알아봅니다. 이러한 Gemini 활용을 통해 전체적인 생산성을 향상할 수 있습니다. 이 과정을 완료하면 Google Docs의 Gemini를 자신 있게 활용하여 텍스트 콘텐츠를 향상할 수 있는 지식과 기술을 얻게 됩니다.

자세히 알아보기

Google Workspace를 위한 Gemini는 고객에게 Google Workspace의 생성형 AI 기능을 제공하는 부가기능입니다. 이 미니 학습 과정에서는 Gemini의 주요 기능을 살펴보고 이러한 기능으로 Gmail의 생산성과 효율성을 향상하는 방법을 알아봅니다.

자세히 알아보기

Google Workspace를 위한 Gemini는 고객에게 Google Workspace의 생성형 AI 기능을 제공하는 부가기능입니다. 이 학습 과정에서는 Gemini의 주요 기능을 살펴보고 이러한 기능으로 Google Workspace의 생산성과 효율성을 향상하는 방법을 알아봅니다.

자세히 알아보기

In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.

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

This course helps learners create a study plan for the PDE (Professional Data 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

This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.

자세히 알아보기

머신러닝을 데이터 파이프라인에 통합하면 데이터에서 더 많은 인사이트를 도출할 수 있습니다. 이 과정에서는 머신러닝을 Google Cloud의 데이터 파이프라인에 포함하는 방법을 알아봅니다. 맞춤설정이 거의 또는 전혀 필요 없는 경우에 적합한 AutoML에 대해 알아보고 맞춤형 머신러닝 기능이 필요한 경우를 위해 Notebooks 및 BigQuery 머신러닝(BigQuery ML)도 소개합니다. Vertex AI를 사용해 머신러닝 솔루션을 프로덕션화하는 방법도 다루어 보겠습니다.

자세히 알아보기

스트리밍을 통해 비즈니스 운영에 대한 실시간 측정항목을 얻을 수 있게 되면서 스트리밍 데이터 처리의 사용이 늘고 있습니다. 이 과정에서는 Google Cloud에서 스트리밍 데이터 파이프라인을 빌드하는 방법을 다룹니다. 수신되는 스트리밍 데이터 처리와 관련해 Pub/Sub를 설명합니다. 이 과정에서는 Dataflow를 사용해 집계 및 변환을 스트리밍 데이터에 적용하는 방법과 처리된 레코드를 분석을 위해 BigQuery 또는 Bigtable에 저장하는 방법에 대해서도 다룹니다. Google Cloud에서 Qwiklabs를 사용해 스트리밍 데이터 파이프라인 구성요소를 빌드하는 실습을 진행해 볼 수도 있습니다.

자세히 알아보기

데이터 파이프라인의 두 가지 주요 구성요소는 데이터 레이크와 웨어하우스입니다. 이 과정에서는 스토리지 유형별 사용 사례를 살펴보고 Google Cloud에서 사용 가능한 데이터 레이크 및 웨어하우스 솔루션을 기술적으로 자세히 설명합니다. 또한 데이터 엔지니어의 역할, 성공적인 데이터 파이프라인이 비즈니스 운영에 가져오는 이점, 클라우드 환경에서 데이터 엔지니어링을 수행해야 하는 이유도 알아봅니다. 'Data Engineering on Google Cloud' 시리즈의 첫 번째 과정입니다. 이 과정을 완료한 후 Building Batch Data Pipelines on Google Cloud 과정에 등록하세요.

자세히 알아보기

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

In this course, you learn how to create APIs that utilize multiple services and how you can use custom code on Apigee. You will also learn about fault handling, and how to share logic between proxies. You learn about traffic management and caching. You also create a developer portal, and publish your API to the portal. You learn about logging and analytics, as well as CI/CD and the different deployment models supported by Apigee. Through a combination of lectures, hands-on labs, and supplemental materials, you will learn how to design, build, secure, deploy, and manage API solutions using Google Cloud's Apigee API Platform.This is the third and final course of the Developing APIs with Google Cloud's Apigee API Platform course series.

자세히 알아보기

In this course, you learn how to secure your APIs. You explore the security concerns you will encounter for your APIs. You learn about OAuth, the primary authorization method for REST APIs. You will learn about JSON Web Tokens (JWTs) and federated security. You also learn about securing against malicious requests, safely sending requests across a public network, and how to secure your data for users of Apigee. Through a combination of lectures, hands-on labs, and supplemental materials, you will learn how to design, build, secure, deploy, and manage API solutions using Google Cloud's Apigee API Platform. This is the second course of the Developing APIs with Google Cloud's Apigee API Platform series. After completing this course, enroll in the API Development on Google Cloud's Apigee API Platform course.

자세히 알아보기

In this course, you learn how to design APIs, and how to use OpenAPI specifications to document them. You learn about the API life cycle, and how the Apigee API platform helps you manage all aspects of the life cycle. You learn about how APIs can be designed using API proxies, and how APIs are packaged as API products to be used by app developers. Through a combination of lectures, hands-on labs, and supplemental materials, you will learn how to design, build, secure, deploy, and manage API solutions using Google Cloud's Apigee API Platform. This is the first course of the Developing APIs with Google Cloud's Apigee API Platform series. After completing this course, enroll in the API Security on Google Cloud's Apigee API Platform course.

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

Google Cloud 앱 개발 환경 설정 과정을 완료하여 기술 배지를 획득하세요. Cloud Storage, Identity and Access Management, Cloud Functions, Pub/Sub의 기본 기능을 사용하여 스토리지 중심 클라우드 인프라를 구축하고 연결하는 방법을 배울 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

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

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