Google Cloud Skills Boost: www.cloudskillsboost.google에서 실습/예제를 하지 않으면 Vertex AI 문서: https://cloud.google.com/vertex-ai/docs?hl=ko 와 유튜브 동영상이 공허한 강의로 들리고 내용도 다가오지 않습니다.

Google Cloud Skills Boost: www.cloudskillsboost.google의 실습/예제와 Vertex AI 문서와 유튜브를 번갈아가면서 보셔야 학습에 진척이 있을 것입니다.

www.cloudskillsboost.google에서 vertex AI 배우기

www.cloudskillsboost.google

www.cloudskillsboost.google에서 Vertex AI를 배울 수 있습니다.

Cloud Skills Boost는 Google Cloud Platform(GCP)의 다양한 기능을 무료로 학습할 수 있는 온라인 학습 플랫폼입니다. 초보자부터 전문가까지 다양한 수준의 사용자를 위한 교육 과정, 퀘스트, 실습 등을 제공합니다.

Google Cloud Skills Boost는 다양한 학습 경로와 강좌를 제공하며, Generative AI에 대한 무료 학습 경로도 포함되어 있습니다. 사용자는 기본적인 과정을 무료로 시작할 수 있으며, 전체 콘텐츠에 접근하려면 월 구독(월 $29) 또는 연간 구독($299/년)을 구매할 수 있습니다​​.

Cloud Skills Boost의 주요 특징:

• 무료: 모든 교육 과정과 퀘스트는 무료로 제공됩니다.
• 다양한 수준: 초보자부터 전문가까지 다양한 수준의 사용자를 위한 교육 과정이 준비되어 있습니다.
• 실습 중심: 강의를 듣고 퀴즈를 풀는 것 외에도 실제로 GCP를 사용해 보는 실습을 통해 학습할 수 있습니다.
• 맞춤형 학습: 본인의 관심 분야와 수준에 맞는 학습 경로를 선택할 수 있습니다.
• 자격증 취득: GCP 자격증 취득을 위한 준비 과정도 제공됩니다.

Cloud Skills Boost에서 제공하는 주요 학습 자료:

• 교육 과정: GCP의 다양한 기능을 학습할 수 있는 강좌입니다.
• 퀘스트: 실제 GCP 프로젝트를 수행하면서 학습할 수 있는 과정입니다.
• 실습: GCP 콘솔을 직접 사용해 보는 실습 환경입니다.
• 자격증: GCP 자격증 취득을 위한 준비 과정입니다.

Cloud Skills Boost는 다음과 같은 사용자에게 적합합니다.

• GCP를 처음 사용해 보는 사용자
• GCP의 특정 기능을 학습하고 싶은 사용자
• GCP 자격증 취득을 준비하는 사용자
• 자신의 클라우드 기술을 향상시키고 싶은 사용자

www.cloudskillsboost.google에서 vertex AI 배우기

Dashboard, Paths, Explore, Profile, Subscriptions 와 같은 메뉴들이 있습니다.

• Paths는 여러 가지 학습 활동을 통해 경력을 성장시키는 데 필요한 기술을 습득하는 데 도움이 되는 안내형 여정입니다.
• Explore에는 실습 예졔들이 있습니다.

Paths

www.cloudskillsboost.google은 Vertex AI를 배우는 데 좋은 출발점입니다. 그러나 Paths( https://www.cloudskillsboost.google/paths/ )에 접근하시면 역할별 클라우드 경력 개발을 할 수 있는 코스들이 보이는데 영어로 되어 있어 감이 떨어집니다.

https://cloud.google.com/learn?hl=ko#learn-by-role 로 접속하시면 아래와 같은 다양한 역할을 볼 수 있는데 자신이 선택할 분야를 선택하시는 것이 https://www.cloudskillsboost.google/paths/ )에서 찾는 것보다 훨씬 쉽기도 하고 https://www.cloudskillsboost.google/paths/ )에 해당 Paths로 직접 이동하여 훨씬 유용합니다. Vertex AI관련해서는 머신러닝 엔지니어 를 선택하셔야 합니다.

‘API 개발자, 일반인 개발자, Cloud Digital Leader, 클라우드 엔지니어 클라우드 설계자, 클라우드 개발자,
Contact Center 엔지니어, 데이터 분석가, 데이터 엔지니어, 데이터베이스 엔지니어, DevOps 엔지니어, Google Workspace 관리자,
하이브리드 및 멀티 클라우드 설계자, 머신러닝 엔지니어, 네트워크 엔지니어, 보안 엔지니어, 스타트업 클라우드 엔지니어’

https://cloud.google.com/learn?hl=ko#learn-by-role 에서 머신러닝 엔지니어 를 선택하시면 Machine Learning Engineer Learning Path( https://www.cloudskillsboost.google/paths/17?utm_source=cgc&utm_medium=website&utm_campaign=cgclearnbyrole&utm_content=mleng ) 로 이동하게 되고 [Start learning path]을 클릭하면 Vertex AI학습을 시작할 수 있습니다.

[Start learning path]이후 학습 단계와 그에 대한 내용을 추가로 업데이트하겠습니다. 그리고 ksh를 위해 메모도 남겨주세요.

Explore

기초가 되는 것을 앞쪽으로 배치하였고 관심이 가는 주제는 굵음체로 표시하였습니다.

실제로 학습을 하고나서는 해당주제에 대해 링크를 걸어주시고 메모도 남겨주세요. 이 게시글로는 공간이 부족하면 새로운 게시글로 게시해주세요.

한국어 지원이 많이 됩니다. 꼭 한국어로 놓고 보세요.

한국어가 지원되는 예제부터 해주세요.

단지 알파벳순으로 나열되어 있습니다. 학습에 도움이 되겠다 싶은 것 또는 사업적으로 의미 있다고 생각하는 것 또는 굵게 표시한 것 등을 고려하여 살펴보아주세요. 실습한 것은 제목 앞에 [done]으로 표시하고 [비밀번호로 보호]로 공개하고 ‘Get Started with Vertex Al Studio(Vertex Al Studio 시작하기)https://www.seenbuy.kr/get-started-with-vertex-al-studiovertex-al-studio-%EC%8B%9C%EC%9E%91%ED%95%98%EA%B8%B0/‘ 처럼 링크와 seenbuy.kr의 url을 적어주세요.

[done]Generative Al Explorer – Vertex Al(생성적 Al 탐색기 – Vertex Al) : 4시간 15분, 입문, 크레딧 1개.

• Generative Al Explorer – Vertex Al(생성적 Al 탐색기 – Vertex Al)는 아래의 3개(A, B, C)의 실습 과정으로 이루어져 있습니다.
  • Generative AI with Vertex AI: Getting Started 1시간 30분
  • Generative AI with Vertex AI: Prompt Design 1시간 30분
  • Generative AI Studio 시작하기 1시간

각각의 과정을 이수하고 나면 아래와 같은 배지를 획득할 수 있습니다. 링크드인 등에 등록하여 자신의 PR수단으로 이용할 수 있습니다.

^{Generative AI Explorer – Vertex Quest는 Google Cloud에서 Generative AI를 사용하는 방법에 대한 실습 모음입니다. 실습을 통해 text-bison, chat-bison 및 textembedding-gecko를 포함하여 Vertex AI PaLM API 제품군의 모델을 사용하는 방법을 알아봅니다. 또한 프롬프트 디자인, 모범 사례 및 이를 아이디어 구상, 텍스트 분류, 텍스트 추출, 텍스트 요약 등에 사용할 수 있는 방법에 대해 알아봅니다. 또한 Vertex AI 커스텀 학습을 통해 학습하여 기초 모델을 조정하고 Vertex AI 엔드포인트에 배포하는 방법도 알아봅니다.}

[done]A : Generative Al with Vertex Al: Getting Started(Vertex Al을 사용한 생성적 AI: 시작하기) : 영어, 일본어만 지원되고 한국어가 지원이 안 됩니다. https://www.seenbuy.kr/generative-ai-with-vertex-ai-getting-startedvertex-ai%eb%a5%bc-%ec%82%ac%ec%9a%a9%ed%95%9c-%ec%83%9d%ec%84%b1%ed%98%95-ai-%ec%8b%9c%ec%9e%91%ed%95%98%ea%b8%b0/

[done]B : Generative Al with Vertex Al: Prompt Design(Vertex Al을 사용한 생성적 AI: 프롬프트 디자인) https://www.seenbuy.kr/generative-al-with-vertex-al-prompt-designvertex-al%ec%9d%84-%ec%82%ac%ec%9a%a9%ed%95%9c-%ec%83%9d%ec%84%b1%ec%a0%81-ai-%ed%94%84%eb%a1%ac%ed%94%84%ed%8a%b8-%eb%94%94%ec%9e%90%ec%9d%b8/

[done]C : Get Started with Vertex Al Studio(Vertex Al Studio 시작하기)https://www.seenbuy.kr/get-started-with-vertex-al-studiovertex-al-studio-%EC%8B%9C%EC%9E%91%ED%95%98%EA%B8%B0/

[done]Vertex Al: Qwik Start(버텍스 에이아이 : 빠른 시작)) https://www.seenbuy.kr/vertex-ai-qwik-start/

[done]Vertex AI Workbench 노트북: Qwik Start https://www.seenbuy.kr/vertex-ai-workbench-%eb%85%b8%ed%8a%b8%eb%b6%81-qwik-start/

Generative Al for Video Analytics with Vertex Al(Vertex Al을 사용한 비디오 분석을 위한 Generative Al)

Getting Started with the Vertex Al Gemini API and Python SDK(Vertex Al Gemini API 및 Python SDK 시작하기)

Analyzing Natality Data Using BigQuery and Vertex Al(BigQuery 및 Vertex Al을 사용하여 출생률 데이터 분석)

Build and Deploy Machine Learning Solutions on Vertex Al(Vertex Al에서 머신러닝 솔루션 구축 및 배포)

Integrate Search in Applications using Vertex Al Search(Vertex Al Search를 사용하여 애플리케이션에 검색 통합)

Vertex Al: Training and Serving a Custom Model(Vertex Al: 커스텀 모델 학습 및 제공)

Build and Deploy Machine Learning Solutions with Vertex Al: Challenge Lab(Vertex Al: Challenge Lab을 사용하여 머신러닝 솔루션 구축 및 배포)

Conversational Al on Vertex Al and Dialogflow CX(Vertex Al 및 Dialogflow CX의 대화형 Al)

Creating Generative Art Dynamic NFTs with Google Cloud Vertex Al and Chainlink Functions(Google Cloud Vertex Al 및 Chainlink 함수를 사용하여 Generative Art Dynamic NFT 생성)

Deploy a BigQuery ML Customer Churn Classifier to Vertex Al for Online Predictions(온라인 예측을 위해 BigQuery ML 고객 이탈 분류자를 Vertex Al에 배포)

Identify Horses or Humans with TensorFlow and Vertex Al(TensorFlow 및 Vertex Al을 사용하여 말이나 사람 식별)

Machine Learning Operations (MLOps) with Vertex Al: Manage Features(Vertex Al을 사용한 머신러닝 작업(MLOps): 기능 관리)

Machine Learning with TensorFlow in Vertex Al(Vertex Al의 TensorFlow를 사용한 머신러닝)

Multimodal Retrieval Augmented Generation (RAG) using the Vertex Al Gemini API(Vertex Al Gemini API를 사용하는 다중 모드 검색 증강 생성(RAG))

Running Distributed TensorFlow using Vertex Al(Vertex Al을 사용하여 분산 TensorFlow 실행)

SQL-only LLM with BigQuery ML using Vertex AI PALM API(Vertex AI PALM API를 사용하는 BigQuery ML이 포함된 SQL 전용 LLM)

TFX on Google Cloud Vertex Al Pipelines(Google Cloud Vertex Al 파이프라인의 TFX)

Vertex AI PALM API: Qwik Start(Vertex AI PALM API: Qwik 시작)

Vertex Al Tabular Data: Qwik Start(Vertex Al 테이블 형식 데이터: Qwik Start)

Vertex Al Workbench Notebook: Qwik Start(Vertex Al Workbench 노트북: Qwik Start)

Vertex Al: Training and Serving a Custom Model(Vertex Al: 커스텀 모델 학습 및 제공)

Visualize the 10,000 Bitcoin Pizza Transaction Using BigQuery and Vertex Al Workbench(BigQuery 및 Vertex Al Workbench를 사용하여 10,000개의 비트코인 ​​피자 거래 시각화)

Working with Notebooks in Vertex Al(Vertex Al에서 노트북 작업)

실습 비용 문제

도전 정신도 중요하지만 고려하지 비용이 그것도 계속 발생할 수 있습니다. 검증된 데이터세트 조차 준비되지 않았다면 바로 무대포 실습은 절대 하지 말아주세요. 월 15만원은 그냥 청구됩니다.

꼭, www.cloudskillsboost.google에서 Explore에 있는 실습 예졔들을 먼저 해보시라고 권하고 싶습니다.

www.cloudskillsboost.google의 실습 비용

www.cloudskillsboost.google의 실습 비용은 $29/월 외에는 살펴본 예제중 가장 비싼 예제가 20Credit(270원)이였습니다.(1 Credit은 약 $0.01 (약 13.5원)에 해당)

Google Vertex AI로 신용카드 이상탐지 AutoML 모델 만들기 1/2편 실습에 든 비용

GCP(https://console.cloud.google.com/)에서 머신러닝을 시키려고 시도했는데, 어떤 성과도 못 얻었는데,
‘Compute Engine’명목으로 하루에 대략 4,300원 꼴로 비용이 계속 발생하고 있습니다.
이 경우, 대략 월 15만원을 지불해야 합니다. 머신러닝을 개발 비용으로는 너무 비쌉니다.
Vertex AI말고 다른 방법으로 저렴하게 머신러닝을 개발할 수 있는 방법이 있을까요?
Gemini Pro를 이용해야 할까요?

E2 instance Core running in Americas, E2 instance Ram running in Americas 항목에서 비용이 발생함.

Google Cloud의 ‘Compute Engine’은 구글 클라우드 플랫폼(GCP)의 핵심 컴퓨팅 서비스 중 하나로, 사용자가 가상 머신(VM) 인스턴스를 생성하고 관리할 수 있게 해주는 인프라스트럭처 애즈 어 서비스(IaaS)입니다. 사용자는 Compute Engine을 통해 다양한 머신 유형, 운영 체제, 네트워크 설정 등을 선택하여, 자신의 요구 사항에 맞는 가상 머신을 구성할 수 있습니다.

이 서비스를 사용하면 웹 서버, 데이터베이스 서버, 배치 처리, 비디오 인코딩, 대규모 연산 작업 등 다양한 컴퓨팅 작업을 실행할 수 있으며, 구글의 데이터 센터를 통해 글로벌하게 서비스를 제공할 수 있습니다. 가격은 사용한 컴퓨팅 리소스(예: CPU, 메모리, 저장 공간)와 네트워크 사용량에 따라 결정되며, 사용한 만큼만 비용을 지불하는 ‘Pay-As-You-Go’ 방식을 따릅니다.

귀하의 경우, 하루에 대략 4,300원이 계속 발생하고 있다면, 이는 생성한 가상 머신 인스턴스 또는 관련 네트워크 리소스의 사용량에 따른 비용일 가능성이 높습니다. 각 가상 머신의 사양(예: CPU, 메모리) 및 실행 시간, 추가적인 스토리지 사용량, 외부 IP 주소 사용 여부 등이 비용에 영향을 미칠 수 있습니다. 비용을 관리하기 위해서는 Google Cloud Console을 통해 현재 실행 중인 인스턴스를 확인하고, 불필요한 리소스는 정리하는 것이 좋습니다.

“E2 instance Core running in Americas”는 Google Cloud Platform(GCP)에서 미주 지역(Americas)의 데이터 센터에서 실행 중인 E2 인스턴스 유형에 할당된 CPU 코어의 사용에 대한 비용을 의미합니다. E2 인스턴스는 비용 효율적인 범용 인스턴스로, 다양한 워크로드에 적합하게 설계되었습니다. “Core”는 이 경우 CPU 코어를 의미하며, 사용된 CPU 코어의 양에 따라 비용이 결정됩니다.

Google Cloud Platform(GCP)에서 ‘E2 instance RAM running in Americas’는 E2 인스턴스 유형의 가상 머신에 할당된 RAM(랜덤 액세스 메모리)의 사용량에 대한 비용을 의미합니다. 이 비용은 미주 지역(Americas)의 데이터 센터에서 실행되는 E2 인스턴스의 메모리 사용에 기반합니다.

E2 인스턴스는 GCP의 Compute Engine 서비스의 일부로 제공되는 경제적인 범용 인스턴스 유형입니다. 이 유형의 인스턴스는 비용 효율적인 선택으로, 다양한 워크로드에 적합하게 설계되었습니다. E2 인스턴스는 자동 최적화된 리소스 할당을 통해 비용 대비 성능을 극대화할 수 있으며, 웹 서버, 소규모 데이터베이스, 개발 환경 등 다양한 용도로 사용할 수 있습니다.

‘Running in Americas’라는 부분은 해당 인스턴스가 미주 지역의 데이터 센터에서 호스팅되고 있음을 나타냅니다. GCP는 전 세계 여러 지역에 데이터 센터를 운영하고 있으며, 각 지역마다 리소스 사용에 대한 비용이 다를 수 있습니다. 따라서 ‘E2 instance RAM running in Americas’의 비용은 미주 지역의 데이터 센터에서 E2 인스턴스를 실행하는 데 사용된 RAM 양에 따라 결정됩니다.

GCP에서는 사용자가 필요에 따라 다양한 인스턴스 유형, 메모리 사이즈, CPU 사양 등을 선택하여 가상 머신을 구성할 수 있습니다. 이러한 선택에 따라 비용이 달라지며, 특정 리소스 사용량(여기서는 RAM)에 기반한 요금이 부과됩니다. GCP의 가격 정책은 사용한 리소스의 양에 따라 요금을 지불하는 Pay-As-You-Go 방식을 따릅니다.

Google Vertex AI로 신용카드 이상탐지 AutoML 모델 만들기 1/2편 을 실습하며  [새 인스턴스]를 만들때, ‘TensorFlow Enterprise 2.6(LTS 및 인텔® MKL-DNN/MKL 포함’를 선택하였’노트북 성능을 너무 좋을 것을 선택했나 봅니다. 1.54%만 사용했는데 요금은 다 내고 있었습니다.

해결책

GCP에서 [Compute Engine] -> [가사 머신] -> [VM 인스턴스]로 이동하여 해당 인스턴스를 ‘중지’ 또는 ‘정지’를 시키세요.

VM 인스턴스에서 “중지”와 “정지”의 차이점

항목	중지	정지
데이터 유지 방식	메모리: 손실, 디스크: 유지	메모리 & 디스크: 삭제
청구 방식	CPU, 메모리, 스토리지: 중단, 네트워크: 지속	모든 리소스: 중단
사용 시나리오	잠시 사용하지 않을 때, 비용 절감, 데이터 유지	더 이상 사용하지 않을 때, 데이터 삭제, 최대 비용 절감
장점	데이터 유지, 비용 절감	최대 비용 절감, 데이터 삭제
단점	네트워크 요금 발생	데이터 손실

Google Cloud Platform 가격 계산기

https://cloud.google.com/products/calculator?hl=ko

Vertex AI 문서: https://cloud.google.com/vertex-ai/docs?hl=ko 와 유튜브로 개념 파악을 한 후 Google Cloud Skills Boost: www.cloudskillsboost.google로 학습을 하는 것이 좋을 것 같습니다.

Vertex AI 학습 자료

온라인 학습 공간:

• Google Cloud Skills Boost: www.cloudskillsboost.google

• Coursera : <유효하지 않은 URL 삭제됨>
• Udemy : 머신러닝에 관행서는 강의가 좀 있는데, vertex AI관해서는 한국어 강의를 찾을 수 없습니다.
• 유튜브 : Google Cloud Platform: Google Cloud APAC https://www.youtube.com/@GoogleCloudAPAC/search?query=vertex 채널에서 vertex AI로 검색해서 보세요.

기타:

• Vertex AI 블로그: https://cloud.google.com/blog/ko/ Google Cloud 의 전체의 블로그 url으로 여기서 vertex AI를 검색하여 살펴보아야 합니다.
• Vertex AI 문서: https://cloud.google.com/vertex-ai/docs?hl=ko 아마도 이 문서가 기본이 될 것 같습니다.

추가 팁:

• 검색 엔진 활용: Google 검색을 통해 원하는 정보를 찾을 수 있습니다.
• 커뮤니티 활용: Vertex AI 커뮤니티에 참여하여 다른 사용자들과 정보를 공유하고 질문에 답변을 얻을 수 있습니다.

결론:

Vertex AI를 배우는 데 도움이 되는 다양한 온라인 학습 자료가 있습니다. 본인의 학습 스타일과 선호도에 맞는 자료를 선택하여 학습하는 것이 효과적입니다.

Vertex AI 공식 문서:  https://cloud.google.com/vertex-ai/docs?hl=ko

아래의 목차에 링크를 걸어주며 따라가면서 학습해주세요.

개요 Vertex Al 소개 Vertex AIMLOps Vertex Al 인터페이스 : Vertex AI REST API는 작업, 모델, 엔드포인트를 관리하고 Google Cloud에서 호스팅된 모델로 예측을 수행하는 데 필요한 RESTful 서비스를 제공합니다. 자체 라이브러리를 사용하여 애플리케이션에서 Vertex AI API를 호출해야 하는 경우 REST API를 사용합니다. Vertex AI에서 개발한 ML모델을 워드프레스에 게시하는 방법은 https://docs.google.com/document/d/1P4-CVQMqjHxYAanRXVVoKlVBwkeRRgk-iFmdr-EnwvU/edit?usp=sharing 을 참조하세요. Vertex Al 초보자 가이드: 링크가 없습니다. AutoML 모델 학습이 첫 페이지입니다. – AutoML 모델 학습 : 초보자 가이드인데 쉽지 않네요. 이것을 볼 차례임. 중간에 “모델 평가, 테스트, 배포 중 테이블형식””부분부터 살펴보아주세요. 라벨이 지정된 예제를 각 카테고리에 충분히 포함시키기 Vertex AI는 학습을 위해 분류에 카테고리/라벨당 최소 100개의 이미지 예시가 필요합니다. 라벨을 성공적으로 인식할 가능성은 각각에 고품질 예시 수가 많을수록 증가합니다. 일반적으로 학습 프로세스에 라벨이 지정된 데이터를 많이 제공할수록 모델이 향상됩니다. 라벨당 1,000개 이상의 예시를 목표로 하세요. – 커스텀 모델 학습 – 커스텀 모델에서 예측 가져오기: 이것을 할 차례입니다. – Vertex Al 및 Python SDK를 사용하여 모델 학습 — 소개 — 기본 요건 — 노트북 만들기 — 데이터 세트 생성 — 학습 스크립트 만들기 — 모델 학습 — 예측하기 통합 ML 프레임워크 – PyTorch – TensorFlow BigQuery 사용자용 Vertex Al 시계열 통계를 사용한 예측

시작하기 프로젝트 및 개발 환경 설정 – Python용 Vertex Al SDK 설치 – Model Garden의 AI 모델 살펴보기 자체 모델 개발 튜토리얼 시작하기 튜토리얼 개요 AutoML 튜토리얼 ▶ Hello 이미지 데이터 ▶ Hello 테이블 형식 데이터 ▶ Hello 텍스트 데이터 ▶ Hello 동영상 데이터 커스텀 학습 튜토리얼 커스텀 테이블 형식 모델 학습 ▶ TensorFlow Keras 이미지 분류 모델 학습 커스텀 데이터로 이미지 분류 모델 조정 Terraform을 사용하여 사용자관 리형 노트북 인스턴스 만들기 생성형 AI 및 LLM 사용 생성형 AI 정보

유튜브에서 vertex AI 배우기

유튜브 동영상들의 순서는 Vertex AI 공식 문서:  https://cloud.google.com/vertex-ai/docs?hl=ko에 따라 배열하세요.

시청하고 나서는 시청했음 처럼 메모하고 또한 ‘반복 시청 바람’처럼 메모를 남겨주면서 보아주세요.

Google Cloud Platform: Google Cloud APAC https://www.youtube.com/@GoogleCloudAPAC/search?query=vertex 채널에서 vertex AI로 검색해서 보세요.

Google Cloud Vertex AI 소개(23:07)

Next Recap: Seoul – 개발자에게 훨씬 더 쉬워진 Vertex AI(22:28)

Vertex AI를 활용한 MLOps 데모(49:52)

Google Cloud Vertex AI의 MLOps 툴과 기능(37:29)

Vertex AI와 함께 하는 ML 파이프라인 설계(35:52)

Vertex AI Pipelines으로 MLOps 운영하기(1:11:30)

Vertex AI에서 Explainable AI와 모델 모니터링(1:05:02)

Solve for Simplified Automation using Vertex AI(Vertex AI를 사용하여 단순화된 자동화 문제 해결, 11:50)

모든 곳의 조직은 #AI 의 힘을 활용하여 비즈니스 기능 전반에 걸쳐 의사 결정 프로세스를 개선, 확장 및 가속화할 수 있도록 노력하고 있습니다. #GoogleCloud 및 #VertexAI 가 다양한 수준의 전문 지식과 #AI 에 대한 노출을 통해 조직이 보다 복잡한 사용 사례를 해결하고 시기적절한 데이터 기반 결정을 내려 경쟁 우위의 원천으로 혁신을 주도함으로써 비즈니스를 혁신하는 데 어떻게 도움이 될 수 있는지 알아보세요. 더 자세히 알고 싶으시면 문의해주세요 → https://goo.gle/3u4rrKU

Vertex AI Vizer로 하이퍼파라미터 튜닝 작업 자동화하기(51:23)

BigQuery와 Vertex AI를 통해 로우 데이터에서 ML로 빠르게 이동하기(18:02)

Cloud TPU 이해하기(1:22:44)

Vertex AI에서 커스텀 GenAI 모델 구축하기(36:32)

Vertex AI 학습 자료

• Vertex AI: Qwik Start: https://www.cloudskillsboost.google/focuses/18940?locale=ko&parent=catalog. 실습 url있는다.
• Vertex AI Pipelines: Getting Started: <유효하지 않은 URL 삭제됨>
• Manage Vertex AI Experiments: <유효하지 않은 URL 삭제됨>
• Build and Deploy Machine Learning Solutions on Vertex AI: https://www.cloudskillsboost.google/course_templates/684?locale=ko\

---

참고자료 : 1. Google Vertex AI로 신용카드 이상탐지 AutoML 모델 만들기 1/2편

2. Google Vertex AI로 신용카드 이상탐지 AutoML 모델 만들기 2/2편