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.
Overview
Syllabus
- 과정 소개
- 이 섹션에서는 빅데이터 및 머신러닝 기초 과정을 시작하는 학습자를 환영하고 과정 구조와 목표를 살펴봅니다.
- Google Cloud의 빅데이터 및 머신러닝
- 이 섹션에서는 Google Cloud 인프라의 주요 구성요소를 살펴봅니다. Google Cloud의 데이터-AI 수명 주기를 지원하는 빅데이터 및 머신러닝 제품과 서비스도 소개합니다.
- 스트리밍 데이터를 위한 데이터 엔지니어링
- 이 섹션에서는 스트리밍 데이터 관리를 위한 Google Cloud 솔루션을 소개합니다. Pub/Sub을 사용한 데이터 수집, Dataflow를 사용한 데이터 처리, Looker 및 데이터 스튜디오를 사용한 데이터 시각화를 포함하는 엔드 투 엔드 파이프라인을 살펴봅니다.
- BigQuery를 사용한 빅데이터
- 이 섹션에서는 Google의 완전 관리형 서버리스 데이터 웨어하우스인 BigQuery를 소개합니다. BigQuery ML을 살펴보고, 커스텀 머신러닝 모델을 빌드하는 데 사용되는 프로세스와 주요 명령어도 알아봅니다.
- Google Cloud의 머신러닝 옵션
- 이 섹션에서는 Google Cloud에서 머신러닝 모델을 빌드하는 네 가지 옵션을 알아봅니다. ML 프로젝트를 빌드하고 수명 주기를 관리하는 Google의 통합 플랫폼인 Vertex AI도 소개합니다.
- Vertex AI를 사용한 머신러닝 워크플로
- 이 섹션에서는 Vertex AI의 3가지 주요 머신러닝 워크플로 단계(데이터 준비, 모델 학습, 모델 준비)를 살펴봅니다. 학습자는 AutoML을 사용하여 머신러닝 모델을 빌드하는 연습을 해 봅니다.
- 과정 요약
- 이 섹션에서는 과정에서 다룬 내용을 검토하고 추가 학습을 위한 리소스를 제공합니다.
Taught by
Google Cloud Training
