연락처 정보

코스 개요

소개

  • 제네러티브 AI 리더 인증: 가치와 대상
  • 시험 형식, 영역 및 가중치, 준비 방법

생성형 AI 기본 원리 (~30%)

  • 핵심 생성형 AI 개념 및 사용 사례 (AI, ML, LLM, 파운데이션 모델, 멀티모달 및 확산 모델, 프롬프트 엔지니어링)
  • 머신러닝 접근 방식 (지도학습, 비지도학습, 강화학습) 및 머신러닝 라이프사이클
  • 파운데이션 모델 선택 기준 (모달리티, 컨텍스트 윈도우, 비용, 성능, 커스터마이징)
  • 생성형 AI의 데이터 유형 및 데이터 품질 (구조화 vs 비구조화, 레이블あり vs 없음)
  • 생성형 AI 생태계 계층 및 구글의 파운데이션 모델 (제이미니, 겜마, 이미지, 베오)

구글 클라우드의 생성형 AI 솔루션 (~35%)

  • 구글 클라우드의 생성형 AI 강점 및 AI 최적화 인프라 (TPU, GPU, 하이퍼컴퓨터)
  • 사전 구축된 솔루션: 제이미니 앱 및 제이미니 어드밴스드, 구글 워크스페이스용 제이미니, 제이미니 엔터프라이즈
  • 고객 경험: 고객 참여 스위트 (대화형 에이전트, 에이전트 어시스트, 대화 인사이트)
  • 개발자 활성화: 버텍스 AI / 에이전트 플랫폼, 모델 가든 및 RAG 솔루션
  • 생성형 AI 에이전트 도구 모음 (확장 기능, 함수, 데이터 저장소) 및 관련 구글 클라우드 서비스

생성형 AI 모델 출력 개선 기법 (~20%)

  • 파운데이션 모델의 한계 극복 (지식 cutoff, 편향, 환각, 에지 케이스)
  • 프롬프트 엔지니어링 기법 (제로샷, 원샷, 퓨샷, 역할, 프롬프트 체이닝, 사고 과정 연쇄, ReAct)
  • 그라우딩 및 검색 증강 생성(RAG)
  • 출력 제어를 위한 샘플링 매개변수 (온도, top-p, 토큰 수, 안전 설정)

성공적인 생성형 AI 솔루션을 위한 비즈니스 전략 (~15%)

  • 구현 단계 및 솔루션 선택 방법론
  • 보안 강화 AI 및 구글의 보안 AI 프레임워크(SAIF)
  • 책임 있는 AI: 프라이버시, 편향 및 공정성, 책임 및 설명 가능성

시험 준비

  • 모의 질문 및 영역별 리뷰
  • 풀 모의 시험 및 정답 분석
  • 학습 계획 및 시험 당일 전략

요약 및 다음 단계

요건

선행 요건

  • 기술적 선행 요건 불필요
  • 비즈니스 기술에 대한 일반적인 이해가 도움이 됩니다

대상

  • 리더, 관리자 및 의사 결정자
  • 제네러티브 AI를 도입하는 모든 역할의 비즈니스 전문가
  • 구글 클라우드 제네러티브 AI 리더 인증을 준비하는 모든 사람
 14 시간

참가자 수


참가자별 가격

회원 평가 (1)

예정된 코스

관련 카테고리