Firebase를 Next.js 앱과 통합하는 방법을 알아보세요.

Firebase 앱 체크는 요청이 적법한 앱과 기기에서 발생하는지 확인하여 결제 사기 및 피싱과 같은 악용으로부터 백엔드 리소스를 보호합니다. Firebase 서비스 및 자체 백엔드 서비스와 모두 호환되므로 리소스를 안전하게 보호할 수 있습니다. Firebase 문서에서 Firebase 앱 체크 에 관해 자세히 알아보세요. 앱 체크는 플랫폼별 서비스를 사용하여 앱 또는 기기의 무결성을 확인합니다. 이러한 서비스를 증명 제공업체 라고 합니다.

이 Codelab에서는 Firebase Performance Monitoring을 샘플 앱에 추가하고 기능 출시 중에 성능을 측정하는 방법을 알아봅니다.

App Attest와 함께 Firebase 앱 체크 를 사용하여 백엔드 서비스를 보호하고 Firebase 서비스에 대한 요청이 인증된 앱에서 전송되었는지 확인할 수 있습니다. 일반적으로 할당량 한도를 초과하지 않도록 사용자를 App Attest 서비스에 점진적으로 온보딩하는 것이 좋습니다. 자세한 내용은 Apple의 ' 앱 증명 서비스 사용 준비 ' 문서를 참고하세요. ' 버전 업데이트 단계적 출시 '에 설명된 대로 Apple의 App

이 Codelab에서는 Firebase와 TensorFlow Lite를 사용하여 텍스트 분류를 구현하는 방법을 알아봅니다.

이 Codelab에서는 TFLite 모델을 배포하여 사용자별로 앱을 맞춤설정하고 인앱 구매를 최적화하는 방법을 알아봅니다.

이 Codelab에서는 Swift로 iOS에서 Firebase 플랫폼을 사용하는 방법을 알아봅니다.

이 Codelab에서는 FCM HTTP v1 API를 사용하여 여러 플랫폼에서 실행되는 앱에 푸시 알림을 전송합니다. Android/iOS/웹에서 원활하게 실행되는 Flutter를 사용하여 앱을 빌드합니다.

Firebase로 Flutter 모바일 앱을 빌드하는 방법을 알아보세요.

이 Codelab에서는 Flutter를 사용하여 Android, iOS, 웹용 간단한 음악 플레이어를 빌드합니다. 이 플레이어는 Firebase RTDB에 연결되므로 사용자가 여러 기기에서 재생을 동기화할 수 있습니다.

테스터에게 최신 버전의 앱을 빠르게 제공하세요. 이러한 방식으로

이 Codelab에서는 Firebase 플랫폼으로 Android 앱을 빌드하는 방법을 알아봅니다.

이 Codelab에서는 채팅 앱을 빌드하여 웹에서 Firebase 플랫폼을 사용하는 방법을 알아봅니다.

Gemini API와 함께 Firebase 확장 프로그램을 사용하여 맞춤형 추천과 같은 AI 기반 기능이 포함된 웹 앱을 빌드하는 방법을 알아보세요.

이 Codelab에서는 Tensorflow와 Firebase를 사용하여 앱의 콘텐츠 추천 엔진을 만드는 방법을 알아봅니다.

이 Codelab에서는 샘플 앱을 빌드하고 Firebase Performance Monitoring으로 로드 시간과 화면 렌더링을 측정하는 방법을 알아봅니다.

Firebase와 StackBlitz 온라인 편집기를 사용하여 처음부터 웹 앱을 빌드하세요. 기본 HTML 및 JavaScript를 사용하여 Firebase와 통신합니다. Firebase Console을 사용하고 Firebase를 앱에 통합하는 방법을 소개합니다. 폭넓은 사전 지식이나 소프트웨어 설치가 필요하지 않습니다.

앱 배포 SDK를 사용하여 테스터에게 최신 버전을 빠르게 제공하세요. 이 Codelab에서는 새 빌드를 사용할 수 있게 되면 테스터에게 인앱 알림을 표시하도록 앱을 업데이트합니다.

차단 함수를 사용하여 다중 인증을 구현하고 맞춤 인증 요구사항을 만드는 방법을 알아봅니다.

Terraform을 사용하여 인프라 및 Firebase 제품의 프로그래매틱 구성을 비롯한 Firebase 프로젝트를 설정하고 관리합니다.

이 Codelab에서는 웹 앱에서 Firebase Performance Monitoring을 설정하고 이를 사용하여 최종 사용자에게 앱이 잘 실행되도록 하는 방법을 알아봅니다.

이 Codelab에서는 Firebase와 TensorFlow Lite를 사용하여 텍스트 분류를 구현하는 방법을 알아봅니다.

이 Codelab에서는 Tensorflow와 Firebase를 사용하여 앱의 콘텐츠 추천 엔진을 만드는 방법을 알아봅니다.

이 Codelab에서는 사용자가 앱 배포와 fastlane 플러그인을 함께 사용하여 iOS 빌드를 배포하고 테스트 기기를 등록합니다. 그런 다음 사용자는 앱 배포 콘솔에서 기기 및 UDID의 .txt 파일을 내보내고 이러한 기기 등록을 자동화합니다 (임시 iOS 빌드 배포의 요구사항).

이 Codelab에서는 Firebase용 Cloud Functions를 사용하여 채팅 앱 사용자에게 알림을 보내는 방법을 알아봅니다.

이 Codelab에서는 FCM 주제를 사용하여 특정 앱 인스턴스 그룹에 푸시 메시지를 멀티캐스트하는 방법을 알아봅니다.

이 Codelab에서는 코드 몇 줄만으로 Flutter 앱에 Firebase 인증을 추가하는 방법을 알아봅니다.

Google Cloud Platform에서 멀티 에이전트 시스템의 강력한 기능을 보여주는 'Aidemy'라는 AI 기반의 기능성 교육 보조 시스템을 개발합니다. Google Cloud에서 복잡한 멀티 에이전트 시스템을 설계, 빌드, 배포하고, LLM 애플리케이션 개발의 핵심 개념을 숙지하며, 이벤트 기반 아키텍처의 이점을 이해하는 실무 경험을 쌓을 수 있습니다.

이 Codelab에서는 텍스트 및 이미지를 통해 고객 검색에 일치하는 장난감을 찾고, 사용자 요청에 따라 맞춤 장난감을 만들고, AlloyDB, Gemini, Imagen, LangChain4j, 데이터베이스용 생성형 AI 도구 상자를 사용하여 맞춤 제작된 장난감의 가격을 예측하도록 설계된 RAG 기반 벡터 검색 애플리케이션을 빌드합니다.

이 Codelab에서는 AlloyDB 클러스터를 만들고, 데이터베이스를 위한 생성형 AI 데이터베이스 검색 서비스를 배포하며, 이 서비스를 사용하여 샘플 애플리케이션을 만드는 방법을 알아봅니다.

이 Codelab에서는 GKE 클러스터에 AlloyDB Omni를 배포하고, 동일한 클러스터에 I 모델을 배포하고, AlloyDB Omni에 모델을 등록하고, 함께 작동하도록 하는 방법을 알아봅니다.

이 Codelab에서는 컴퓨팅 VM에 AlloyDB Omni를 배포하고, 데이터를 로드하고, AlloyDB 열 형식 엔진을 사용하여 성능을 개선하는 방법을 알아봅니다.

이 Codelab에서는 AlloyDB AI를 벡터 검색과 함께 사용하고 벡터 데이터에 색인을 만드는 방법을 알아봅니다.

이 Codelab에서는 Cloud SQL AI 통합을 벡터 검색과 함께 사용하고 벡터 데이터에 색인을 만드는 방법을 알아봅니다.

이 Codelab에서는 AlloyDB용 Private Service Connect를 만드는 방법을 알아봅니다.

이 Codelab에서는 Cloud SQL용 Private Service Connect를 만드는 방법을 알아봅니다.

이 Codelab에서는 데이터베이스용 생성형 AI 도구 상자를 사용하여 AlloyDB 및 생성형 AI 기능을 사용하는 가격 예측 애플리케이션용 도구 상자를 빌드하고 배포합니다.

이 Codelab에서는 지식 기반 요가 자세 추천 앱을 만드는 방법을 안내합니다. 이 앱은 일치하는 요가 자세를 제안하여 사용자 질문에 답변합니다. Hugging Face 데이터 세트에서 요가 자세의 Firestore 컬렉션을 빌드하고, Firestore 벡터 검색을 설정하고, 모든 것을 Flask 애플리케이션에 통합하는 방법을 알아봅니다.

이 Codelab에서는 사용자의 질문과 일치하는 요가 자세에 관한 질문에 답변하도록 설계된 지식 기반 문맥 요가 자세 검색 앱을 빌드합니다. 요가 자세를 만들고 수정하는 등의 관리 작업도 할 수 있습니다.

이 Codelab에서는 기기 내 머신러닝을 사용하여 59개 언어 간의 텍스트를 인식, 식별, 번역하는 ML Kit로 Android 앱을 빌드합니다. 또한 CameraX 라이브러리를 통합하여 실시간 카메라 피드에서 이러한 작업을 실행하는 방법도 알아봅니다.

이 Codelab에서는 지식 기반 요가 자세 추천 앱을 만드는 방법을 안내합니다. 이 앱은 일치하는 요가 자세를 제안하여 사용자 질문에 답변합니다. Hugging Face 데이터 세트에서 요가 자세의 Firestore 컬렉션을 빌드하고, Firestore 벡터 검색을 설정하고, 모든 것을 Node.js 애플리케이션에 통합하는 방법을 알아봅니다.

이 Codelab에서는 이전 PHP 애플리케이션을 Google Cloud로 현대화하고 컨테이너화하여 Cloud Run에 배포하고 Cloud SQL에 연결합니다. 또한 Cloud Build로 애플리케이션 CI/CD를 살펴보고 Secret Manager로 보호해 봅니다.

Firebase와 Jetpack Compose를 사용하여 인증, 성능 모니터링, 선언적 UI, 기능 신고를 추가하여 할 일 목록 Android 앱의 기능을 빌드하세요.

Firestore 벡터 검색 사용 방법 알아보기

이 Codelab에서는 Cloud Firestore를 사용하는 웹 앱을 빌드하는 방법을 알아봅니다.

이 Codelab에서는 Firebase Extensions를 사용하여 온라인 Marketplace 웹 앱에 기능을 추가합니다.

이 Codelab에서는 Cloud Firestore를 사용하는 iOS 앱을 빌드하는 방법을 알아봅니다.

이 Codelab에서는 Cloud Firestore를 사용하는 Android 앱을 빌드하는 방법을 알아봅니다.

Cloud Scheduler 및 Cloud Run 서비스를 사용하여 VPC SC 경계 내에서 정기적으로 Cloud Run 작업을 실행하는 방법을 알아봅니다.

비공개 서비스 액세스 네트워킹이 사용 설정된 기존 CloudSQL 인스턴스에서 PSC 연결을 사용 설정합니다. 그런 다음 다른 프로젝트의 PSC 엔드포인트를 통해 연결합니다.

PSC 서비스 연결을 사용하여 CloudSQL 인스턴스를 만듭니다. 다른 프로젝트의 PSC 엔드포인트를 통해 연결합니다.

이 Codelab에서는 Spanner 인스턴스를 만들고 Spanner Graph를 사용하는 방법을 알아봅니다.

이 실습에서는 Dataproc에서 PySpark를 사용하여 BigQuery에서 데이터를 로드하고 Google Cloud Storage에 저장하는 방법을 보여줍니다.

이 Codelab에서는 Google Cloud Functions (2세대)에 관해 알아봅니다. 구체적으로 HTTP 호출, Pub/Sub 메시지, Cloud Storage 이벤트, Cloud 감사 로그에 응답하는 함수를 배포합니다.

이벤트 기반 Cloud Run 함수 시작 방법

Cloud Run GPU에서 안정적인 확산을 실행하는 방법 알아보기

컨테이너화된 앱에 서버리스 민첩성을 제공하는 Cloud Run으로 웹사이트를 배포하는 방법을 알아봅니다.

이 Codelab에서는 Cloud KMS 비대칭 키를 사용하여 데이터를 암호화하고 복호화합니다.

이 Codelab에서는 Java에서 생성형 AI를 사용하고, Vertex AI에서 Gemini 대규모 언어 모델을 통합하고, LangChain4j 프레임워크를 활용하여 사용자와 채팅하거나, 문서에 대해 질문하거나, 함수 호출로 모델을 확장해 봅니다.

이미 알고 있는 앱 개발 기술과 도구를 사용하여 Firebase Genkit로 생성형 AI 기능을 빌드하는 방법을 알아보세요.

가상 에이전트를 빌드하기 위한 대화형 AI 플랫폼 (CAIP)인 Dialogflow CX를 사용하여 소매 챗봇을 빌드하는 방법을 알아보세요.

로컬 머신의 Visual Studio Code 내에서 Node.js용 Cloud Functions를 코딩, 배포, 디버그하는 방법을 알아봅니다.

Cloud Run GPU에서 안정적인 확산을 실행하는 방법 알아보기

이 Codelab에서는 서버리스 구성요소(웹 엔진용 Cloud Run, 데이터베이스용 Cloud SQL, 미디어 저작물용 Cloud Build)를 사용하여 Wagtail을 배포하는 방법을 알아봅니다.

이 Codelab에서는 Confidential Space를 사용하여 다자간 컴퓨팅으로 디지털 애셋을 거래하는 방법을 알아봅니다.

이 튜토리얼에서는 Python으로 Translation API를 사용하는 방법을 알아봅니다.

오픈소스 Lustre Deployment Manager 스크립트를 사용하여 Google Cloud Platform에 Lustre Parallel 파일 시스템을 배포하는 방법을 알아봅니다.

이 Codelab에서는 Confidential Space를 사용하여 머신러닝 모델과 지식 재산을 보호하는 방법을 알아봅니다.

이 Codelab에서는 Places API를 요청하기 전에 Firebase AppCheck 및 reCAPTCHA로 웹 애플리케이션을 검증하는 방법을 알아봅니다.

이 Codelab에서는 고객 질문에 답하고, 제품 탐색을 안내하며, 전자상거래 데이터 세트에 대한 검색 결과를 맞춤설정하도록 설계된 지식 기반 채팅 애플리케이션을 빌드합니다.

이 튜토리얼에서는 Airflow DAG를 통해 GKE에서 vLLM을 사용하여 모델을 학습하고 실행하는 방법을 알아봅니다.

이 Codelab에서는 서명된 컨테이너 이미지 기능을 활용하여 Confidential Space의 사용성을 개선하는 방법을 알아봅니다.

Python SDK 및 PSC 엔드포인트를 통해 VM에서 Gemini에 액세스

이 Codelab에서는 Vertex AI Conversation을 사용하여 데이터 스토어 에이전트와 채팅 앱을 생성, 구성, 배포하여 Google 스토어의 제품에 대한 고객 질문에 답변합니다.

Google Cloud Storage에 업로드된 파일을 처리하고 콘텐츠에 대해 Vertex AI PaLM API를 사용하여 요약을 수행하는 방법을 보여주는 Cloud 함수입니다.

BigQuery ML에서 SQL만 사용하여 영화 점수 예측 모델 만들기

Vertex AI AutoML을 사용해 영화 점수 예측 모델을 만들어 API 엔드포인트에 배포하고 Java Cloud Functions에서 Prediction API를 트리거합니다.

이 Codelab에서는 Gemini Pro를 사용하여 멀티모달 질문 답변 시스템을 빌드하는 방법을 알아봅니다.

이 Codelab에서는 Python과 함께 Google Cloud Translation API를 사용하여 로컬에서 실행하거나 Cloud 서버리스 컴퓨팅 플랫폼 (App Engine, Cloud Functions 또는 Cloud Run)에 배포하는 방법을 알아봅니다.

이 Codelab에서는 Dataprep을 사용하여 Google Forms 설문조사 데이터를 변환하고 심층 분석을 위해 BigQuery에 푸시하는 방법을 알아봅니다.

이 Codelab에서는 Python과 함께 Google Cloud Translation API를 사용하여 로컬에서 실행하거나 Cloud 서버리스 컴퓨팅 플랫폼 (App Engine, Cloud Functions 또는 Cloud Run)에 배포하는 방법을 알아봅니다.

이 Codelab에서는 서버리스 구성요소(웹 엔진용 Cloud Run, 데이터베이스용 Cloud SQL, 미디어 애셋용 Cloud Build)를 사용하여 Django를 배포하는 방법을 알아봅니다.

이 Codelab에서는 Python과 함께 Google Cloud Translation API를 사용하여 로컬에서 실행하거나 Cloud 서버리스 컴퓨팅 플랫폼 (App Engine, Cloud Functions 또는 Cloud Run)에 배포하는 방법을 알아봅니다.

이 Codelab에서는 Cloud Run용 이벤트에 대해 알아봅니다. 구체적으로는 Cloud Pub/Sub, 감사 로그, Cloud Storage, Cloud Scheduler의 이벤트를 수신 대기하고 커스텀 이벤트의 생성/사용 방법을 알아봅니다.

이 Codelab에서는 Vertex AI를 사용하여 LLM의 지도 미세 조정을 수행하는 방법을 알아봅니다.

Spring Native는 Spring 6.x 및 Spring Boot 3.x의 메인라인에 진입할 예정인 새로운 프로젝트이므로 출시 몇 달 전에 이 기능에 익숙해질 절호의 기회입니다.

이 Codelab에서는 백엔드 서비스를 사용하여 TCP/SSL 부하 분산기를 만들고 특정 사용자 클라이언트 집합으로만 부하 분산기에 대한 액세스를 제한합니다.

이 Codelab에서는 Confidential Space를 사용하여 기밀성을 유지하면서 다자간 데이터 공유를 보호하는 방법을 알아봅니다.

이 Codelab에서는 Google Slides API 및 BigQuery를 사용하여 가장 일반적인 소프트웨어 라이선스에 대한 분석을 보고하는 프레젠테이션을 빌드합니다.

이 실습에서는 AI Platform Notebooks를 사용해 머신러닝 워크플로 프로토타입을 제작하는 방법을 알아봅니다. 커스텀 Notebooks 인스턴스 만들기, git에서 노트북 코드 추적, What-If 도구로 모델을 디버깅하는 방법을 다룹니다.

Cloud Run 함수에서 버전을 사용하여 트래픽 분할, 점진적 출시, 롤백을 실행하는 방법을 알아봅니다.

이 실습에서는 Spark MLlib 및 spark-nlp를 사용하여 대량의 데이터에 대해 머신러닝과 NLP를 수행하는 방법을 보여줍니다.

이 Codelab에서는 C#으로 작성된 Google Cloud Run 함수에 대해 알아봅니다. 더 구체적으로 말하면 다양한 Google Cloud 소스의 HTTP 및 CloudEvents에 응답하는 C# 함수를 배포합니다.

이 Codelab에서는 Python과 함께 Google Cloud Translation API를 사용하여 로컬에서 실행하거나 Cloud 서버리스 컴퓨팅 플랫폼 (App Engine, Cloud Functions 또는 Cloud Run)에 배포하는 방법을 알아봅니다.

Cloud Run에 마이크로서비스를 배포하고 마이크로서비스를 통해 다른 마이크로서비스에 '무지개'를 던져 경쟁을 벌이는 가상의 럼퍼스에 참여하여 Google Cloud에 대해 알아보세요. Kotlin, Java, Go, Python 또는 Node.js 마이크로서비스를 배포하는 실습을 진행하면서 컨테이너와 Cloud Run에 대해 알아봅니다. 알고리즘을 꾸준히 개선하여 다른 모험가보다 더 많은 포인트를 획득할 수 있는지 확인하세요.

GKE를 사용하여 웹사이트를 배포, 확장, 업데이트하는 방법을 알아보세요.

이 튜토리얼에서는 Python과 함께 Natural Language API를 사용하는 방법을 알아봅니다.

이 Codelab에서는 Eventarc 및 Workflows를 사용하여 이미지를 처리하는 마이크로서비스의 이벤트 기반 조정을 빌드합니다.

Gemini Code Assist Enterprise의 새로운 기능과 조직이 Google Cloud를 사용하여 빌드하는 데 이 기능이 어떻게 도움이 되는지 알아보세요.

이 Codelab에서는 Confidential Space를 사용하여 기밀성을 유지하면서 다자간 데이터 공유를 보호하는 방법을 알아봅니다. 이 Codelab에서는 Google Cloud 이외의 위치에서 호스팅되는 보호된 리소스와 함께 Confidential Space를 사용하는 방법을 중점적으로 설명합니다. nonce, 대상, PKI 토큰 유형을 제공하여 Google 증명 서비스에서 맞춤 토큰을 요청하는 방법을 알아봅니다.

이 Codelab에서는 CloudSQL용 Private Service Connect를 만드는 방법을 알아봅니다.

호출에 대한 인증을 요구하여 Cloud Functions를 보호하는 방법을 알아봅니다.

이 가이드에서는 기존 네트워크 부하 분산기를 대상 풀 백엔드에서 리전 백엔드 서비스로 전환하는 방법을 안내합니다.

이 Codelab에서는 Google Cloud 운영 제품군에 대해 알아봅니다. 이 실습에서는 gcloud를 사용하여 샘플 애플리케이션을 설치합니다. 샘플 애플리케이션이 배포되면 Cloud Monitoring을 사용하여 대시보드, 알림, 업타임 체크 등을 정의합니다.

호출 시 인증을 요구하여 Cloud Run 함수를 보호하는 방법 알아보기

Flutter로 개발하는 동안 Firebase 에뮬레이터 도구 모음을 사용하는 방법을 설명하는 Codelab입니다. 이 Codelab에서는 인증 및 Firestore 에뮬레이터를 사용하여 에뮬레이터 사용을 보여줍니다.

이 실습에서는 Vertex Pipelines 에서 Kubeflow Pipelines SDK를 사용하여 맞춤 모델 학습 작업을 실행하는 방법을 알아봅니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $5 입니다. 이 실습에서는 Google Cloud의 엔드 투 엔드 관리형 ML 플랫폼인 Vertex AI 를 사용합니다. Vertex AI는 Google Cloud 전반의

이 실습에서는 Vertex AI 를 사용하여 사전 학습된 이미지 분류 모델에서 예측을 얻습니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $1 입니다. 이 실습에서는 Google Cloud에서 제공되는 최신 AI 제품을 사용합니다. Vertex AI 는 Google Cloud 전반의 ML 제품을 원활한 개발 환경으로 통합합니다. 예전에는 AutoML로 학습된 모델과 커스텀

이 실습에서는 Vertex ML 메타데이터 를 사용하여 Vertex Pipelines 실행의 메타데이터를 분석하는 방법을 알아봅니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $2 입니다. 이 실습에서는 Google Cloud에서 제공되는 최신 AI 제품을 사용합니다. Vertex AI 는 Google Cloud 전반의 ML 제품을 원활한 개발 환경으로 통합합니다.

이 실습에서는 자동 패키징 기능을 사용하여 Vertex AI 학습에서 커스텀 학습 작업을 실행하는 방법을 알아봅니다. Vertex AI의 커스텀 학습 작업은 컨테이너를 사용합니다. 자체 이미지를 빌드하고 싶지 않다면 자동 패키징을 사용하면 됩니다. 자동 패키징은 코드를 기반으로 맞춤 Docker 이미지를 빌드하고, 이미지를 Container Registry에 푸시하고, 이미지를 기반으로 CustomJob 를 시작합니다. 다음 작업을 수행하는

이 실습에서는 Vertex AI Pipelines 를 사용하여 ML 파이프라인을 만들고 실행하는 방법을 배웁니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $25 입니다. 이 실습에서는 Google Cloud에서 제공되는 최신 AI 제품을 사용합니다. Vertex AI 는 Google Cloud 전반의 ML 제품을 원활한 개발 환경으로 통합합니다. 예전에는 AutoML로

간단한 Java App Engine 앱을 변환하고, 빌드팩으로 컨테이너화하고, Cloud Run으로 이동하는 방법을 알아봅니다.

Gemini를 사용하여 BigQuery (SQL 전용 생성형 AI)로 도서 추천 및 요약 분석을 생성할 수 있습니다.

간단한 Java App Engine 앱을 변환하고, Jib를 사용하여 컨테이너화하고, Cloud Run으로 이동하는 방법을 알아봅니다.

이 Codelab에서는 전역 외부 애플리케이션 부하 분산을 위해 고급 부하 분산 최적화 기능을 설정하는 방법을 알아봅니다.

이 Codelab에서는 Cloud Foundation Toolkit(CFT)을 시작하고 CFT 모듈에 기능을 추가하는 일련의 단계를 통해 온보딩합니다.

Cloud 함수에서 Vertex AI 생성형 AI (Gemini)를 BigQuery의 원격 함수로 사용하여 도서 추천 및 요약 앱을 만들어 보겠습니다.

간단한 Java App Engine 앱을 변환하고, Docker로 컨테이너화하고, Cloud Run으로 이동하는 방법을 알아봅니다.

이 Codelab에서는 Vertex AI Search/Agent Builder를 사용하여 문서 및 텍스트 파일의 쿼리에 답할 수 있는 Google 품질의 검색엔진을 빌드합니다.

이 Codelab에서는 Vertex AI를 사용하여 제공된 사양에 따라 퀴즈 퀴즈를 생성합니다. 클라우드에서 호스팅되는 개발자 환경에서 퀴즈 생성기를 테스트한 다음 Google Cloud Run에 배포하여 공개적으로 제공합니다. 실습을 마치면 퀴즈 생성기를 완전한 앱과 통합합니다.

이 Codelab에서는 온디바이스 머신러닝을 사용하여 59개 언어의 텍스트를 인식하고 식별하며 번역하는 ML Kit를 사용하여 Android 앱을 빌드합니다. 또한 CameraX 라이브러리를 통합하여 실시간 카메라 피드에서 이러한 작업을 실행하는 방법도 알아봅니다.

이 실습에서는 Vertex AI 의 공동 호스팅 모델 기능 을 사용하여 온라인 예측을 위해 동일한 VM에서 여러 모델을 호스팅합니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $2 입니다. 이 실습에서는 Google Cloud에서 제공되는 최신 AI 제품을 사용합니다. Vertex AI 는 Google Cloud 전반의 ML 제품을 원활한 개발 환경으로 통합합니다.

이 실습에서는 Vertex AI에서 커스텀 예측 루틴을 사용하여 커스텀 전처리 및 후처리 로직을 작성하는 방법을 알아봅니다. 이 샘플에서는 Scikit-learn을 사용하지만 커스텀 예측 루틴은 XGBoost, PyTorch, TensorFlow와 같은 다른 Python ML 프레임워크와도 작동할 수 있습니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 1달러

use-cmek-to-encrypt-cloud-functions

이 실습에서는 Vertex AI 를 사용하여 테이블 형식 데이터로 모델을 학습시키고 서빙합니다. Vertex AI는 Google Cloud의 최신 AI 제품으로서 현재 미리보기 버전으로 제공됩니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $22 입니다. 이 실습에서는 Google Cloud에서 제공되는 최신 AI 제품을 사용합니다. Vertex AI 는 Google

이 실습에서는 Vertex AI 를 사용하여 커스텀 컨테이너의 코드를 사용하여 TensorFlow 모델을 학습하고 제공합니다. 여기서는 모델 코드에 TensorFlow를 사용하지만 다른 프레임워크로 쉽게 교체할 수 있습니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $1 입니다. 이 실습에서는 Google Cloud에서 제공되는 최신 AI 제품을 사용합니다. Vertex

이 실습에서는 Vertex AI 를 사용하여 TensorFlow에서 커스텀 Keras 모델을 학습시키는 파이프라인을 빌드합니다. 그런 다음 Vertex AI Experiments 에서 제공되는 새로운 기능을 사용하여 모델 실행을 추적 및 비교하여 최고 성능의 초매개변수 조합을 식별합니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $1 입니다. 이 실습에서는 Google

이 실습에서는 Vertex AI 를 사용하여 TensorFlow 모델을 위한 멀티워커 학습 작업을 실행합니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $5 입니다. 이 실습에서는 Google Cloud에서 제공되는 최신 AI 제품을 사용합니다. Vertex AI 는 Google Cloud 전반의 ML 제품을 원활한 개발 환경으로 통합합니다. 예전에는 AutoML로 학습된

이 실습에서는 재무 데이터 세트에서 XGBoost 모델을 학습시키고, 이를 Vertex AI에 배포하고, What-If 도구로 분석하는 방법을 알아봅니다.

이 실습에서는 데이터 탐색 및 ML 모델 학습에 Vertex AI Workbench를 사용하는 방법을 알아봅니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $1 입니다. 이 실습에서는 Google Cloud에서 제공되는 최신 AI 제품을 사용합니다. Vertex AI 는 Google Cloud 전반의 ML 제품을 원활한 개발 환경으로 통합합니다. 예전에는 AutoML로

이벤트 기반 Cloud Run 함수를 시작하는 방법

Cloud Run GPU 및 Open WebUI를 프런트엔드 인그레스 컨테이너로 사용하여 Ollama를 사이드카로 사용하는 방법을 알아봅니다.

Cloud Run에서 LangChain 앱을 빌드하고 배포하는 방법을 알아봅니다.

Dialogflow의 fulfillment 개념에 대해 알아봅니다.

Vision API를 Dialogflow와 통합하는 방법을 알아봅니다.

프로그래매틱 방식으로 이벤트를 수신 대기하고 삽입된 Looker 콘텐츠에서 작업을 전송하는 방법을 알아봅니다.

Looker Embed SDK로 Looker 대시보드를 삽입하는 방법을 알아봅니다.

이 Codelab에서는 gcloud CLI를 사용하여 Jenkins와 같은 기존 CI/CD 시스템에서 대규모 테스트 모음을 프로그래매틱 방식으로 실행하는 방법을 설명합니다. 이 Codelab은 플랫폼과 독립적입니다.

이 튜토리얼에서는 하이브리드 네트워킹을 통해 Looker Cloud Core 비공개 IP를 구성하고 검증하는 방법을 알아봅니다.

이 Codelab에서는 로컬 개발을 위해 Looker 대시보드 요약 확장 프로그램을 설정하고 확장 프로그램을 프로덕션에 배포하는 방법을 알아봅니다.

Firebase 에뮬레이터 도구 모음으로 웹 앱을 개발하는 방법을 알아봅니다.

이 Codelab에서는 Private Service Connect를 사용하여 L7 부하 분산기를 연결하는 방법을 알아봅니다.

이 Codelab에서는 실시간 데이터를 처리하면서 확장과 복원력을 달성하는 데 일반적으로 사용되는 아키텍처 패턴을 직접 경험해 봅니다. 날씨 데이터를 측정하는 IoT 기기 (Raspberry Pi)를 빌드한 다음, Google의 Cloud Platform을 사용하여 메시지 큐, 서버리스 기능, 클라우드 기반 데이터 웨어하우스, 분석 대시보드가 포함된 데이터 파이프라인을 생성합니다.

보안 규칙으로 Firestore 데이터를 보호하는 방법 알아보기

이 실습에서는 Vertex AI Workbench를 사용하여 노트북 실행을 구성하고 실행하는 방법을 알아봅니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $2 입니다. 이 실습에서는 Google Cloud에서 제공되는 최신 AI 제품을 사용합니다. Vertex AI 는 Google Cloud 전반의 ML 제품을 원활한 개발 환경으로 통합합니다. 예전에는 AutoML로

Cloud Dataflow를 사용하고, Cloud Dataflow SDK로 Maven 프로젝트를 만들고, Google Cloud Platform Console을 사용해 분산형 작업 수 파이프라인을 실행합니다.

이 Codelab에서는 데이터베이스를 만들고, 데이터베이스용 생성형 AI 검색 서비스를 배포하고, 이 서비스를 사용하여 샘플 채팅 애플리케이션을 만드는 방법을 알아봅니다.

앱 배포 Android SDK를 사용하여 최신 버전을 테스터에게 빠르게 제공하세요. 이 Codelab에서는 새 버전이 출시되면 테스터에게 인앱 알림을 표시하도록 앱을 업데이트합니다.

이 Codelab에서는 Python / Keras 코드 100줄로 99% 의 정확도로 필기 입력된 숫자를 인식하도록 컴퓨터를 학습시킵니다.

이 튜토리얼에서는 Python과 함께 Video Intelligence API를 사용하는 방법을 알아봅니다.

클라우드 서비스를 빌드하고 연결하기 위한 Google의 서버리스 실행 환경인 Cloud Functions를 시작해 보세요. 이 실습에서는 Google Cloud 콘솔을 사용하여 Cloud 함수를 만들고 배포하고 테스트하는 방법을 보여줍니다.

이 Codelab에서는 C#으로 Google Cloud Vision API를 사용하는 방법을 알아봅니다.

이 Codelab에서는 DLP API를 사용하여 Cloud Storage에 업로드된 데이터를 자동으로 분류하는 방법을 알아봅니다. Cloud Storage에 업로드된 데이터 분류 자동화 기준

Docker 또는 Dockerfile 없이 Spring Boot Kotlin 앱에 최적화된 Docker 이미지를 빌드 및 게시한 다음 Cloud Run에서 빌드된 이미지를 실행하는 방법을 알아봅니다.

이 Codelab에서는 ASP.NET Core 코드를 Google Kubernetes Engine의 Kubernetes에서 실행되는 복제된 애플리케이션으로 변환하는 방법을 알아봅니다.

이 Codelab에서는 Istio를 사용하여 ASP.NET Core 앱을 Google Kubernetes Engine에 배포하는 방법을 알아봅니다.

이 Codelab에서는 gRPC를 통해 API를 노출하는 Java 기반 서비스를 빌드하는 방법을 알아봅니다. 그런 다음 gRPC 서비스를 위한 Java 명령줄 클라이언트를 작성합니다.

이 Codelab에서는 CLI 명령어나 SDK를 사용하지 않고 Kubeflow Pipelines에서 초매개변수 조정을 사용하여 복잡한 데이터 과학 파이프라인을 빌드하고 배포하는 방법을 알아봅니다.

이 Codelab에서는 1부에서 만든 ASP.NET Core 애플리케이션을 계속 작업하면서 더 많은 Istio 기능을 추가합니다.

이 Codelab에서는 Python 2 App Engine Cloud NBS 및 Cloud Tasks (v1) 앱을 Python 3, Cloud Datastore, Cloud Tasks (v2)로 마이그레이션하는 방법을 알아봅니다.

이 Codelab에서는 Micronaut 마이크로서비스를 Google Kubernetes Engine에서 실행되는 복제된 서비스로 변환하는 방법을 알아봅니다.

이 Codelab에서는 GKE를 사용하여 Cloud AI Platform 파이프라인 설치 (호스팅된 KFP)를 설정하고, Kubeflow Pipelines를 사용하여 ML 워크플로를 빌드 및 실행하고, AI Platform 노트북 (Jupyter) 내에서 파이프라인을 정의하고 실행합니다.

이 Codelab에서는 gRPC를 통해 API를 노출하는 C# 서비스를 빌드하고 gRPC 서비스를 호출하는 C# 클라이언트를 빌드하는 방법을 알아봅니다.

이 Codelab에서는 CLI 명령어나 SDK를 사용하지 않고 Kubeflow Pipelines로 복잡한 데이터 과학 파이프라인을 빌드하고 배포하는 방법을 알아봅니다.

이 Codelab에서는 Google Cloud Platform에 관리형 Active Directory를 배포하는 방법을 알아봅니다.

이 Codelab에서는 Node.js와 함께 Text-to-Speech API를 사용하도록 오디오 파일의 스크립트를 작성합니다.

이 Codelab에서는 규칙 세트에 간단한 이름을 사용하여 상위 10개의 OWASP 취약점으로부터 보호할 수 있도록 하는 Cloud Armor의 사전 구성된 WAF 규칙에 대해 알아봅니다.

이 Codelab에서는 Google API용 Private Service Connect에 대해 알아봅니다. 더 구체적으로 스토리지 API에 대한 서비스 엔드포인트를 생성하고 클라우드 스토리지 버킷을 만듭니다. 검증을 수행할 수 있습니다

Compute Engine을 사용해 Google Cloud에서 웹 앱을 호스팅하고 확장하는 방법을 알아봅니다.

이 Codelab에서는 백엔드 서비스로 TCP/SSL 프록시 부하 분산기를 만들고 Cloud Armor를 사용하여 부하 분산기에 대한 액세스를 특정 사용자 클라이언트 집합으로 제한합니다.

이 Codelab에서는 먼저 Node.js 애플리케이션을 탐색하여 웹페이지의 스크린샷을 찍고 Cloud Storage에 저장합니다. 그런 다음 애플리케이션의 컨테이너 이미지를 빌드하고, Cloud Run에서 작업으로 실행하고, 더 많은 웹페이지를 처리하도록 작업을 업데이트한 뒤, Cloud Scheduler로 일정에 따라 작업을 실행합니다.

이 Codelab에서는 C#과 함께 Video Intelligence API를 사용하는 방법을 알아봅니다.

Google의 생성형 AI 기능을 사용해 회사 또는 제품에 대한 YouTube 인플루언서의 조회수를 분석하는 방법을 알아보세요.

Gemini 모델을 호출하여 함수 호출을 위한 입력을 조정하고, API를 호출한 다음, 다른 Gemini 호출에서 응답을 처리하고 이를 REST 엔드포인트에 배포하는 방식으로 Java 애플리케이션에서 Gemini 함수 호출 기능을 보여줍니다.

이 Codelab에서는 VM을 가동하고, 소프트웨어를 설치하며, 네트워크 부하 분산기를 통해 인터넷에서 이를 사용할 수 있도록 하면서 Google Compute Engine을 알아봅니다.

이 Codelab에서는 Python과 함께 BigQuery를 사용하는 방법을 알아봅니다.

이 Codelab에서는 부하 분산기 및 연결된 백엔드 서비스를 만듭니다. 그런 다음 Cloud Armor 봇 관리 규칙을 만들고 백엔드를 보호하는 방법을 알아봅니다.

이 튜토리얼에서는 Python으로 Document AI 프로세서를 관리하는 방법을 알아봅니다.

이 Codelab에서는 Workflows의 병렬 반복 기능과 동시에 Wikipedia 데이터 세트에 대해 BigQuery 작업을 실행하는 방법을 알아봅니다.

이 Codelab에서는 먼저 HTTP 대상 태스크를 위한 일반 Cloud Tasks 큐를 만들고 사용하는 방법을 알아봅니다. 그런 다음 큐 수준 HTTP URI 재정의와 새로운 BufferTask API를 사용해 Cloud Tasks로 HTTP 요청을 보다 쉽게 버퍼링하는 방법을 알아봅니다.

이 Codelab에서는 부하 분산기 및 연결된 백엔드 서비스를 만듭니다. 그런 다음 Cloud Armor 비율 제한 정책을 만들고 백엔드를 보호하는 방법을 알아봅니다.

이 Codelab에서는 Dataproc을 사용하여 관리형 Spark/Hadoop 클러스터를 시작하고, 샘플 Spark 작업을 제출하고, 명령줄을 사용하여 클러스터를 종료하는 방법을 알아봅니다.

이 Codelab에서는 새 Compute Engine 인스턴스를 만들고, 파이를 소수점 이하 자릿수 수백만 자릿수까지 계산하는 프로그램을 컴파일 및 실행합니다.

Cloud Build로 컨테이너화된 워크로드를 GKE에 지속적으로 배포하는 방법을 알아봅니다.

이 가이드에서는 Google App Engine에서 Python을 사용하여 간단한 웹 앱을 빌드하는 방법을 알아봅니다.

이 Codelab에서는 BigQuery의 기본사항과 BigQuery를 사용하여 Wikipedia 데이터 세트와 같은 테라바이트 규모의 데이터를 쿼리하는 방법을 알아봅니다.

이 Codelab에서는 Node.js 클라이언트 라이브러리와 함께 BigQuery를 사용하는 방법을 알아봅니다.

간단한 Spring Boot 앱을 빌드하고 App Engine 표준 환경에 배포하는 방법을 알아보세요.

이 Codelab에서는 Google Compute Engine의 Windows Server에 간단한 ASP.NET 앱을 배포하는 방법을 알아봅니다.

이 Codelab에서는 C#으로 BigQuery를 사용하는 방법을 알아봅니다.

Dialogflow 앱의 대화형 환경을 조성하는 프런트엔드 샌드박스 클라이언트를 빌드하는 방법을 알아봅니다.

이 Codelab에서는 브라우저를 나가지 않고도 Google Cloud Shell에서 ASP.NET Core 앱을 빌드하고 실행하는 방법을 알아봅니다.

이 Codelab에서는 Dialogflow 및 Google Calendar에서 지원하는 약속 스케줄러 채팅 앱을 보강하여 Google Chat에서 실행합니다. 커스텀 Google Chat 메시지를 빌드하고 배포합니다.

이 Codelab에서는 Java HBase 클라이언트를 사용하여 Cloud Bigtable을 소개합니다. 데이터를 로드한 다음 쿼리를 실행하고 데이터를 지도에 표시합니다.

이 Codelab에서는 간단한 ASP.NET Core 앱을 Google App Engine에 배포하는 방법을 알아봅니다.

이 실습에서는 BigQuery에서 데이터를 수집하고, Cloud AI Platform Notebooks 인스턴스에서 XGBoost 모델을 빌드하고, AI Platform에 모델을 배포하는 등 GCP의 완전한 ML 워크플로를 살펴봅니다.

이 실습에서는 VPC 서비스 제어 경계를 만들고 이를 사용하여 프로젝트를 보호합니다. 그런 다음 VPC 서비스 제어 인그레스 위반을 유발하고 거부 문제를 해결하는 프로세스를 살펴봅니다. 이 실습을 마치면 VPC 서비스 제어를 사용하여 리소스를 보호하는 방법을 더 잘 이해할 수 있게 됩니다.

이 Codelab에서는 Node.js 및 Cloud Run을 사용하여 Google Workspace 부가기능을 빌드하는 방법을 알아봅니다.

이 실습에서는 VPC 서비스 제어 경계를 만들고 이를 사용하여 프로젝트를 보호합니다. 그런 다음 VPC 서비스 제어 이그레스 위반을 유발하고 이그레스 규칙을 만들어 거부 문제를 해결하는 프로세스를 살펴봅니다. 이 실습을 마치면 VPC 서비스 제어를 사용하여 리소스를 보호하는 방법을 더 잘 이해할 수 있게 됩니다.

이 실습에서는 재무 데이터 세트에서 XGBoost 모델을 학습시키고, 이를 Cloud AI Platform에 배포하고, What-If 도구로 분석하는 방법을 알아봅니다.

이 Codelab에서는 Google Cloud 콘솔을 사용하여 프로젝트의 주 구성원에게 Identity and Access Management (IAM) 역할을 부여하는 방법을 보여줍니다.

이 Codelab에서는 고객 질문에 답하고, 제품 탐색을 안내하며, 전자상거래 데이터 세트에 대한 검색 결과를 맞춤설정하도록 설계된 지식 기반 채팅 애플리케이션을 빌드합니다.

이 Codelab에서는 특허 검색과 관련된 질문에 답변하고 특허 데이터 세트 사실을 기반으로 맥락상 관련성이 높은 결과를 소스로 가져오도록 설계된 지식 기반 채팅 애플리케이션을 빌드합니다.

이 Codelab에서는 서버리스 방식으로 스테이트리스(Stateless) 컨테이너를 배포하고 실행하여 Cloud Run을 시작하는 방법을 알아봅니다(인프라를 추상화함). Cloud Run은 완전 관리형 옵션은 물론 GKE 클러스터를 기반으로 실행하는 기능도 제공합니다.

이 Codelab에서는 Cloud SQL 프록시를 사용하여 Google의 비공개 내부 네트워크 내에서 Compute Engine 인스턴스와 Cloud SQL 간의 연결을 설정합니다.

이 Codelab에서는 어디서나 액세스할 수 있는 Cloud SQL 인스턴스에 간단하게 연결하는 방법을 알아봅니다.

Cloud Run 함수를 시작하는 방법을 알아봅니다.

Android-FHIR SDK, OHS, Google Cloud Healthcare API로 안전하고 확장 가능하며 규정을 준수하는 데이터 기반 의료 모바일 앱을 빌드하세요.

이 Codelab에서는 새로운 외부 HTTP 부하 분산기에서 사용할 수 있는 고급 트래픽 기능을 알아봅니다.

이 Codelab에서는 Gemini 1.0 Pro Vision, Gemini 1.5 Pro 등에서 지원되는 생성형 AI 모델을 사용하여 몇 분 만에 그림을 웹사이트 코드로 변환하는 Cloud Run 애플리케이션을 빌드합니다.

Dialogflow는 웹, Google 어시스턴트, 소셜 미디어, 전화 게이트웨이 등 다양한 통합 기능을 기본적으로 제공합니다. 그러나 챗봇을 모바일 기기에서 사용하려면 맞춤 통합을 만들어야 합니다. 이 실습에서는 Dialogflow Essentials를 Flutter 앱에 통합하는 방법을 알아봅니다.

localhost 포트와 볼륨 마운트를 사용하여 사이드카와 통신하는 Cloud Run 서비스를 만드는 방법을 알아봅니다.

이 Codelab에서는 Document AI 양식 파서를 사용하여 Python으로 필기 양식을 파싱하는 방법을 알아봅니다. 여기서는 간단한 의료 접수 양식을 예로 사용하지만, 이 절차는 DocAI에서 지원하는 일반화된 모든 양식에서 작동합니다. 이 Codelab은 다른 Document AI Codelabs에서 다룬 콘텐츠를 기반으로 합니다. 다음 Codelab을 먼저 완료한 후에 진행하는 것이 좋습니다. 이 Codelab에서는 Document

이 Codelab에서는 Document AI Workbench와 자체 학습 데이터를 사용하여 완전히 맞춤설정된 모델을 만드는 방법을 알아봅니다.

이 Codelab에서는 Document AI 업트레이닝을 사용하여 자체 학습 데이터로 모델 품질을 개선하는 방법을 알아봅니다.

동적 카드 응답을 사용하여 Google Chat용 커스텀 Dialogflow 챗봇을 빌드하는 방법을 알아봅니다.

이 Codelab에서는 Procurement DocAI와 Lending DocAI를 사용하여 전문 문서를 분류하고 파싱하는 방법을 알아봅니다.

이 Codelab에서는 Document AI와 Python을 사용하여 PDF 문서의 광학 문자 인식(OCR)을 수행합니다. 온라인(동기식) 및 일괄(비동기식) 프로세스 요청 모두를 만드는 방법을 살펴보겠습니다.

이 페이지에서는 Dataflow SQL을 사용하고 Dataflow SQL 작업을 만드는 방법을 설명합니다.

초보자 친화적인 이 Codelab을 통해 생성기 기능을 숙지할 수 있습니다. 생성기는 Google의 최신 생성형 대규모 언어 모델 (LLM)을 사용하여 에이전트 응답을 생성합니다. 이 Codelab의 컨텍스트에서는 데이터 저장소에서 정보를 가져오는 생성기를 사용하여 정보에 입각한 결정을 내립니다.

이 Codelab에서는 Document AI 인간 참여형(Human In The Loop)을 사용하여 특수 프로세서로 사람의 검토 작업을 완료하는 방법을 알아봅니다.

이 초보자 친화적인 Codelab에서는 Google의 최신 생성형 대규모 언어 모델 (LLM)을 사용하여 가상 에이전트 응답을 생성하는 생성형 대체 기능을 알아봅니다.

대화형 Beam으로 노트북 설정 및 실행

Gemini Code Assist를 사용하여 코드 테스트를 작성할 수 있습니다.

이 실습에서는 초매개변수 조정을 통해 클라우드에서 모델을 학습시키는 방법을 알아봅니다. PyTorch로 이 작업을 수행하는 방법을 보여드리지만 원하는 프레임워크에서 이 작업을 수행할 수 있습니다.

이 실습에서는 Notebooks, 학습, 예측, BigQuery ML을 다루는 Vertex AI를 사용하여 시계열 문제를 해결하는 방법을 알아봅니다.

이 Codelab에서는 C#과 함께 Translation API를 사용하는 방법을 알아봅니다.

이 튜토리얼에서는 Text-to-Speech API를 Python과 함께 사용하는 방법을 알아봅니다.

이 Codelab에서는 C#으로 Text-to-Speech API를 사용하는 방법을 알아봅니다.

이 튜토리얼에서는 Python과 함께 Vision API를 사용하는 방법을 알아봅니다.

이 Codelab에서는 Workflows를 사용하여 Google Cloud 및 HTTP 기반 API 서비스를 조정하고 자동화하는 방법을 알아봅니다.

이 Codelab에서는 Windows PowerShell용 Cloud 도구를 설치하고 사용하는 방법을 알아봅니다.

BigQuery SQL 쿼리 및 Vertex AI PaLM API를 사용하여 영화 성공 평가 예측 및 처방 앱 빌드하기

텍스트 생성을 위한 Vertex AI 대규모 언어 모델 (text-bison)을 BigQuery에서 호스팅되는 원격 함수로 사용하여 BigQuery 공개 데이터 세트로 제공되는 GitHub 저장소의 소스 코드 요약입니다.

이 Codelab에서는 무대에서 하몬을 서로 '던져 버려서' 다른 마이크로서비스와 대결할 마이크로서비스를 빌드합니다.

이 Codelab에서는 ML Kit의 AutoML Vision Edge를 사용하여 이미지 분류자를 학습시키고, ML Kit SDK를 사용하여 Android 또는 iOS 휴대전화에서 이미지 분류기를 실행합니다.

Python Flask 프레임워크 및 Vertex AI PaLM API 모델을 사용하여 채팅 애플리케이션을 개발합니다.

이 Codelab에서는 Cloud Foundation Toolkit(CFT)을 시작하고 CFT 모듈에 기능을 추가하는 일련의 단계를 통해 온보딩합니다.

이 Codelab에서는 Cloud Data Fusion을 사용하여 CSV 형식의 의료 데이터를 BigQuery에 로드하는 데이터 수집 패턴을 구현합니다.

이 Codelab에서는 VPN을 통해 연결된 별도의 네트워크에 배포된 Oracle 데이터베이스에 AlloyDB 클러스터를 연결하는 방법을 알아봅니다.

BigQuery의 기본사항과 GitHub 커밋 데이터를 예시로 사용하여 테라바이트 규모의 공개 데이터를 쿼리하는 방법을 알아봅니다.

이 Codelab에서는 경기장에서 리프를 서로 '던져 놓는' 방식으로 다른 마이크로서비스와 싸우는 마이크로서비스를 빌드합니다.

이 Google Apps Script 중급 Codelab에서는 두 가지 Google 개발자 플랫폼인 Google Workspace와 Google Cloud 콘솔을 사용합니다. 구체적으로는 Cloud 콘솔의 BigQuery API (Apps Script 고급 서비스)와 기본 제공되는 한 쌍의 Google Workspace 서비스인 Google Sheets 및 Google Slides를 함께 사용합니다. 이 샘플 앱의 목적은 (상대적으로) 짧은 코드 조각으로 빅데이터 분석에서 슬라이드 프레젠테이션에 이르기까지 최종 단계를 자동화할 수 있음을 사용자에게 보여주는 것입니다.

이 Codelab에서는 BigQuery를 사용해 애널리틱스 360 데이터 세트를 위한 머신러닝 모델을 만드는 방법을 알아봅니다.

BigQuery용 Python 기반 명령줄 도구인 bq를 사용하여 데이터를 로드하고 쿼리하는 방법을 알아봅니다.

이 Codelab에서는 데이터 삽입, 업데이트, 읽기, 삭제를 위한 일반적인 Cassandra 쿼리를 자바 클라이언트에 상응하는 Cloud Bigtable과 비교합니다.

이 실습에서는 BigQuery 머신러닝 으로 모델을 학습시킨 다음, 해당 모델을 Vertex AI 로 내보내고 배포합니다. 이는 Google Cloud의 최신 AI 제품 제품입니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $2 입니다. 이 실습에서는 Google Cloud에서 제공되는 최신 AI 제품을 사용합니다. Vertex AI 는 Google Cloud 전반의 ML

이 Codelab에서는 Google 개발자 기술에 액세스하는 코드를 작성하는 가장 쉬운 방법 중 하나를 소개합니다. 이 모든 작업은 주류 웹 개발 언어인 JavaScript를 적용하여 수행됩니다. Google Apps Script를 사용하여 Google 시트의 셀에서 주소를 추출하고 주소를 기반으로 Google 지도를 생성한 다음 Gmail을 사용하여 지도를 첨부파일로 보내는 코드를 작성합니다. 무엇보다도 코드는 4줄에 불과합니다.

이 Codelab에서는 사용자 정의 규칙으로 Cloud Armor 네트워크 에지 보안 정책을 구성하는 방법을 알아봅니다.

이 실습은 Dialogflow의 fulfillment라는 개념을 기반으로 합니다. BigQuery에서 데이터 세트와 테이블을 만든 후 Dialogflow 처리에서 BigQuery 통합 세부정보를 설정하고 대화형 환경을 테스트하는 방법을 알아봅니다.

이 Codelab에서는 무대에서 복숭아를 서로 '던져 봐' 다른 마이크로서비스와 대결할 마이크로서비스를 빌드합니다.

Vertex AI 모듈을 초기화한 다음 PaLM Text Bison 모델을 호출하는 엔드포인트를 제공하는 Python으로 작성된 Cloud 함수를 보여줍니다.

사용자가 Svelte Kit 웹 앱에서 Google Cloud Vertex AI를 사용하여 기사, 텍스트, 기타 형식의 콘텐츠를 요약할 수 있도록 텍스트 요약 사용 사례를 빌드합니다.

이 튜토리얼에서는 스터핑 방법을 통해 생성 모델을 사용하여 텍스트의 정보를 요약하는 방법을 알아봅니다.

이 Codelab에서는 Looker Studio 보고서에서 사용할 수 있는 맞춤 시각화를 만드는 방법을 알아봅니다.

이 Codelab에서는 프로젝트 템플릿 도구인 dscc-gen을 사용하여 데이터 스튜디오의 커뮤니티 시각화를 만듭니다.

이 실습의 목표는 Cloud NAT의 동적 포트 할당 (DPA) 기능을 살펴보는 것입니다.

이 실습의 목표는 Cloud NAT의 규칙 기능을 살펴보는 것입니다.

Angular, Nuxt.js, Next.js와 같은 JavaScript 프레임워크를 Cloud Run에 배포하는 방법을 알아보세요.

vLLM 및 OpenAI Python SDK를 사용하여 Cloud Run GPU에서 LLM 추론을 실행하는 방법을 알아봅니다.

직접 VPC 이그레스를 사용하여 내부 Cloud Run 서비스에 액세스하도록 Cloud Run 서비스를 구성하는 방법을 알아봅니다.

Vertex AI 및 Video Intelligence API를 사용하여 동영상의 모든 장면에 있는 이미지를 설명하는 Cloud Run 서비스를 만드는 방법을 알아봅니다.

이 Codelab에서는 Google Workspace REST API를 사용하는 방법을 소개합니다. 이 예시는 간결성과 가용성을 위해 Python으로 작성되지만, 선호하는 개발 언어를 사용하도록 선택할 수도 있습니다. 많은 소개 주제를 마무리하고 사용자가 처음 100개의 파일을 표시하는 간단한 스크립트를 만드는 과정을 보여줍니다. 액세스할 수 있습니다.

이 Codelab에서는 G Suite API와 Google Cloud Functions를 사용하여 Gmail 메일을 프로그래매틱 방식으로 자동 처리하는 방법을 알아봅니다.

공개 인터넷 액세스를 유지하면서 직접 VPC 이그레스를 사용하여 내부 전용 인그레스 Cloud Run 서비스에 액세스하는 방법을 알아봅니다.

Vertex AI 및 Video Intelligence API를 사용하여 동영상의 모든 장면에 있는 이미지를 설명하는 Cloud Run 작업을 만드는 방법을 알아봅니다.

Google Compute Engine, Google Deployment Manager, Slurm 워크로드 관리자를 사용하여 동적으로 확장 가능한 HPC 클러스터를 프로비저닝하는 방법을 알아봅니다.

Express.js, htmx, tailwindCSS를 사용하여 Cloud Run에서 Gemini 기반 채팅을 배포하는 방법을 알아보세요.

Cloud Run 서비스에서 Vertex AI Search로 쿼리를 수행하는 방법을 알아봅니다.

Cloud Build를 사용하여 GitHub에서 Cloud Run으로 변경사항을 자동으로 배포하는 방법

Cloud Run을 Gemini 함수 호출의 엔드포인트로 사용하는 방법을 알아봅니다.

이 Codelab에서는 다음 Codelab에서 사용할 Google Cloud 프로젝트를 설정합니다. 또한 Cloud Shell을 사용하여 파일을 수정하고 터미널 명령어를 실행하는 방법도 배웁니다.

이 Codelab에서는 BigQuery 및 AI Platform Notebooks를 사용해 GCP에서 임상 데이터에 액세스하고 분석하는 솔루션을 보여줍니다.

이 Codelab에서는 Google Docs API를 사용하여 Google 문서를 만들고 오디오 파일의 스크립트를 이 문서에 작성합니다. Speech-to-Text API를 사용하여 지정된 오디오 파일의 텍스트 스크립트를 가져올 수 있습니다.

이 Codelab에서는 Cloud Healthcare FHIR API를 사용하여 FHIR - R4 형식의 의료 데이터 (일반 리소스)를 BigQuery에 로드하는 데이터 수집 패턴을 구현합니다.

Microsoft.NET Core 는 기본적으로 컨테이너에서 실행할 수 있는.NET의 오픈소스 및 크로스 플랫폼 버전입니다..NET Core는 GitHub에서 사용할 수 있으며 Microsoft 및.NET 커뮤니티에서 유지관리합니다. 이 실습에서는 컨테이너화된.NET Core 앱을 Google Kubernetes Engine (GKE)에 배포합니다. 이 실습에서는 애플리케이션을 개발자의 로컬 환경에서 개발한 다음 프로덕션에 배포하는 일반적인

이 Codelab에서는 Eventarc를 사용하여 Pub/Sub, Cloud Storage, Cloud 감사 로그의 이벤트를 수신 대기하고 Google Kubernetes Engine (GKE)에서 실행되는 Kubernetes 서비스에 전달합니다.

이 Codelab에서는 Document AI Warehouse를 사용하여 문서의 전체 텍스트를 수집, 처리, 검색합니다.

이 Codelab에서는 새로운 외부 HTTP 부하 분산기에서 사용할 수 있는 고급 트래픽 기능을 알아봅니다.

이 Codelab에서는 Cloud KMS 비대칭 키를 사용하여 데이터를 암호화하고 복호화합니다.

이 실습에서는 CDN 배포를 만들고 Cloud Armor 규칙을 적용하여 에지 캐시를 보호합니다.

이 Codelab에서는 Cloud KMS를 사용하여 데이터를 암호화하고 복호화합니다.

이 튜토리얼에서는 Python으로 HTTP Cloud Functions를 빌드합니다.

이 Codelab에서는 Cloud Storage로의 CSV 파일 업로드에 반응하여 Cloud 함수에서 Google 스프레드시트를 채우는 방법을 알아봅니다.

기본 Python 2 Flask App Engine Dataplex 앱에 태스크 큐 가져오기 태스크 사용을 추가하는 방법을 알아봅니다.

Python 2 App Engine ndb 앱의 blobstore 사용량을 Cloud Storage로 이전하는 방법을 알아봅니다.

간단한 Python 2 App Engine 앱에 blobstore 사용량을 추가하는 방법을 알아봅니다.

Python 2 App Engine Dataplex를 마이그레이션하는 방법 알아보기 태스크 큐 (태스크 가져오기) 앱을 Cloud Dataplex로 가져오기 & Cloud Pub/Sub를 실행한 후 Python 3로 업그레이드

Python 2 App Engine Dataplex를 마이그레이션하는 방법 알아보기 Memcache 앱에서 Cloud Dataplex로 마이그레이션 Cloud Memorystore (Redis용)를 사용한 후 Python 3로 업그레이드

기본 Python 2 Flask App Engine NBS 앱에 Memcache 사용량을 추가하는 방법을 알아봅니다.

Cloud Functions용 Stackdriver Logging 및 Stackdriver Trace 사용 방법을 알아봅니다.

간단한 Python App Engine 앱을 변환 (또는 더 큰 모놀리식 앱을 마이크로서비스로 분할)하고 Cloud Functions로 이동하는 방법 알아보기

Gen2 런타임에서 App Engine 번들 서비스를 사용하는 방법을 알아봅니다.

Cloud 빌드팩을 사용하여 간단한 App Engine 앱을 컨테이너화하고 Cloud Run으로 마이그레이션하는 방법을 알아봅니다.

이 Codelab에서는 C#과 함께 Natural Language API를 사용하는 방법을 알아봅니다.

기본 Python 2 Flask App Engine Dataplex 앱에 태스크 큐 푸시 태스크 사용을 추가하는 방법을 알아봅니다.

이 Codelab에서는 Node.js와 함께 Google Cloud Translation API를 사용하여 로컬에서 실행하거나 Cloud 서버리스 컴퓨팅 플랫폼 (App Engine, Cloud Functions 또는 Cloud Run)에 배포하는 방법을 알아봅니다.

이 실습에서는 모놀리식 웹사이트를 마이크로서비스로 분할하여 Google Kubernetes Engine에 배포하는 방법을 알아봅니다.

간단한 App Engine 앱을 Cloud Datastore에서 Cloud Firestore로 마이그레이션하는 방법을 알아봅니다.

간단한 App Engine 앱을 Cloud NBS에서 Cloud Datastore로 마이그레이션하는 방법을 알아봅니다.

Python 2 App Engine Dataplex를 마이그레이션하는 방법 알아보기 사용자 서비스 앱을 Cloud Dataplex로 이전하는 경우 및 Cloud Identity Platform을 시작한 후 Python 3로 업그레이드

이 Codelab에서는 Migrate for Anthos를 사용하여 간단한 웹 서버를 Compute Engine에서 Kubernetes Engine으로 마이그레이션합니다.

이 실습에서는 직접 BigQuery 데이터 세트를 수집하고 Google Cloud AI Platform에서 TensorFlow Enterprise를 사용하여 사기 감지 모델을 학습시킵니다.

이 실습에서는 TensorFlow를 사용하여 사기 거래를 식별하는 tf.keras를 빌드한 다음, Cloud의 Explainable AI SDK로 모델 결과를 해석합니다.

서버 앱 API를 사용하여 Spanner 데이터베이스에서 가져온 데이터로 사용자가 만든 포즈 프롬프트를 기반으로 이미지를 생성하는 포즈 생성기 앱을 빌드합니다.

이 Codelab에서는 Java에서 생성형 AI를 사용하고, PaLM 대규모 언어 모델을 통합하고, LangChain4J LLM 조정 프레임워크를 활용하여 사용자와 채팅하거나 문서에 대해 질문합니다.

Gemini API의 강력한 기능을 사용하여 Google Workspace 작업을 자동화하고 더 많은 가능성을 탐색하는 방법을 알아보세요.

이 Codelab에서는 BigQuery 웹 UI를 사용하여 BigQuery의 파티션 나누기 및 클러스터링을 이해합니다.

Android 및 iOS용 Firebase SDK에 대해 알고 계실지도 모르지만, 크로스 플랫폼 게임만을 위해 설계된 SDK인가요? 이 워크숍에서는 C++ SDK를 CMake를 통해 Android 프로젝트에 업데이트하고, 게임을 개선하는 데 도움이 되는 몇 가지 기본 분석을 추가하고, 친구 및 테스터와 공유하여 의견 수집을 시작하세요.

이 Codelab에서는 Gemini의 함수 호출을 사용하여 사용자가 환율에 대해 질문하고 외부 API에서 최신 데이터를 가져온 후 사용자에게 답변할 수 있는 앱을 빌드합니다.

이 Codelab에서는 Vertex AI 모델을 사용하여 Google Cloud Storage에 업로드된 PDF 문서를 요약하는 기존의 점프 스타트 솔루션인 AI 요약에 대해 살펴보겠습니다. Google은 Gemini Code Assist를 사용하여 새로운 기능을 파악하고 솔루션에 추가합니다.

이 Codelab에서는 Java의 생성형 AI를 시작하고, PaLM 대규모 언어 모델을 통합하며, LangChain4J LLM 조정 프레임워크를 활용합니다.

이 Codelab에서는 사용자가 Gmail에서 나가지 않고도 영수증의 비용을 Google 시트에 쉽게 추가할 수 있는 Gmail 부가기능을 설계하고 구현합니다.

이 Codelab에서는 작성 지원 기능을 활용하여 기존 서비스의 합성 모니터링 테스트를 작성하는 방법을 살펴보겠습니다.

이 Codelab에서는 Dataprep, BigQuery, Looker를 활용하여 다양한 소매가의 영향을 분석하고 제품 가격을 최적화하기 위해 정보에 입각한 결정을 내리는 방법을 알아봅니다.

Slack 애플리케이션에서 텍스트 요약을 위한 Slack 슬래시 명령어를 만들기 위한 소스 코드입니다. Slack 애플리케이션은 Cloud 함수를 사용하여 텍스트 요약을 위해 PaLM API를 호출합니다.

이 튜토리얼에서는 Python과 함께 Secret Manager를 사용하는 방법을 알아봅니다.

이 실습에서는 선택적 구성요소 및 구성요소 게이트웨이를 사용하여 Cloud Dataproc에서 Apache Spark 및 Jupyter 노트북을 설정하는 방법을 알아봅니다.

Spring 리소스 추상화로 Cloud Storage의 파일에 액세스하는 방법을 알아봅니다.

이 Codelab에서는 백엔드 서비스로 TCP/SSL 프록시 부하 분산기를 만들고 Cloud Armor를 사용하여 부하 분산기에 대한 액세스를 특정 사용자 클라이언트 집합으로 제한합니다.

이 Codelab에서는 Cloud Data Fusion을 사용하여 CSV 형식의 의료 데이터를 BigQuery에 실시간으로 로드하는 데이터 수집 패턴을 구현합니다.

사용자 입력을 기반으로 의류 추천을 위한 유사성 검색 애플리케이션을 빌드하고 Spanner에 저장되고 벡터 검색으로 색인이 생성된 데이터를 검색하여 최근접 이웃에 응답합니다.

OpenTelemetry는 trace 및 측정항목의 시스템 관측 가능성을 위한 업계 표준입니다. 이 세션에서는 OpenTelemetry를 사용해 애플리케이션 측정항목을 계측하는 방법과 Cloud Monitoring 및 기타 모니터링 도구에서 이를 활용하는 방법에 대한 지식을 공유합니다.

이 Codelab에서는 Firebase 클라우드 메시징을 사용하여 iOS 앱에 푸시 알림을 추가합니다.

이 Codelab에서는 Google Cloud 서버리스 솔루션을 기반으로 서가와 서적을 제공하는 웹 API를 개발합니다. 샘플 데이터를 가져오는 Cloud 함수, 재사용 가능한 백엔드 웹 API를 제공하는 Cloud Run 컨테이너, 도서 라이브러리를 탐색할 수 있는 웹 프런트엔드를 제공하는 App Engine 웹 애플리케이션을 만듭니다.

이 Codelab에서는 Google Cloud의 AI 기반 공동작업 도구인 Duet AI를 사용합니다. Duet AI Chat과 인라인 코드 지원을 사용하여 코드를 생성하고 코드를 이해하는 방법 등을 숙지합니다.

Gemini를 사용하여 BigQuery 데이터를 웹으로 간단히 가져와서 Cloud Run에 배포하는 서가 요약 애플리케이션을 만듭니다.

이 Codelab에서는 Google Chat을 만드는 방법을 알아봅니다.

이 실습에서는 Vertex AI 를 사용하여 커스텀 학습 모델에서 온라인 및 일괄 예측을 수행합니다. 이 실습은 프로토타입에서 프로덕션으로 동영상 시리즈 중 하나이며, 이전 실습 을 완료한 후에 이 실습을 진행해야 합니다. 함께 제공되는 동영상을 시청하여 자세히 알아볼 수 있습니다.. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $1 입니다. 이 실습에서는 Google

이 실습에서는 Vertex AI 를 사용하여 커스텀 학습 작업을 실행합니다. 이 실습은 프로토타입에서 프로덕션으로 동영상 시리즈 중 하나이며, Flowers 데이터 세트 를 사용하여 이미지 분류 모델을 빌드합니다. 함께 제공되는 동영상을 시청하여 자세히 알아볼 수 있습니다.. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $1 입니다. 이 실습에서는 Google Cloud에서

이 실습에서는 Vertex AI 를 사용하여 Vertex AI 학습에 대한 초매개변수 조정 작업을 실행합니다. 이 실습은 프로토타입에서 프로덕션으로 동영상 시리즈 중 하나이며, 이전 실습 을 완료한 후에 이 실습을 진행해야 합니다. 함께 제공되는 동영상 시리즈를 시청하여 자세히 알아볼 수 있습니다.. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $1 입니다. 이 실습에서는

이 실습에서는 TensorFlow를 사용하는 Vertex AI Training에서 Vertex AI 를 사용하여 분산 학습 작업을 실행합니다. 이 실습은 프로토타입에서 프로덕션으로 동영상 시리즈 중 하나이며, 이전 실습 을 완료한 후에 이 실습을 진행해야 합니다. 함께 제공되는 동영상 시리즈를 시청하여 자세히 알아볼 수 있습니다.. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약

이 실습에서는 Google Cloud에서 실시간 사기 감지를 위해 엔드 투 엔드 데이터-AI 시스템을 빌드하는 방법을 알아봅니다. 여기에서는 원시 데이터로부터 출발하여 Google Cloud에서 실행되는 프로덕션급 ML 파이프라인을 생성하는 방법을 이해할 수 있습니다. 이 실습에서는 다음 Google Cloud 제품을 사용합니다. 엔드 투 엔드 ML 파이프라인을 빌드하는 것은 어려운 일일 수 있습니다. 이 실습에서는 BigQuery 및

이 Codelab에서는 커밋 타임스탬프 열이 있는 Cloud Spanner 데이터베이스 테이블을 사용하여 게임 리더보드를 만드는 방법을 알아봅니다.

이 Codelab에서 개발자는 G Suite와 GCP API를 모두 사용하여 Python으로 클라우드 기반 이미지 처리 워크플로를 빌드합니다. 특히 Google Drive에서 이미지 파일을 다운로드하여 Google Cloud Storage에 보관처리하고 Google Cloud Vision으로 콘텐츠를 분석하고 Google Sheets에서 보고서 데이터를 생성합니다.

App Engine ndb 및 taskqueue에서 Cloud NDB 및 Cloud Tasks로 마이그레이션하는 방법 알아보기

Docker를 사용하여 간단한 App Engine 앱을 컨테이너화하고 Cloud Run으로 마이그레이션하는 방법을 알아봅니다.

이 Codelab에서는 기존 Cloud SQL 데이터베이스에 연결하는 Cloud 함수를 작성하고 SQL 삽입 문을 전송합니다.

간단한 App Engine 앱을 ndb에서 Cloud NDB로 마이그레이션하는 방법을 알아봅니다.

이 Codelab에서는 커밋 타임스탬프 열이 있는 Cloud Spanner 데이터베이스 테이블을 사용하여 게임 리더보드를 만드는 방법을 알아봅니다.

Python App Engine 앱을 webapp2에서 Flask 웹 프레임워크로 마이그레이션하는 방법을 알아보세요.

Cloud SQL Insights 는 Cloud SQL 데이터베이스의 쿼리 성능 문제를 감지하고 진단하고 방지하는 데 도움이 됩니다. 감지뿐 아니라 셀프서비스, 직관적인 모니터링, 진단 정보를 제공하여 문제의 근본 원인을 식별하는 데 도움이 됩니다. 이 Codelab에서는 PostgreSQL용 Cloud SQL 인스턴스를 설정하고, Cloud SQL 인스턴스를 백엔드 저장소로 사용하는 Node.js 앱을 배포한 후 Cloud SQL 통계를

이 Codelab에서는 Swift에서 Google Maps Platform을 사용하여 iOS 앱을 빌드하는 방법을 알아봅니다. 다음 작업을 처리하는 iOS 앱을 빌드하게 됩니다. 이 Codelab을 완료하려면 아래의 계정, 서비스 및 도구가 필요합니다. 아래의 사용 설정 단계에서 iOS용 Maps SDK 를 사용 설정해야 합니다. Google Cloud Platform 계정 및 결제가 사용 설정된 프로젝트가 없는 경우 Google Maps

이 Codelab에서는 Android용 Maps SDK를 앱과 통합하고 미국 캘리포니아주 샌프란시스코에 있는 자전거 매장을 표시하는 앱을 빌드하여 핵심 기능을 사용하는 방법을 알려줍니다. 다음 사용 설정 단계를 진행하려면 Android용 Maps SDK 를 사용 설정해야 합니다. Google Cloud Platform 계정 및 결제가 사용 설정된 프로젝트가 없는 경우 Google Maps Platform 시작하기 가이드를 참고하여 결제 계정 및

이 Codelab에서는 앱 사용자가 이미지를 사용하여 제품을 검색할 수 있도록 Android 앱에 Vision API 제품 검색 백엔드를 호출하는 코드를 추가합니다.

이 Codelab에서는 웹용 Google Maps Platform을 사용하는 데 필요한 모든 사항을 알아봅니다. 설정하기부터 Maps JavaScript API 로드하기, 첫 지도 표시하기, 마커 및 마커 클러스터링 사용하기, 지도에 그리기, 사용자 상호작용 처리하기에 이르기까지 모든 기본 사항을 학습합니다. 이 Codelab에서는 다음을 수행하는 간단한 웹 앱을 빌드합니다. 이 Codelab을 완료하려면 아래 항목을 숙지해야 합니다. 이미

이 Codelab에서는 Vision API 제품 검색을 사용하여 제품 이미지 검색 백엔드를 빌드하는 방법과 모바일 앱에서 백엔드를 호출하는 API 키를 만드는 방법을 알아봅니다.

이번 Codelab에서는 Objective-C에서 iOS 앱을 만들기 위해 Google Maps Platform을 사용할 때 필요한 사항을 모두 살펴봅니다. 설정부터 iOS용 Maps SDK 로드, 첫 번째 지도 표시, 마커 및 마커 클러스터링 작업, 지도에 그리기, 사용자 상호작용 처리에 이르기까지 모든 기본사항을 배우게 됩니다. 본 Codelab에서는 다음 작업을 수행하는 iOS 앱을 만듭니다. 본 Codelab을 완료하려면 아래 내용을

이 Codelab에서는 Google Maps Platform의 데이터를 사용하여 Android에서 증강 현실(AR)로 주변 장소를 표시하는 방법을 배웁니다. 이 Codelab을 진행하려면 Android 10.0(API 레벨 29)을 사용하며, Android 스튜디오에 Google Play 서비스가 설치되어 있어야 합니다. 두 종속 항목을 모두 설치하려면 다음 단계를 완료하세요. 다음 섹션의 3단계에서 이 Codelab에 Android용 Maps

이 Codelab에서는 먼저 Node.js 애플리케이션을 탐색하여 웹페이지의 스크린샷을 찍고 Cloud Storage에 저장합니다. 그런 다음 애플리케이션의 컨테이너 이미지를 빌드하고, Cloud Run에서 작업으로 실행하고, 더 많은 웹페이지를 처리하도록 작업을 업데이트한 뒤, Cloud Scheduler로 일정에 따라 작업을 실행합니다.

이 실습에서는 초매개변수 조정 및 분산 학습에 Vertex AI를 사용하는 방법을 알아봅니다. 이 실습에서는 모델 코드에 TensorFlow를 사용하지만 다른 ML 프레임워크에도 개념이 적용됩니다. 다음 작업을 수행하는 방법을 배우게 됩니다. Google Cloud에서 이 실습을 진행하는 데 드는 총 비용은 약 $6 (USD)입니다. 이 실습에서는 Google Cloud에서 제공되는 최신 AI 제품을 사용합니다. Vertex AI 는

이 Codelab에서는 Android용 Places SDK를 앱과 통합하고 각 Places SDK 기능을 사용하는 방법을 알아봅니다. 이 Codelab을 완료하려면 아래의 계정, 서비스 및 도구가 필요합니다. 아래의 사용 설정 단계에서 Places API 를 사용 설정합니다. Google Cloud Platform 계정 및 결제가 사용 설정된 프로젝트가 없는 경우 Google Maps Platform 시작하기 가이드를 참고하여 결제 계정 및

지도에 표시할 장소가 여러 곳 있고 사용자가 이러한 장소를 확인하고 방문할 곳을 식별할 수 있도록 하려 한다고 상상해 보세요. 대표적인 예는 다음과 같습니다. 이 Codelab에서는 특수한 위치의 실시간 데이터 피드에서 가져오는 위치 검색 기능을 만듭니다. 사용자는 이 기능을 통해 출발지에서 가장 가까운 위치를 찾을 수 있습니다. 이 풀 스택 위치 검색 기능은 매장 위치가 25개 이하로 제한되는 단순한 매장 검색 기능 보다 훨씬 많은 수의

이 Codelab에서는 Maps JavaScript API의 WebGL 기반 기능을 사용하여 3차원에서 벡터 지도를 제어하고 렌더링하는 방법을 배울 수 있습니다. 이 Codelab에서는 자바스크립트 및 Maps JavaScript API를 어느 정도 알고 있다고 가정합니다. Maps JS API 사용의 기본 사항을 알아보려면 웹사이트에 지도 추가하기 (자바스크립트) Codelab 을 참고하세요. 아래의 사용 설정 단계에서 Maps

이 Codelab에서는 iOS 및 Android에서 고품질 네이티브 환경을 제작하기 위해 Flutter 모바일 앱 SDK를 사용하여 Google 지도 환경을 빌드합니다.

이 Codelab에서는 SwiftUI와 함께 iOS용 Maps SDK를 사용하는 방법을 알아봅니다. 다음 사용 설정 단계를 진행하려면 iOS용 Maps SDK 를 사용 설정합니다. Google Cloud Platform 계정 및 결제가 사용 설정된 프로젝트가 없는 경우 Google Maps Platform 시작하기 가이드를 참고하여 결제 계정 및 프로젝트를 만듭니다. 빠르게 시작할 수 있도록 이 Codelab을 따라하는 데 도움이 되는 시작

이 Codelab에서는 Maps JavaScript API와 오픈소스 WebGL 가속 데이터 시각화 프레임워크인 deck.gl을 사용하여 대용량 지리공간 데이터 시각화를 만드는 방법을 배울 수 있습니다. Google Maps Platform을 처음 사용한다면 다음 단계를 따르세요. 아직 설치하지 않았다면 https://nodejs.org/ 로 이동하여 컴퓨터에 Node.js 런타임을 다운로드하고 설치합니다. Node.js는 이 Codelab의

Google Maps Platform의 Android용 Maps SDK 및 Places SDK를 사용하여 현재 위치일 가능성이 높은 장소의 목록을 사용자에게 제시하는 방법을 알아봅니다.

웹사이트에서 일반적으로 흔하게 볼 수 있는 기능 중 하나는 비즈니스, 시설 등 실제 장소를 보유한 법인의 위치 하나 이상을 강조하는 Google 지도 입니다. 이러한 지도의 구현 방식은 위치의 수, 변경 빈도 등의 요건에 따라 크게 달라질 수 있습니다. 이 Codelab에서는 가장 간단한 사용 사례, 즉 거의 변경되지 않으며 위치 개수가 적은 경우(예: 체인점을 보유하고 있는 비즈니스용 매장 검색 기능)를 살펴봅니다. 이 경우, 어떠한 서버 측

이 Codelab에서는 스페이스를 폴링하는 채팅 봇을 빌드하는 방법을 알아봅니다.

이 Codelab에서는 ARCore 클라우드 앵커 서비스를 사용하여 여러 기기에서 공통 참조 기준(동일한 위치 및 방향)을 설정함으로써 클라우드 앵커로 공유 AR 경험을 만드는 방법을 배웁니다.

This codelab is intended to help you understand how to create your first 3D Map using Photorealistic 3D Maps in Maps JavaScript. You will learn the basics about loading the right components of the Maps Javascript API, displaying your first 3D Map and

This tutorial explores how to add and style 3D markers in your application. You'll also learn how to animate your application by flying to and around specific locations. This tutorial builds on the concepts covered in the first codelab. If you

In this codelab, you learn everything that you need to get started with the vis.gl/react-google-map library for the Google Maps JavaScript API, which lets you add a Google map to a React app. You learn how to get set up, load the Maps JavaScript API,

In this codelab, you’ll learn how to deploy Django CMS using serverless components: Cloud Run for the web engine, Cloud SQL for the database, and Cloud Build for the media assets.

In this codelab you’ll learn how to create a simple navigation app using Google Maps Platform Navigation SDK.

In this codelab you’ll learn how to create a simple navigation app using Google Maps Platform Navigation SDK.

In this codelab, you’ll learn how to build a chat app to poll a space.

Maps can be a very powerful tool when visualizing the patterns in a dataset that are related to location in some way. This relation could be the name of a place, a specific latitude and longitude value, or the name of an area that has a specific

Learn to enhance your Action with features that keep users coming back to it.

Learn how to use the Spreadsheet service in Apps Script to chart and present a set of data.

In this code lab, you learn how to create a Google Chat

Learn to build a location-based web app using the Maps JavaScript API and PLaces Library to perform a Nearby Search.

Learn Apps Script basics to improve your Google Sheets experience.