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 Dart 백엔드 서비스를 사용하여 확인 및 관리되는 Flutter 앱에 인앱 구매를 추가합니다.

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 YouTube 동영상을 요약할 수 있는 Gemini 기반 동영상 요약 도구를 만드는 방법을 알아봅니다.

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

이 실습에서는 원격 모델 (Gemini 모델)에서 BigQuery 머신러닝을 사용한 추론으로 영화 포스터 이미지를 분석하고 이러한 포스터의 요약을 생성하는 방법을 알아봅니다.

이 Codelab에서는 Google Cloud의 강력한 도구와 인프라를 사용하여 생성형 AI 에이전트를 빌드하고 배포하는 방법을 알아봅니다. 이 과정에서는 기본 개념을 다루고 첫 번째 상담사를 설정하고 실행하는 초기 단계를 안내합니다.

이 Codelab에서는 신뢰할 수 있는 공간 솔루션을 사용하여 가속기로 AI/ML 워크로드를 실행하는 방법을 알아봅니다.

Cloud Run 은 Google의 확장 가능한 인프라에서 직접 코드를 실행할 수 있게 해주는 완전 관리형 플랫폼입니다. 이 Codelab에서는 Cloud Run의 Next.js 애플리케이션을 PostgreSQL용 Cloud SQL 데이터베이스에 연결하는 방법을 보여줍니다. 이 실습에서는 다음 작업을 수행하는 방법을 배웁니다. 터미널에서 API를 사용 설정합니다. 승인하라는 메시지가 표시되면 승인 을 클릭하여 계속 진행합니다. 이 명령어를

이 Codelab에서는 로지스틱 회귀를 사용하여 성별, 연령대, 노출 시간, 브라우저 유형 등의 특징과 사용자의 광고 클릭 가능성이 얼마나 관련이 있는지 파악하는 방법을 알아봅니다. 이 Codelab을 완료하려면 모델을 구축하기에 충분한 고품질 캠페인 데이터가 필요합니다. 먼저 다량의 고품질 데이터가 포함된 이전 캠페인을 선택합니다. 양질의 데이터가 포함되어 있을 가능성이 높은 캠페인을 모르는 경우 액세스 권한이 있는 데이터 중 가장 오래된 한

이 Codelab에서는 로지스틱 회귀를 사용하여 성별, 연령대, 노출 시간, 브라우저 유형 등의 특징과 사용자의 광고 클릭 가능성이 얼마나 관련이 있는지 파악하는 방법을 알아봅니다. 이 Codelab을 완료하려면 모델을 구축하기에 충분한 고품질 캠페인 데이터가 필요합니다. 먼저 다량의 고품질 데이터가 포함된 이전 캠페인을 선택합니다. 양질의 데이터가 포함되어 있을 가능성이 높은 캠페인을 모르는 경우 액세스 권한이 있는 데이터 중 가장 오래된 한

이 Codelab에서는 선형 회귀를 사용하여 클릭당비용을 예측하는 모델을 만드는 방법을 알아봅니다. 이 Codelab을 완료하려면 다음이 필요합니다. 이 Codelab을 완료하려면 모델을 구축하기에 충분한 고품질 캠페인 데이터가 필요합니다. 다음 쿼리를 실행합니다. 테이블 만들기 단계를 모델 만들기 단계와 분리하는 것이 좋습니다. 이전 단계에서 만든 임시 테이블에 아래의 쿼리를 실행합니다. 시작일과 종료일은 임시 테이블의 데이터를 기반으로

이 Codelab에서는 선형 회귀를 사용하여 클릭당비용을 예측하는 모델을 만드는 방법을 알아봅니다. 이 Codelab을 완료하려면 모델을 구축하기에 충분한 고품질 캠페인 데이터가 필요합니다. 다음 쿼리를 실행합니다. 테이블 만들기 단계를 모델 만들기 단계와 분리하는 것이 좋습니다. 이전 단계에서 만든 임시 테이블에 아래의 쿼리를 실행합니다. 시작일과 종료일은 임시 테이블의 데이터를 기반으로 추론되므로 걱정하지 마세요. 행

Firebase를 Next.js 앱과 통합하는 방법을 알아보세요.

이 Codelab에서는 웹 앱을 무단 액세스로부터 보호하는 방법을 알아봅니다.

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 Cloud Firestore 및 Cloud Functions를 사용하여 리더보드를 빌드합니다.

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 SKAd Network 전환 가치 스키마를 설정하기 위해 수익 버킷을 빌드하는 방법을 예시로 보여줍니다.

이 Codelab에서는 측정 프로토콜을 사용하여 서버 간 호출을 통해 GA4로 이벤트를 전송하는 방법을 알아봅니다.

이 Codelab에서는 GeoHashing을 위한 Firebase 확장 프로그램을 빌드합니다. 이 시작 단계 Codelab에서는 기존 Cloud Functions를 수백만 명의 개발자에게 쉽게 배포하고 Firebase 프로젝트를 확장하는 데 도움이 되는 Firebase 확장 프로그램으로 변환하는 방법을 설명합니다.

이 Codelab에서는 Firebase A/B 테스팅을 사용하여 첫 번째 Firebase 인앱 메시지 실험을 만듭니다.

이 Codelab에서는 Firebase 플랫폼으로 Android 앱을 빌드하는 방법을 알아봅니다.

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

원격 구성으로 Unity 게임을 계측하는 방법 알아보기

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

Firebase 클라우드 메시징 및 Firebase 인앱 메시지를 사용하여 사용자에게 메시지를 보내는 방법을 알아보세요.

이 Codelab에서는 JavaScript WebView 구현을 사용하여 GA4로 이벤트를 전송하는 방법을 알아봅니다.

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

이 Codelab에서는 최신 Angular 라이브러리인 AngularFire 를 사용하여 실시간 공동작업 지도와 함께 여행 블로그를 빌드합니다. 최종 웹 앱은 여행 블로그로 구성되며, 여기에서 여행한 각 위치에 이미지를 업로드할 수 있습니다. AngularFire는 웹 앱을 빌드하는 데 사용되고, 로컬 테스트를 위한 에뮬레이터 모음, 사용자 데이터를 추적하는 인증, Cloud Functions를 기반으로 데이터와 미디어를 유지하는

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

이 Codelab에서는 GA4F로 이벤트를 구현하고 Google Ads를 통해 액션 캠페인을 실행하는 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 Unity 게임에서 원격 구성 A/B 테스팅을 사용하는 방법을 알아봅니다.

이 Codelab에서는 기존 Firebase 웹 앱을 새로운 모듈식 Firebase JS SDK로 이전하여 사용하지 않는 코드를 트리 셰이크하고 앱을 빠르게 로드합니다.

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 Crashlytics의 고급 기능을 사용하는 방법을 알아봅니다. 이를 통해 비정상 종료와 이를 유발할 수 있는 상황을 더 정확하게 파악할 수 있습니다.

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.

이 Codelab에서는 Spanner 인스턴스를 만들고 Spanner의 내장 벡터 검색 및 Vertex AI 모델과의 통합을 사용하여 벡터 임베딩에 대한 유사성 검색을 실행합니다.

이 튜토리얼에서는 Private Service Connect Vertex AI Pipelines를 구성하고 검증하는 방법을 알아봅니다.

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.

이미지는 웹페이지를 로드하는 데 평균적으로 필요한 바이트의 60%이상 을 차지합니다. AVIF를 사용하면 이미지를 더 작게 만들고 웹사이트 로드 속도를 높일 수 있습니다. AVIF는 AV1 동영상 비트 스트림에서 파생된 이미지 형식입니다. AVIF는 압축 효율성을 위해 설계되었습니다. AVIF 이미지는 동일하거나 더 나은 품질의 JPEG, PNG, GIF 또는 WebP 이미지보다 훨씬 작습니다. Squoosh는 이미지 압축 웹 앱입니다.

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.

생성형 AI 애플리케이션에는 다른 애플리케이션과 마찬가지로 관측 가능성도 필요합니다. 생성형 AI 에 특별한 관측 기술이 필요한가요? 이 실습에서는 간단한 생성형 AI 애플리케이션을 만듭니다. Cloud Run 에 배포합니다. Google Cloud 관측 가능성 서비스 및 제품을 사용하여 필수 모니터링 및 로깅 기능으로 계측합니다. 아직 Google 계정이 없다면 새 계정을 만들어야 합니다. 터미널에서 이 실습에 필요한 Google API를

Firebase Data Connect 및 GraphQL로 웹 앱을 빌드하는 방법 알아보기

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.

생성형 AI 애플리케이션에는 다른 애플리케이션과 마찬가지로 관측 가능성도 필요합니다. 생성형 AI 에 특별한 관측 기술이 필요한가요? 이 실습에서는 간단한 생성형 AI 애플리케이션을 만듭니다. Cloud Run 에 배포합니다. Google Cloud 관측 가능성 서비스 및 제품을 사용하여 필수 모니터링 및 로깅 기능으로 계측합니다. 아직 Google 계정이 없다면 새 계정을 만들어야 합니다. 터미널에서 이 실습에 필요한 Google API를

생성형 AI 애플리케이션에는 다른 애플리케이션과 마찬가지로 관측 가능성도 필요합니다. 생성형 AI 에 특별한 관측 기술이 필요한가요? 이 실습에서는 간단한 생성형 AI 애플리케이션을 만듭니다. Cloud Run 에 배포합니다. Google Cloud 관측 가능성 서비스 및 제품을 사용하여 필수 모니터링 및 로깅 기능으로 계측합니다. 아직 Google 계정이 없다면 새 계정을 만들어야 합니다. 터미널에서 이 실습에 필요한 Google API를

생성형 AI 애플리케이션에는 다른 애플리케이션과 마찬가지로 관측 가능성도 필요합니다. 생성형 AI 에 특별한 관측 기술이 필요한가요? 이 실습에서는 간단한 생성형 AI 애플리케이션을 만듭니다. Cloud Run 에 배포합니다. Google Cloud 관측 가능성 서비스 및 제품을 사용하여 필수 모니터링 및 로깅 기능으로 계측합니다. 아직 Google 계정이 없다면 새 계정을 만들어야 합니다. 터미널에서 이 실습에 필요한 Google API를

이 실습에서는 Google의 생성형 AI 제품을 사용하여 Gemini Cloud Assist의 도움을 받아 Google Cloud에 인프라를 구축하고, 자연어를 사용하여 BigQuery 데이터를 Data Canvas의 SQL 기능에 쿼리하고, Gemini Code Assist의 도움을 받아 Colab Enterprise Jupyter 노트북과 Eclipse Theia (Visual Studio Code)에서 코드를 작성하고, Cloud

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.

Activity Recognition Transition API를 사용하여 앱에 강력한 문맥 기능을 빌드하는 방법을 알아봅니다.

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 자바 코드를 Kotlin으로 변환하는 방법을 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.

이 Codelab에서는 전역 외부 애플리케이션 부하 분산기와 함께 PSC 백엔드를 사용하여 다른 네트워크의 프로듀서 서비스에 액세스하는 방법을 알아봅니다.

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

이 Codelab을 실행하려면 몇 가지 기본 요건이 필요합니다. 각 요구사항은 '로컬 테스트' 또는 '집계 서비스'에 필요한지 여부에 따라 적절하게 표시됩니다. 로컬 테스트를 실행하려면 로컬 테스트 도구를 다운로드해야 합니다. 이 도구는 암호화되지 않은 디버그 보고서에서 요약 보고서를 생성합니다. 로컬 테스트 도구는 GitHub의 Lambda JAR 보관 파일 에서 다운로드할 수 있습니다. 이름은

예상 소요 시간: 1~2시간 이 Codelab을 실행하는 방법에는 로컬 테스트 와 집계 서비스 의 두 가지 모드가 있습니다. 로컬 테스트 모드에는 로컬 머신과 Chrome 브라우저가 필요합니다 (Google Cloud 리소스 생성/사용 불가). 집계 서비스 모드를 사용하려면 Google Cloud에 집계 서비스를 완전히 배포해야 합니다. 두 모드 중 하나에서 이 Codelab을 실행하려면 몇 가지 기본 요건이 필요합니다. 각 요구사항은 로컬

이 실습에서는 Cloud Storage에서 BigQuery 데이터 세트로 데이터를 전송하는 동안 VPC 서비스 제어 를 사용하여 BigQuery Data Transfer Service 를 보호하는 방법을 알아봅니다. 그런 다음 Cloud Storage 를 보호하고 이 프로세스를 반복하여 Cloud Storage에서 BigQuery로 데이터를 전송합니다. Cloud Storage 보호로 인해 VPC 서비스 제어가 위반되며, 이를 해결해야 전송이

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.

웹 애플리케이션을 처음 배포하는 것은 쉽지 않을 수 있습니다. 첫 번째 배포 후에도 프로세스가 너무 많은 경우 새 버전의 애플리케이션을 배포하지 않을 수 있습니다. 지속적 배포를 사용하면 애플리케이션 변경사항을 간편하게 자동으로 배포할 수 있습니다. 이 실습에서는 웹 애플리케이션을 작성하고 애플리케이션의 소스 코드가 변경될 때 애플리케이션을 자동으로 배포하도록 Cloud Run 을 구성합니다. 그런 다음 애플리케이션을 수정하고 다시 배포합니다.

웹 애플리케이션을 처음 배포하는 것은 쉽지 않을 수 있습니다. 첫 번째 배포 후에도 프로세스가 너무 많은 경우 새 버전의 애플리케이션을 배포하지 않을 수 있습니다. 지속적 배포를 사용하면 애플리케이션 변경사항을 간편하게 자동으로 배포할 수 있습니다. 이 실습에서는 웹 애플리케이션을 작성하고 애플리케이션의 소스 코드가 변경될 때 애플리케이션을 자동으로 배포하도록 Cloud Run 을 구성합니다. 그런 다음 애플리케이션을 수정하고 다시 배포합니다.

웹 애플리케이션을 처음 배포하는 것은 쉽지 않을 수 있습니다. 첫 번째 배포 후에도 프로세스가 너무 많은 경우 새 버전의 애플리케이션을 배포하지 않을 수 있습니다. 지속적 배포를 사용하면 애플리케이션 변경사항을 간편하게 자동으로 배포할 수 있습니다. 이 실습에서는 웹 애플리케이션을 작성하고 애플리케이션의 소스 코드가 변경될 때 애플리케이션을 자동으로 배포하도록 Cloud Run 을 구성합니다. 그런 다음 애플리케이션을 수정하고 다시 배포합니다.

웹 애플리케이션을 처음 배포하는 것은 쉽지 않을 수 있습니다. 첫 번째 배포 후에도 프로세스가 너무 많은 경우 새 버전의 애플리케이션을 배포하지 않을 수 있습니다. 지속적 배포를 사용하면 애플리케이션 변경사항을 간편하게 자동으로 배포할 수 있습니다. 이 실습에서는 웹 애플리케이션을 작성하고 애플리케이션의 소스 코드가 변경될 때 애플리케이션을 자동으로 배포하도록 Cloud Run 을 구성합니다. 그런 다음 애플리케이션을 수정하고 다시 배포합니다.

웹 애플리케이션을 처음 배포하는 것은 쉽지 않을 수 있습니다. 첫 번째 배포 후에도 프로세스가 너무 많은 경우 새 버전의 애플리케이션을 배포하지 않을 수 있습니다. 지속적 배포를 사용하면 애플리케이션 변경사항을 간편하게 자동으로 배포할 수 있습니다. 이 실습에서는 웹 애플리케이션을 작성하고 애플리케이션의 소스 코드가 변경될 때 애플리케이션을 자동으로 배포하도록 Cloud Run 을 구성합니다. 그런 다음 애플리케이션을 수정하고 다시 배포합니다.

웹 애플리케이션을 처음 배포하는 것은 쉽지 않을 수 있습니다. 첫 번째 배포 후에도 프로세스가 너무 많은 경우 새 버전의 애플리케이션을 배포하지 않을 수 있습니다. 지속적 배포를 사용하면 애플리케이션 변경사항을 간편하게 자동으로 배포할 수 있습니다. 이 실습에서는 웹 애플리케이션을 작성하고 애플리케이션의 소스 코드가 변경될 때 애플리케이션을 자동으로 배포하도록 Cloud Run 을 구성합니다. 그런 다음 애플리케이션을 수정하고 다시 배포합니다.

웹 애플리케이션을 처음 배포하는 것은 쉽지 않을 수 있습니다. 첫 번째 배포 후에도 프로세스가 너무 많은 경우 새 버전의 애플리케이션을 배포하지 않을 수 있습니다. 지속적 배포를 사용하면 애플리케이션 변경사항을 간편하게 자동으로 배포할 수 있습니다. 이 실습에서는 웹 애플리케이션을 작성하고 애플리케이션의 소스 코드가 변경될 때 애플리케이션을 자동으로 배포하도록 Cloud Run 을 구성합니다. 그런 다음 애플리케이션을 수정하고 다시 배포합니다.

웹 애플리케이션을 처음 배포하는 것은 쉽지 않을 수 있습니다. 첫 번째 배포 후에도 프로세스가 너무 많은 경우 새 버전의 애플리케이션을 배포하지 않을 수 있습니다. 지속적 배포를 사용하면 애플리케이션 변경사항을 간편하게 자동으로 배포할 수 있습니다. 이 실습에서는 웹 애플리케이션을 작성하고 애플리케이션의 소스 코드가 변경될 때 애플리케이션을 자동으로 배포하도록 Cloud Run 을 구성합니다. 그런 다음 애플리케이션을 수정하고 다시 배포합니다.

웹 애플리케이션을 처음 배포하는 것은 쉽지 않을 수 있습니다. 첫 번째 배포 후에도 프로세스가 너무 많은 경우 새 버전의 애플리케이션을 배포하지 않을 수 있습니다. 지속적 배포를 사용하면 애플리케이션 변경사항을 간편하게 자동으로 배포할 수 있습니다. 이 실습에서는 웹 애플리케이션을 작성하고 애플리케이션의 소스 코드가 변경될 때 애플리케이션을 자동으로 배포하도록 Cloud Run 을 구성합니다. 그런 다음 애플리케이션을 수정하고 다시 배포합니다.

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.

이 Codelab에서는 Flutter에서 애니메이션을 사용하는 방법을 알아봅니다. 크기와 색상 모두 애니메이션 처리하고, 3D 카드 뒤집기 효과를 추가하고, 애니메이션 패키지의 효과를 활용하고, Android의 뒤로 탐색 예측 동작 지원을 추가하는 위젯을 빌드합니다.

이 Codelab에서는 ABAP SDK를 사용하여 Cloud Pub/Sub에서 이벤트를 수신합니다.

이 Codelab에서는 Google Cloud용 ABAP SDK를 사용하여 Cloud Storage JSON API의 메서드를 호출하고 파일을 업로드하는 방법을 알아봅니다.

Google 월렛 API를 사용하면 포인트 카드, 혜택, 기프트 카드, 이벤트 티켓, 대중교통 티켓, 탑승권 등 다양한 유형의 패스를 통해 사용자와 소통하며 참여를 유도할 수 있습니다. 각 패스 유형 또는 패스 클래스에는 사용자 환경을 개선하기 위한 사용 사례별 필드와 기능이 있습니다. 하지만 이러한 방법이 모든 사용 사례에 적합하지는 않을 수 있습니다. 더 맞춤설정된 환경을 만들려면 일반 패스 유형을 사용하면 됩니다. 다음은 일반 패스 유형의

이 Codelab에서는 Gemini Pro 모델을 사용하여 ABAP SDK로 제품 리뷰에 대한 감정 분석을 수행합니다.

이 Codelab에서는 ABAP SDK를 사용하여 Translation API의 메서드를 호출하는 방법을 알아봅니다.

이 Codelab에서는 Google Cloud Pub/Sub 서비스에 이벤트를 게시하는 방법을 알아봅니다.

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

이 Codelab에서는 Spanner 인스턴스를 만들고 Spanner Graph를 사용하는 방법을 알아봅니다.

이 Codelab에서는 Looker SMTP Southbound 액세스의 서비스 프로듀서로 구성된 인터넷 NEG를 통합하는 방법을 알아봅니다.

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

이 Codelab에서는 Imagen 모델을 사용하여 Cloud Run을 통해 웹페이지에 이미지를 만듭니다.

GitHub - 생성형 AI를 통한 코드 검토 자동화

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

이 Codelab에서는 Google Cloud용 ABAP SDK를 사용하여 ABAP 환경에서 Vertex AI PaLM 2 텍스트 (text-bison) LLM을 호출하는 방법을 알아봅니다.

Cloud Run GPU에서 안정적인 확산을 실행하는 방법 알아보기

Cloud Storage 버킷 이벤트를 사용하여 Eventarc로 Cloud Run 함수를 트리거하여 Google의 Vision API를 사용하여 데이터를 분석하고 이미지를 처리한 후 결과 이미지 정보를 Cloud Storage에 객체 메타데이터로 저장하는 방법을 알아봅니다.

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

이 Codelab에서는 Cloud KMS 비대칭 키를 사용하여 데이터를 암호화하고 복호화합니다.

문서 및 API 호출을 통한 품질보증을 위한 생성형 AI 상담사

이 Codelab에서는 자동 확장 빌더 에이전트를 포함하여 GKE에 Jenkins 인스턴스를 배포하는 단계를 안내합니다.

이 Codelab에서는 next-hop-instance, next-hop-gateway, next-hop-address와 같은 새 다음 홉 속성을 사용하여 ipv6 정적 경로를 사용하는 방법을 알아봅니다.

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.

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.

이 Codelab에서는 소비자 및 프로듀서 네트워크를 배포하여 Private Service Connect 66 구현 및 유효성 검사에 대해 알아봅니다.

Python SDK 및 PSC 엔드포인트를 통해 VM에서 Vertex AI의 Anthropic에 액세스

Cloud Run GPU에서 안정적인 확산을 실행하는 방법 알아보기

이 실습에서는 Google의 생성형 AI 제품을 사용하여 Gemini Cloud Assist의 도움을 받아 Google Cloud에 인프라를 빌드합니다.

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

생성형 AI를 사용한 JIRA 사용자 스토리 구현

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

이 Codelab에서는 Southbound 액세스를 위해 Cloud SQL PSC를 Looker PSC와 통합하는 방법을 알아봅니다.

Artifact Registry를 사용하면 여러 아티팩트 유형을 저장하고, 단일 프로젝트에 여러 저장소를 만들고, 특정 리전 또는 멀티 리전을 각 저장소와 연결할 수 있습니다. 저장소 모드는 여러 가지입니다. 각 모드는 서로 다른 목적을 수행합니다. 다음 다이어그램은 여러 모드에서 저장소를 함께 사용할 수 있는 여러 방법 중 하나를 보여줍니다. 이 다이어그램은 두 Google Cloud 프로젝트의 워크플로를 보여줍니다. 개발 프로젝트에서

이 Codelab에서는 ABAP SDK for Google Cloud를 사용하여 Secret Manager에서 사용자 인증 정보/비밀을 검색하는 방법을 알아봅니다.

이 튜토리얼에서는 Python으로 Translation API를 사용하는 방법을 알아봅니다.

이 Codelab에서는 소비자 및 생산자 네트워크를 배포하여 Private Service Connect 64 구현 및 유효성 검사에 대해 알아봅니다.

이 튜토리얼에서는 preview, canary, prod라는 GKE 클러스터를 세 개 만듭니다. 그런 다음 각 클러스터에 해당하는 Cloud Deploy 타겟과 이러한 타겟에서 배포를 실행하는 단계의 시퀀스를 정의할 Cloud Deploy 파이프라인을 만듭니다. 배포 흐름은 Cloud Deploy 출시를 만들고 미리보기 클러스터에서 배포를 실행하는 cloudbuild 파이프라인에 의해 트리거됩니다. 미리보기 배포가 완료되고 예상대로 작동하는지

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

이 Codelab에서는 BigQuery에서 머신러닝 (ML) 모델을 만들고 Google Cloud용 ABAP SDK를 사용하여 SAP에서 이 모델의 예측을 가져옵니다.

이 Codelab에서는 Cloud NGFW Enterprise를 사용하여 TLS 검사를 통해 Threat Prevention을 달성하는 방법을 알아봅니다.

이 Codelab에서는 Play Integrity API를 샘플 애플리케이션에 추가합니다. Play Integrity API를 사용하여 앱의 라이선스 상태 및 무결성, 앱이 실행되는 기기의 무결성 상태를 확인하는 데 도움이 되는 무결성 확인 결과를 요청합니다.

이 Codelab에서는 기준 프로필을 사용하여 앱 시작 타이밍과 프레임 타이밍을 개선하는 방법을 보여줍니다.

이 Codelab에서는 간단한 3D 물리 시뮬레이션 게임으로 시작하여 적응성 기능을 게임에 통합합니다. 다음을 통합합니다.

이 Codelab에서는 일련의 식당을 나열하는 Android 앱을 빌드합니다. Android App Links의 설계, 구성, 확인을 돕는 것을 목표로 합니다.

Jetpack Compose를 사용하여 뷰 기반 Android 앱에 적응형 레이아웃을 추가하는 방법을 알아봅니다.

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

입찰 서비스 (B&A) 는 구매자와 판매자가 Protected Audience 입찰을 진행하는 데 필요한 4가지 서비스로 구성됩니다. 구매자 스택: 판매자 스택: 이 Codelab에서는 로컬 환경에서 엔드 투 엔드 설정을 설정하고 테스트하는 방법을 안내합니다. 이 둘러보기는 초기 서비스 빌드 시간을 제외하고 약 1시간 정도 소요될 것으로 예상됩니다. 구매 측 코드 또는 판매 측 코드만 작업할 수도 있지만 로컬 환경에서 엔드 투 엔드

이 실습에서는 BigQuery Studio의 Python 노트북에서 BigQuery DataFrames를 사용하여 Python으로 비정형 데이터에서 유용한 정보를 얻습니다.

Artifact Registry 는 OCI 컨테이너 이미지와 언어 패키지 (예: Maven 및 npm)를 관리하는 통합 도구를 제공하는 완전 관리형 패키지 관리자입니다. Artifact Registry는 다음 예와 같이 Google Cloud의 다양한 다른 Google Cloud 서비스와 완전히 통합됩니다. 이 실습에서는 실습 튜토리얼 형식으로 이러한 기능을 자세히 안내합니다. 이 실습의 학습 목표는 무엇인가요? Cloud Shell에서

이 실습에서는 BigQuery Studio의 Python 노트북에서 BigQuery DataFrames를 사용하여 아이오와주 주류 판매 공개 데이터 세트를 정리하고 분석합니다.

이 Codelab에서는 실시간 상담사 담당자와 봇 담당자 간의 대화 트랜스퍼를 관리하는 방법을 알아봅니다. 마지막에는 에이전트와의 진행 중인 모든 대화를 확인하고 실시간 에이전트로 참여하거나 대화에서 나갈 수 있는 기본 웹 인터페이스가 생성됩니다.

이 Codelab에서는 구조화된 데이터 캡처 라이브러리를 사용하여 Android 앱을 빌드하는 방법을 알아봅니다. 앱은 구조화된 데이터 캡처 라이브러리를 사용하여 FHIR 설문조사 및 응답을 렌더링하고 처리합니다. 이 Codelab에서는 구조화된 데이터 캡처 라이브러리 에 중점을 둡니다. 따라서 이와 관련 없는 개념과 코드 블록은 그냥 넘어가겠습니다. 단, 필요할 때 복사해서 붙여넣을 수 있도록 다른 설명 없이 제공만 해드리겠습니다. 이전에

Cloud Run 은 HTTP 요청을 통해 호출 가능한 스테이트리스(Stateless) 컨테이너를 실행하는 완전 관리형 서버리스 플랫폼입니다. 이 Codelab에서는 IAM 인증을 사용하여 서비스 계정으로 Cloud Run의 Node.js 애플리케이션을 AlloyDB 에 안전하게 연결하는 방법을 보여줍니다. 이 실습에서는 다음 작업을 수행하는 방법을 배웁니다. 터미널에서 API를 사용 설정합니다. 승인하라는 메시지가 표시되면 승인 을 클릭하여

Local Home SDK로 로컬 처리를 사용 설정하여 스마트 홈과 어시스턴트의 통합을 강화하는 방법을 알아보세요.

Cloud Run 은 HTTP 요청을 통해 호출 가능한 스테이트리스(Stateless) 컨테이너를 실행하는 완전 관리형 서버리스 플랫폼입니다. 이 Codelab에서는 Cloud Run의 Node.js 애플리케이션을 PostgreSQL용 Cloud SQL 데이터베이스에 연결하는 방법을 보여줍니다. 이 실습에서는 다음 작업을 수행하는 방법을 배웁니다. 터미널에서 API를 사용 설정합니다. 승인하라는 메시지가 표시되면 승인 을 클릭하여 계속

이 Codelab에서는 FHIR 엔진 라이브러리를 사용하여 Android 앱을 빌드합니다. 앱은 FHIR 엔진 라이브러리를 사용하여 FHIR 서버에서 FHIR 리소스를 다운로드하고 로컬 변경사항을 서버에 업로드합니다. 이전에 Android 앱을 빌드한 적이 없다면 첫 앱을 빌드 하여 시작할 수 있습니다. HAPI FHIR 는 널리 사용되는 오픈소스 FHIR 서버입니다. 이 Codelab에서는 Android 앱이 연결할 수 있는 로컬 HAPI

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 Private Service Connect를 사용하여 리전별 Google API에 액세스하는 방법을 알아봅니다. 이 Codelab에서는 내부 애플리케이션 부하 분산기를 사용하여 PSC 네트워크 엔드포인트 그룹을 백엔드로 설정하는 방법을 살펴봅니다.

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

이 Codelab에서는 Private Service Connect의 포트 매핑 기능을 알아봅니다. 이 솔루션이 유용한 이유, 사용 시점, 서비스 프로듀서로서 자체 환경에서 구성하는 방법에 대해 알아봅니다.

이 Codelab에서는 본 시리즈 1부에서 제작된 에이전트를 확장하여 Business Messages 대화형 플랫폼에서 Python으로 디지털 에이전트를 빌드합니다. 이 Codelab에서는 의미 있는 대화 주제를 추가하고 인벤토리 조회 경험을 소개합니다.

이 Codelab에서는 Business Messages 대화형 플랫폼에서 Python으로 디지털 에이전트를 빌드합니다. 특정 질문에 응답하는 디지털 에이전트를 만들기 위해 Google API 및 비즈니스 커뮤니케이션 개발자 콘솔을 사용하는 방법을 안내해 드립니다.

명함을 표시하는 Android 앱을 만드는 방법을 알아봅니다.

사용자가 주사위를 굴려 결과를 표시할 수 있는 대화형 Dice Roller 앱을 빌드하는 방법을 알아봅니다.

Android 앱 내에서 Kotlin 코루틴을 사용하는 방법과 코루틴을 테스트하는 방법을 알아봅니다.

Kotlin 플레이그라운드에서 Kotlin 코루틴을 사용하여 비동기 코드를 작성하는 방법을 알아봅니다.

작업 버튼을 추가하고 키보드 작업을 설정하고 스위치 컴포저블을 사용하는 방법을 알아봅니다.

목록, 세트, 맵을 비롯하여 배열 및 컬렉션을 사용하는 방법을 알아봅니다.

Kotlin에서 클래스 및 객체의 사용 방법을 알아봅니다.

앱 내부와 앱 전체에서 DragHelper 및 DropHelper를 사용하여 뷰에 드래그 앤 드롭을 사용 설정하는 방법을 알아봅니다.

이 Codelab에서는 Wear OS용 카드를 직접 만드는 방법을 알아봅니다. Tiles Material 구성요소를 사용하며 이는 Material Design 가이드라인을 준수하는 UI를 더 쉽게 빌드하고, 개발하는 동안 Android 스튜디오에서 카드를 쉽게 미리 볼 수 있는 라이브러리입니다.

Vulkan은 고성능의 최신 그래픽 API입니다. GPU에 대한 하위 수준 접근성을 제공하고 다양한 방식으로 구현을 최적화하지만 사용하기가 어렵습니다. 대안인 OpenGL ES는 더 간단했지만 기존 하드웨어 아키텍처에 기반하기 때문에 기능과 성능이 떨어집니다. OpenGL ES는 다른 플랫폼에서 대부분 지원 중단되었으며 더 이상 개발되지 않습니다. Android에서는 OpenGL ES를 지원 중단하고 Vulkan으로 이전할 계획이므로 개발자는 이러한 전환을 준비해야 합니다.

이 Codelab에서는 헬스 커넥트에 대해 읽기 및 쓰기를 지원하는 건강 및 피트니스 앱을 빌드합니다.

Jetpack WindowManager 라이브러리를 사용하여 폴더블 기기 및 듀얼 화면 기기와 같은 새로운 폼 팩터에 맞게 앱을 조정하는 방법을 알아보세요.

Affirmations 앱에 스크롤 가능한 목록을 추가합니다.

이 Codelab에서는 Jetpack Compose로 만든 UI를 테스트하는 방법을 알아봅니다. 격리 테스트, 디버깅 테스트, 시맨틱 트리, 동기화를 알아보면서 첫 번째 테스트를 작성합니다.

활동 삽입을 사용하면 코드 리팩터링 없이 활동 기반 앱이 대형 화면에서 창 두 개 레이아웃을 지원할 수 있습니다. 몇 가지 종속 항목을 추가하고, XML 구성 파일을 만들고, 이니셜라이저를 구현하고, 앱 매니페스트에 몇 가지 항목을 추가할 수 있습니다. 또는 코드로 작업하고 싶다면 기본 활동의 onCreate() 메서드에서 Jetpack API를 몇 번 호출할 수 있습니다. 이 Codelab에서는 XML 접근 방식과 API 개발 접근 방식을 모두 사용하여 활동 기반 앱을 목록 세부정보의 창 두 개 레이아웃으로 업데이트합니다.

표준 레이아웃 패턴 중 하나를 구현하여 대형 화면에 맞게 앱을 조정하는 방법을 알아보세요.

이 Codelab에서는 직장 프로필을 사용하는 관리 기기에서 앱을 실행할 때 더 나은 사용자 환경을 제공할 수 있도록 앱을 수정합니다.

Android 앱에서 최신 스타일러스 환경을 지원하는 고급 기술을 구현하는 방법을 알아봅니다.

이 Codelab에서는 뒤로 탐색 예측 애니메이션을 SociaLite 앱에 추가하는 방법을 알아봅니다.

컴포저블 함수로 간단한 앱을 빌드하는 방법을 알아봅니다.

인터넷을 사용할 수 없는 경우에도 사용자를 서로 연결하는 방법을 알아봅니다.

이 Codelab에서는 Compose Animation API를 사용하는 방법을 알아봅니다.

이 Codelab에서는 Android의 네트워크 보안 구성을 살펴보고 보안 네트워크 통신 설정에 관한 몇 가지 일반적인 문제를 알아보겠습니다.

이 Codelab에서는 Jetpack Compose의 상태 및 부수 효과에 관한 고급 개념을 알아봅니다. 복잡한 스테이트풀(Stateful) 컴포저블의 상태 홀더를 만드는 방법, Compose 코드에서 코루틴을 만들고 정지 함수를 호출하는 방법, 다양한 사용 사례를 달성하기 위해 부수 효과를 트리거하는 방법 등을 알아봅니다.

이 Codelab에서는 플랫폼 권장사항에 유의하면서 워치 배경화면 정보 표시에 데이터를 노출하는 방법을 알아봅니다.

이 Codelab에서는 활동 삽입의 새로 추가된 기능을 사용하여 앱 대형 화면 환경을 개선하는 방법을 알아봅니다. 이러한 기능에는 창 확장, 오버레이 프레젠테이션, 전체 화면 대화상자 어둡게 처리, 활동 스택 고정이 포함됩니다.

이 Codelab에서는 뷰 시스템의 화면 일부를 Jetpack Compose로 이전하는 방법을 알아봅니다.

Android는 지난 몇 차례에 걸쳐 개인 정보 보호 기능을 많이 출시했으며 앱에서 이를 채택할 수 있어 기쁘게 생각합니다. 이 Codelab에서는 개인 정보 보호 기능을 연결하려고 하며, 비공개 사용자 데이터에 대한 앱의 액세스 권한을 학습하고 실행 중인 기존 앱에 개인 정보 보호 권장사항을 채택하는 방법을 개발자에게 보여주려고 합니다.

이 Codelab에서는 활동 수명 주기와 로깅을 알아봅니다.

이 Codelab에서는 Compose에서 즉시 제공되는 컴포저블과 수정자를 통해 실제 디자인을 구현하는 방법을 알아봅니다.

버튼 클릭 동작에 관해 학습한 내용을 적용하여 앱을 빌드합니다.

Compose를 사용하여 마우스, 트랙패드와 같은 키보드 및 포인팅 기기를 지원하는 앱을 개발하는 방법을 알아보세요.

수년에 걸쳐 Android 기기는 많은 기능과 함께 다양한 크기, 모양, 디스플레이를 포함하도록 발전했습니다. 하지만 처음부터 휴대전화로 사진을 찍는 것은 가장 중요한 사용 사례 중 하나였습니다. 오늘날 카메라 기능은 여전히 소비자가 휴대전화를 구매하는 큰 이유 중 하나입니다.

Android Sleep API를 등록하여 SleepSegmentEvents 및 SleepClassifyEvents를 가져오는 방법을 알아봅니다.

Android 1에서 위치 정보 액세스 권한 요청

네트워크 호출을 저장소로 분리하여 화성 사진 앱의 아키텍처를 더 개선하는 방법을 알아봅니다.

상태에 관해 알아보고 Jetpack Compose에서 상태를 사용하고 조작하는 방법을 알아봅니다.

이 Codelab에서는 아키텍처 구성요소 중 하나인 ViewModel을 사용하는 방법을 알아봅니다. 구성 변경 중에 앱 상태를 유지하도록 ViewModel을 구현합니다.

이 Codelab에서는 Android Automotive OS 기기를 위한 우수한 주차 경험을 빌드하고 테스트하는 방법을 알아봅니다. 자동차에서 볼 수 있는 여러 화면을 최대한 활용하는 방법과 사용자가 표준 Android 메커니즘을 사용하여 자동차에만 적용되는 여러 시나리오에서 콘텐츠 재생을 제어하도록 지원하는 방법을 알아봅니다.

TV용 Compose의 기본사항을 알아보고 TV 앱에서 일반적으로 사용할 수 있는 두 화면을 만듭니다.

Firebase용 Vertex AI를 사용하여 Android 앱에 간단한 Gemini API 기능을 추가하는 방법을 알아보세요.

이 Codelab의 목적은 새롭게 구현된 Material Design 3 및 Material You로 Jetpack Compose의 테마 설정을 보여주는 것입니다.

수정자를 사용하여 Compose에서 드래그 앤 드롭을 사용 설정하는 방법을 알아보세요.

이 Codelab은 웹용 Google Pay API 101: 기본사항 의 연장선으로, 해당 Codelab에서 작성된 코드를 사용합니다. 이 Codelab을 완료하려면 먼저 해당 Codelab을 완료해야 합니다. ButtonOptions 에 대한 간단한 개요입니다. 자세한 설명은 문서를 참고하세요. 옵션 필요성 값 onClick 필수 JavaScript 이벤트 핸들러의 이름 allowedPaymentMethods 선택사항

Credential Manager API를 구현하여 패스키나 비밀번호로 앱에서 원활하고 안전한 인증을 제공하는 방법을 알아보세요.

목록, 세트, 맵을 비롯하여 배열 및 컬렉션을 사용하는 방법을 알아봅니다.

이 Codelab에서는 뷰 시스템의 화면 일부를 Jetpack Compose로 이전하는 방법을 알아봅니다.

Compose 앱에 간단한 스프링 애니메이션을 추가하는 방법을 알아보세요.

이 Codelab에서는 TwoActivities 앱에 로깅 문을 추가하고 활동 수명 주기 변경사항을 확인합니다. 이러한 변경사항을 사용하여 이러한 조건에서 사용자 입력을 처리하는 방법을 살펴봅니다.

Wear의 Ongoing Activity API를 사용하면 개발자는 최소한의 코드로 시계 화면과 앱 런처에서 사용자의 참여를 유도할 수 있으며 사용자가 간단히 탭하여 중요한 활동이 있는 앱으로 다시 돌아가도록 할 수 있습니다.

이 Codelab에서는 Compose의 기본사항을 알아봅니다.

Android용 WorkManager API는 백그라운드 작업을 간편하게 만듭니다. WorkManager는 쿼리할 수 있고 재사용 가능하며 체이닝할 수 있는 작업을 만들 수 있습니다. WorkManager는 Android에서 권장되는 작업 스케줄러입니다. 이 Codelab에서는 단순한 작업 작성부터 더 복잡한 체인 작업에 이르기까지 WorkManager에 관한 모든 것을 배울 수 있습니다.

Nearby Messages API로 메시지를 전송하고 검색하는 방법 알아보기

이 Codelab에서는 TV 영화/에피소드의 다음 볼만한 동영상을 빌드하기 위한 권장사항을 알아봅니다.

이 Codelab에서는 Android 앱 아키텍처의 데이터 레이어를 알아봅니다. 저장소와 데이터 모델, 데이터 소스를 빌드하여 로컬 데이터베이스 및 네트워크 서비스에서 데이터를 읽고 씁니다.

이 Codelab에서는 Compose 앱의 접근성을 높이는 방법을 알아봅니다. 터치 영역을 늘리고, 콘텐츠 설명과 클릭 라벨, 맞춤 작업을 추가하는 방법을 알아봅니다.

나만의 예술 공간을 선보이는 Android 앱을 만드는 방법을 알아봅니다.

이 Codelab에서는 상태를 관리하여 다양한 기능의 대화형 Compose 애플리케이션을 빌드하는 방법을 알아봅니다.

Android 15에서 더 넓은 화면 시행을 처리하는 방법을 알아보세요.

최종 업데이트: 2022년 5월 6일 Cronet은 Android 앱에서 라이브러리로 사용하도록 제공되는 Chromium 네트워크 스택입니다. Cronet은 지연 시간을 줄이고 앱이 작동해야 하는 네트워크 요청의 처리량을 늘리는 여러 기술을 활용합니다. Cronet 라이브러리는 YouTube, Google 앱, Google 포토, 지도 - 탐색 및 대중교통 등 매일 수백만 명이 사용하는 앱의 요청을 처리합니다. Cronet은 가장 많이 사용되는

시스템 트레이스를 분석하고 일반적인 지연 원인을 수정하여 Compose 앱의 실행 속도를 높이세요.

이 Codelab에서는 새로운 Wear OS용 Compose를 사용하여 Compose 지식을 웨어러블 기기에 적용하는 방법을 알아봅니다. 과정을 진행하면서 웨어러블 기기용 앱을 위한 간단한 컴포저블은 물론 고급 컴포저블도 만들어보게 됩니다.

이 Codelab에서는 목록을 표시하는 앱에 Paging 라이브러리를 통합합니다. Paging 라이브러리를 사용하면 로컬 저장소에서나 네트워크를 통해 대규모 데이터 세트의 데이터 페이지를 로드하고 표시할 수 있습니다.

작업 버튼을 추가하고 키보드 작업을 설정하고 스위치 컴포저블을 사용하는 방법을 알아봅니다.

이 Codelab에서는 모델 gecko@003과 이 모델의 실제 사용 사례를 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.

이 Codelab에서는 Gemini Code Assist를 사용하여 웹사이트에 Material Design을 구현하는 방법을 보여줍니다. Material Design이 구현되면 디자인을 반복하여 사용자 환경을 개선하고 기능을 추가하도록 변경할 수 있습니다. 이 워크숍을 마치면 CSS를 작성하지 않고도 Gemini를 통해 Material Design 또는 이와 유사한 라이브러리를 사용하여 유용하고 사용자 친화적인 웹페이지를 만들 수 있습니다. 이

이 Codelab에서는 web-vitals 라이브러리를 사용하여 다음 페인트에 대한 상호작용 (INP) 을 측정하는 방법을 알아봅니다. 코드는 web-vitals-codelabs 저장소 에 있습니다. 이 Codelab에서는 Gastropodicon (인기 있는 달팽이 해부학 참조 사이트)을 사용하여 INP의 잠재적 문제를 살펴봅니다. 페이지와 상호작용하여 속도가 느린 상호작용을 파악해 보세요. 기타 도구 > 개발자 도구 메뉴 에서

이 실습의 목표는 PSC 전파를 통해 NCC를 살펴보는 것입니다.

이 실습에서는 Media CDN (CDN)을 사용하여 라이브 스트리밍 워크플로 데모를 배포하는 단계를 안내합니다. + Live Stream API + Cloud Storage + 미디어 플레이어

이 실습의 목표는 NCC 허브에 연결된 소프트웨어 정의 WAN 어플라이언스 스포크를 사용하여 NCC를 살펴보는 것입니다.

이 Codelab에서는 GitHub.com에 대한 Looker Southbound의 액세스를 위해 HTTPS as a Service Producer로 구성된 인터넷 NEG를 통합하는 방법을 알아봅니다.

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

이 Codelab에서는 하이브리드 NEG를 온프레미스 Postgres 데이터베이스에 대한 Looker Southbound 액세스의 서비스 프로듀서로 통합하는 방법을 알아봅니다.

생성형 AI를 통한 코드 검토 자동화

이 Codelab에서는 북방향 Looker 액세스를 위해 L7 리전 외부 애플리케이션 부하 분산기를 통합하는 방법을 알아봅니다.

이 Codelab에서는 Gemini 1.0 Pro가 BigQuery 공개 데이터 세트에서 제공되는 citibike_stations 데이터의 보강 및 중복 삭제와 같은 마스터 데이터 관리 애플리케이션을 어떻게 간소화하는지 보여줍니다.

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 MediaPipe 솔루션을 사용하여 Android 앱에 기기 내 텍스트 이미지 변환 생성을 추가하는 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 Gemini 1.5 Pro를 AlloyDB 및 Vertex AI와 함께 사용하여 특허 검색 애플리케이션을 빌드하는 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 Gemini 1.0 Pro를 Spanner 및 Vertex AI와 함께 사용하여 특허 검색 애플리케이션을 빌드하는 방법을 알아봅니다.

MediaPipe로 Android에서 이미지 분류를 사용하여 필기 입력 숫자를 감지하는 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 SSH로 구성된 인터넷 NEG를 Looker Southbound 액세스용 서비스 프로듀서로 github.com에 통합하는 방법을 알아봅니다.

이 실습의 목표는 VPC를 스포크로 사용하여 NCC를 살펴보는 것입니다.

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

이 Codelab에서는 태그를 통해 전역 네트워크 방화벽 정책을 사용하여 트래픽을 제어하는 방법을 알아봅니다.

이 Codelab의 내용

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

안전한 소스 코드 기법은 소스 코드의 보안을 개선하는 데 사용할 수 있는 일련의 방법입니다. 이러한 기술은 소스 코드의 취약점을 식별 및 수정하고 소스 코드에 대한 무단 액세스를 방지하며 소스 코드가 수정되지 않도록 보호하는 데 도움이 될 수 있습니다.

이 Codelab에서는 온디바이스 머신러닝을 사용하여 이미지에서 객체를 인식한 다음 사용자가 시각적 제품 검색을 실행할 수 있는 ML Kit를 사용하여 Android 앱을 빌드합니다.

컨테이너 분석은 컨테이너의 취약점 스캔 및 메타데이터 스토리지를 제공합니다. 스캔 서비스는 Artifact Registry 및 Container Registry의 이미지에 대한 취약점 스캔을 수행한 후 결과 메타데이터를 저장하고 API를 통해 사용할 수 있도록 합니다. 메타데이터 저장소를 사용하면 취약점 스캔, Google Cloud 서비스, 서드 파티 제공업체 등 다양한 소스의 정보를 저장할 수 있습니다. 취약점 스캔은 자동으로 발생하거나

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

Cloud Run에 안전하게 배포하기 위한 기본 방법

이 Codelab에서는 Private Service Connect 자동 DNS를 구성하고 검증하는 방법을 알아봅니다.

IAP(Identity-Aware Proxy)를 사용하여 CloudRun에서 실행되는 애플리케이션에 대한 액세스 보호 및 사용자 로그인 요구

소프트웨어 취약점은 우발적인 시스템 장애를 일으키거나 악의적인 행위자가 소프트웨어를 손상시킬 수 있는 약점입니다. 컨테이너 분석은 컨테이너의 취약점을 찾기 위해 두 가지 종류의 OS 스캔을 제공합니다. On-Demand Scanning API를 사용하면 컴퓨터에 로컬로 저장된 이미지를 스캔하거나 Container Registry 또는 Artifact Registry에 원격으로 저장된 이미지를 스캔할 수 있습니다. 이렇게 하면 취약점을 스캔할

이 실용적인 Codelab은 Android 개발자 기초 (버전 2) 과정의 1단원: 시작하기의 일부입니다. Codelab을 순서대로 진행하면 이 과정의 학습 효과를 극대화할 수 있습니다. 이 실습에서는 활동 수명 주기에 관해 자세히 알아봅니다. 수명 주기는 활동이 생성될 때부터 소멸되고 시스템에서 리소스를 회수할 때까지 전체 기간 동안 활동이 있을 수 있는 일련의 상태입니다. 사용자가 앱에서 활동 간에 그리고 앱 안팎으로 이동함에 따라 활동은

이 Codelab에서는 파라미터 효율적인 튜닝 (PET)을 사용하여 맞춤설정된 텍스트 분류기를 만드는 방법을 보여줍니다. PET 메서드는 전체 모델을 미세 조정하는 대신 소량의 매개변수만 업데이트하므로 비교적 쉽고 빠르게 학습할 수 있습니다. 또한 모델이 상대적으로 적은 양의 학습 데이터로 새로운 동작을 더 쉽게 학습할 수 있습니다. 이 방법론은 모든 사용자를 위한 민첩한 텍스트 분류기 에 자세히 설명되어 있으며, 이 방법론에서는 이러한 기법을

생성형 AI 제품은 비교적 새롭고 애플리케이션의 동작은 이전 형태의 소프트웨어보다 더 다양할 수 있습니다. 따라서 사용 중인 머신러닝 모델을 조사하고 모델 동작의 예시를 살펴보고 예기치 않은 결과를 조사하는 것이 중요합니다. 학습 해석 가능성 도구 (LIT, 웹사이트, GitHub )는 ML 모델을 디버그하고 분석하여 모델이 특정 방식으로 동작하는 이유와 방식을 이해하기 위한 플랫폼입니다. 이 Codelab에서는 LIT를 사용하여 Google의

GCP 측정항목 및 Logging을 사용하여 프로덕션 문제를 파악하고 해결하는 방법을 알아봅니다. 테스트 모음을 사용하여 기능 및 API 문제를 파악하는 방법을 알아보세요.

클라우드 간 통합을 빌드하고 배포하여 어시스턴트에 가상 스마트 세탁기를 통합하세요.

Google Cloud에서 로그 기반 측정항목을 사용하여 패턴을 추적하고 스마트 홈 통합 오류 로그를 분석하는 방법을 알아보세요.

GCP 측정항목 및 Logging을 사용하여 프로덕션 문제를 파악하고 해결하는 방법을 알아봅니다. 테스트 모음을 사용하여 기능 및 API 문제를 파악하는 방법을 알아보세요. 로컬 홈 앱을 개발하는 동안 Chrome 개발자 도구를 사용하는 방법을 알아봅니다.

CameraStream 특성 및 WebRTC를 사용하여 웹캠에서 Google Nest 디스플레이 기기로 스트리밍하는 방법을 알아봅니다.

맞춤설정 가능한 기기 특성을 통해 클라우드 간 통합을 개선하고 보안을 강화하며, 2단계 인증을 통해 보안을 강화하는 방법을 알아보세요.

Cloud Scheduler를 사용하여 Cloud Run 작업을 만들고 작업 실행을 구성하는 방법을 알아봅니다.

Cloud Deploy로 Cloud Run 애플리케이션을 배포하는 방법을 알아봅니다.

이 Codelab에서는 판매 주문 프로세스를 자동화하는 대화형 AI 상담사 앱을 빌드합니다.

Cloud Run의 인그레스 설정

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

이 튜토리얼에서는 VPC 피어링을 통해 서비스에 액세스하기 위해 Private Service Connect 인터페이스를 구성하고 검증하는 방법을 알아봅니다.

OpenTelemetry는 trace 및 측정항목의 시스템 관측 가능성을 위한 업계 표준입니다. 또한 지속적인 프로파일링은 성능 조정을 위해 라스트 1마일 정보를 식별하는 도구입니다. 이 Codelab에서는 trace용 OpenTelemetry와 프로파일러 에이전트를 사용해 애플리케이션을 계측하는 방법과 Cloud Trace 및 Cloud Profiler의 시각화된 차트에서 병목 현상을 식별하는 방법을 알아봅니다.

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

이 Codelab에서는 AdWords API와 Content API for Shopping을 사용하여 애드워즈 관리자 계정과 판매자 센터 멀티 클라이언트 계정에서 관리하는 새 계정을 만드는 솔루션을 만듭니다. 그런 다음 새 판매자 센터 하위 계정에서 관리하는 제품을 새 애드워즈 하위 계정으로 만든 쇼핑 캠페인에서 사용할 수 있도록 새 하위 계정을 서로 연결합니다.

이 Codelab에서는 전역 액세스로 MongoDB에 대한 Private Service Connect 액세스를 구성하고 검증하는 방법을 알아봅니다.

Procurement DocAI를 사용하여 인보이스를 지능적으로 파싱하는 방법을 알아봅니다.

이 실습에서는 Google Cloud Platform (GCP)에 LIT 애플리케이션 서버를 배포하여 Vertex AI Gemini 기반 모델 및 자체 호스팅 서드 파티 대규모 언어 모델 (LLM)과 상호작용하는 방법을 자세히 설명합니다. 또한 프롬프트 디버깅 및 모델 해석에 LIT UI를 사용하는 방법에 관한 안내도 포함되어 있습니다. 이 실습을 통해 사용자는 다음을 수행하는 방법을 알아봅니다. LIT는 텍스트, 이미지, 표 형식 데이터를

이 튜토리얼에서는 Private Service Connect 인터페이스를 구성하고 검증하는 방법을 알아봅니다.

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.

이 실습의 목표는 VPC 스포크를 사용한 동적 경로 교환을 통해 NCC를 살펴보는 것입니다.

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.

내부 HTTP(S) 부하 분산기가 있는 Private Service Connect 및 하이브리드 NEG를 사용하여 하이브리드 네트워킹을 통해 온프렘 서비스에 연결

이 Codelab에서는 스마트 홈 통합에 자동 알림을 설정하여 서비스 중단을 감지하는 방법을 알아봅니다.

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.

이 Codelab을 완료하면 작동하는 Google Pay 통합이 포함된 최소한의 실행 가능한 웹사이트가 생성됩니다. 이 프로젝트는 결제 서비스 제공업체에 전송되어 처리될 수 있는 결제 토큰을 가져옵니다. Google Pay 결제 요청에는 요청 객체가 필요합니다. 여기에서 baseGooglePayRequest 로 정의된 객체에는 모든 요청에 대한 최소 공통 설정이 포함되어 있습니다. 요청에 따라 추가 설정이 추가되며 이 Codelab에서 검토할

이 Codelab에서는 Cloud NGW Enterprise 침입 방지 서비스를 사용하여 동서 및 북남 트래픽을 검사하는 방법을 알아봅니다.

호출에 대한 인증을 요구하여 Cloud Functions를 보호하는 방법을 알아봅니다.

이 Codelab에서는 스마트폰, 태블릿, 폴더블에서 사용할 수 있는 적응형 앱을 빌드하는 방법을 알아보고 도달 가능성에 관해 알아봅니다. Material 3 적응형 구성요소에 관한 권장사항도 알아봅니다.

이 Codelab에서는 Cast Ad Breaks API를 사용하는 맞춤 웹 수신기 애플리케이션을 빌드합니다.

이 Codelab에서는 기존 커스텀 웹 수신기 앱에 Cast 디버그 로거를 추가합니다.

이 Codelab에서는 Cast Live API를 사용하는 커스텀 웹 수신기 애플리케이션을 빌드합니다.

이 Codelab에서는 기존 Android 동영상 앱을 수정하여 Google Cast 지원 기기에서 콘텐츠를 전송합니다.

이 Codelab에서는 Cast 지원 기기에서 콘텐츠를 재생하는 커스텀 웹 수신기 앱을 빌드합니다.

이 Codelab에서는 기존 웹 동영상 앱을 수정하여 Google Cast 지원 기기에서 콘텐츠를 전송합니다.

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.

이 Codelab에서는 기존 Cast 전송기 앱의 전송 및 통신을 지원하도록 기존 Android TV 앱을 수정합니다.

Flutter로 게임에 음향 효과, 배경 음악, 동적 오디오를 추가하는 방법을 알아보세요.

BigQuery 원격 함수를 사용하여 Vertex AI VQA (시각적 질의 응답)에 Cloud Storage 객체 테이블에 저장된 이미지에 대해 질문하는 방법을 알아봅니다.

호출 시 인증을 요구하여 Cloud Run 함수를 보호하는 방법 알아보기

FCM 기존 API와 비교하여 FCM HTTP v1 API는 수명이 짧은 액세스 토큰을 사용하여 더 안전한 승인 모델을 제공합니다. FCM v1 API의 액세스 토큰을 생성하는 단계는 기존 API의 단계와 크게 다릅니다. 이 Codelab에서는 FCM HTTP v1 API를 사용하여 Android 앱에 푸시 알림을 보낼 수 있도록 클라이언트 및 서버 측 설정 프로세스를 안내합니다. v1 API 사용자 인증 정보 생성의 주요 단계를 강조

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

새로운 ARCore Geospatial API 사용 방법을 알아보세요.

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

초보자 친화적인 이 Codelab에서는 Angular v14 독립형 구성요소를 사용하여 샘플 애플리케이션을 빌드하는 방법을 알아봅니다.

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.

https://ide.cloud.google.com gcloud config set project {{project-id}} export PROJECT_ID=$(gcloud config get-value project) export PROJECT_NUMBER=$(gcloud projects describe $PROJECT_ID --format='value(projectNumber)') gcloud services enable \

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 BigQuery에 대한 Bigtable 변경 내역 템플릿을 사용하는 방법을 보여줍니다. 샘플 데이터 세트를 사용하여 변경 로그 쿼리에 익숙해지고 Looker를 사용하여 시각적 대시보드를 만듭니다.

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

이 Codelab에서는 기준 프로필을 사용하여 앱 시작 타이밍과 프레임 타이밍을 개선하는 방법을 보여줍니다.

이 Codelab에서는 'Hello World'라는 Apps Script 프로젝트를 만들고 메시지를 로깅하는 간단한 함수 logThis를 추가한 다음 Appsheet 자동화를 만들어 스크립트를 호출하도록 합니다.

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.

사전 빌드된 Material 구성요소를 웹 프레임워크용 구성요소로 확장하는 방법을 알아보세요.

이 Codelab에서는 온디바이스 머신러닝을 사용하여 이미지에서 텍스트와 얼굴 특징을 인식하는 ML Kit를 사용하여 Android 앱을 빌드합니다.

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

Skaffold 는 애플리케이션 빌드, 푸시, 배포를 위한 워크플로를 처리하는 도구입니다. Skaffold를 사용하면 로컬 개발 워크스페이스를 쉽게 구성하고, 내부 개발 루프를 간소화하며, Kustomize 및 Helm 과 같은 다른 도구와 통합하여 Kubernetes 매니페스트를 관리할 수 있습니다. 이 튜토리얼에서는 Skaffold의 핵심 개념을 살펴보고 이를 사용하여 내부 개발 루프를 자동화한 후 애플리케이션을 배포합니다. 실습할 내용은

이 Codelab에서는 실시간 트래픽 동영상 스트림을 모니터링하는 엔드 투 엔드 Vertex AI Vision 애플리케이션을 만드는 데 중점을 둡니다. 선행 학습된 특수 모델 점유율 분석을 사용합니다. 또한 애플리케이션으로 수집할 동영상 스트림을 만드는 방법, 애플리케이션을 빌드하고 배포하는 방법, BigQuery를 사용하여 모델의 JSON 출력을 분석하고 Looker Studio에서 결과를 시각화하는 방법을 알아봅니다.

이 Codelab에서는 소매점에서 큐 감지 시나리오를 모니터링하는 엔드 투 엔드 Vertex AI Vision 애플리케이션을 만드는 데 중점을 둡니다. 선행 학습된 특수 모델 점유율 분석을 사용합니다. 또한 애플리케이션으로 수집할 동영상 스트림을 만드는 방법, 애플리케이션을 빌드하고 배포하는 방법, BigQuery를 사용하여 모델의 JSON 출력을 분석하고 Looker Studio에서 결과를 시각화하는 방법을 알아봅니다.

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

기본 댓글 스팸 필터링을 지원하는 ML 모델로 앱을 업데이트하는 방법을 알아봅니다.

이 Codelab에서는 모션 필터링 기능을 사용하여 동영상을 전송하는 방법을 보여주는 엔드 투 엔드 Vertex AI Vision 애플리케이션을 만드는 데 중점을 둡니다. 이 튜토리얼에서는 모션 필터 구성을 사용하여 동영상 스트림을 애플리케이션에 수집하는 방법을 알아봅니다.

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 Codelab에서는 이벤트 관리 기능을 사용하여 이벤트를 전송하는 방법을 보여주는 엔드 투 엔드 Vertex AI Vision 애플리케이션을 만드는 데 중점을 둡니다. 선행 학습된 특수 모델 점유율 분석을 사용합니다. 동영상 스트림을 만들어 애플리케이션으로 수집하는 방법과 애플리케이션을 빌드하고 배포하는 방법도 알아봅니다.

이 실습에서는 YAML로 Google Cloud에서 Pulumi를 사용하는 방법을 알아봅니다.

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.

분석 도구를 사용하여 Matter 통합 문제를 해결하는 방법을 알아보고 개발자 지원 리소스에 관해 자세히 알아보세요.

Cloud Run에서 LangChain 앱을 빌드하고 배포하는 방법을 알아봅니다.

Dialogflow의 fulfillment 개념에 대해 알아봅니다.

Vision API를 Dialogflow와 통합하는 방법을 알아봅니다.

Kotlin의 핵심 구성요소로 간단한 앱을 빌드하여 Android용 Material 구성요소 사용에 관한 기본사항을 알아봅니다.

이 Codelab에서는 GA4F iOS SDK로 맞춤 이벤트를 구현하고 Google Ads를 통해 액션 캠페인을 실행하는 방법을 알아봅니다.

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

이 실습에서는 컨볼루셔널 레이어를 꽃을 인식할 수 있는 신경망 모델로 조합하는 방법을 알아봅니다. 이번에는 모델을 처음부터 직접 빌드하고 TPU의 성능을 활용하여 몇 초 만에 모델을 학습시키고 설계를 반복합니다. 이 실습에는 컨볼루셔널 신경망에 관한 필요한 이론적 설명이 포함되어 있으며, 딥 러닝을 배우는 개발자가 이 실습을 시작하기에 좋은 출발점이 될 것입니다.

Android용 Material 구성요소를 사용하여 Kotlin의 디자인을 통해 쉽게 제품을 차별화하고 브랜드를 표현하는 방법을 알아보세요.

이 Codelab에서는 두 개의 VPC를 만들고 다양한 유형의 IP 주소를 사용하여 간단한 Apache 웹사이트에 액세스합니다.

자바에서 Android의 구조 및 레이아웃에 머티리얼을 사용하는 방법을 알아봅니다.

이 Codelab에서는 Unity 환경에서 GA4F iOS로 맞춤 이벤트를 구현하고 Google Ads를 통해 액션 캠페인을 실행하는 방법을 알아봅니다.

Kotlin에서 Android의 구조 및 레이아웃에 Material을 사용하는 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 Codelab에서는 온프레미스 호스트에서 Google API에 대한 IPv6 액세스를 구성하고 검증하는 방법을 알아봅니다.

이 Codelab에서는 오픈소스 Magento 전자상거래 플랫폼을 Cloud Spanner와 통합합니다.

다시 시작하지 않고 개별 머티리얼 구성요소를 기존 웹 코드베이스에 통합하는 방법을 알아봅니다.

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

이 실습에서는 처음부터 나만의 컨볼루셔널 신경망을 빌드, 학습, 조정하는 방법을 알아봅니다. 이제 TPU의 성능을 활용하면 몇 분 만에 이 작업을 완료할 수 있습니다. 또한 매우 간단한 전이 학습부터 Squeezenet과 같은 현대적인 컨볼루셔널 아키텍처에 이르는 다양한 접근 방식도 살펴봅니다. 이 실습에는 신경망에 관한 필요한 이론적 설명이 포함되어 있으며, 딥 러닝을 배우는 개발자가 이 실습을 시작하기에 좋은 출발점이 될 것입니다. 이 실습에서는 Tensorflow 2를 사용합니다.

TPU는 매우 빠릅니다. 학습 데이터 스트림은 학습 속도를 따라갈 수 있어야 합니다. 이 실습에서는 tf.data.Dataset API로 GCS에서 데이터를 로드하여 TPU에 제공하는 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.

웹에서 구조와 레이아웃에 머티리얼을 사용하는 방법을 알아봅니다.

이 실습에서는 Keras 분류기를 빌드하는 방법을 알아봅니다. 꽃을 인식하기 위해 신경망 레이어의 완벽한 조합을 파악하는 대신, 먼저 전이 학습이라는 기법을 사용하여 강력한 선행 학습된 모델을 데이터 세트에 적용합니다. 이 실습에는 신경망에 관한 필요한 이론적 설명이 포함되어 있으며, 딥 러닝을 배우는 개발자가 이 실습을 시작하기에 좋은 출발점이 될 것입니다.

이 실습에서는 최신 컨볼루셔널 아키텍처에 대해 알아보고 지식을 활용하여 'squeezenet'이라는 간단하지만 효과적인 컨볼루션을 구현합니다. 이 실습에는 컨볼루셔널 신경망에 관한 필요한 이론적 설명이 포함되어 있으며, 딥 러닝을 배우는 개발자가 이 실습을 시작하기에 좋은 출발점이 될 것입니다.

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.

이 Codelab에서는 Cloud Composer에서 다음 작업을 완료하는 Apache Airflow 워크플로를 만들고 실행하는 방법을 보여줍니다.

Android 라이브러리 및 Kotlin용 머티리얼 구성요소의 전환을 사용하여 머티리얼 모션 시스템을 Reply 앱에 빌드합니다.

이 Codelab에서는 lit-element를 사용하여 브릭 뷰어 웹 구성요소를 빌드합니다.

보안 규칙으로 Firestore 데이터를 보호하는 방법 알아보기

이 Codelab에서는 BBC micro:bit 보드와 상호작용하여 5x5 LED 디스플레이에 이미지를 표시하는 웹페이지를 빌드합니다. Web Serial API와 읽기 및 쓰기가 가능하고 스트림을 사용하여 브라우저를 통해 직렬 기기와 통신하는 방법에 대해 알아봅니다.

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.

이 Codelab에서는 기기 액세스의 작동 방식을 알아보고 Nest Thermostat에 관한 인증과 Smart Device Management API 호출을 처리하는 웹 애플리케이션을 빌드합니다.

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

Google 어시스턴트 개발자 플랫폼을 사용하면 스마트 스피커, 스마트폰, 자동차, TV, 헤드폰 등 10억 대 이상의 기기에서 가상 개인 비서인 Google 어시스턴트의 기능을 확장하는 소프트웨어를 만들 수 있습니다. 사용자는 어시스턴트와의 대화를 통해 식료품 구매나 차량 예약 등의 작업을 처리합니다. 개발자는 어시스턴트 개발자 플랫폼을 사용하여 사용자와 서드 파티 처리 서비스 간의 즐겁고 효과적인 대화 환경을 쉽게 만들고 관리할 수

이 Codelab에서는 스크립팅된 자동화를 작성하는 방법을 알아봅니다.

법적 사안용 Google Home 샘플 앱을 맞춤설정하여 기기를 의뢰하고 관리합니다.

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 Cloud KMS Autokey를 설정하고 리소스를 만들 때 필요에 따라 자동으로 리소스를 암호화합니다.

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.

이 Codelab에서는 Flutter를 지원하는 6가지 플랫폼 모두에서 Material 3으로 유동적인 애니메이션을 적용한 적응형 디자인 애플리케이션을 빌드해 봅니다.

웹 앱에서 양식 자동 완성으로 패스키를 구현하여 더 간단하고 안전한 로그인을 만드는 방법을 알아보세요.

ARCore에서 Scene Semantics 및 Geospatial Depth API를 Kotlin과 함께 사용하는 방법을 알아봅니다.

Adobe Aero에서 Geospatial Creator 도구를 사용하는 방법을 알아보세요.

ARCore에서 Kotlin으로 Streetscape Geometry 및 Rooftop anchors API를 사용하는 방법을 알아보세요.

Unity용 ARCore Geospatial Creator 사용 방법을 알아보세요.

이 Codelab에서는 Angular 프레임워크와 독립적으로 작동하며, 모든 프레임워크에서 가져올 수 있고, 통합하기 매우 쉬운 image-slider를 빌드합니다.

이 Codelab에서는 멋진 이름을 무작위로 생성하는 Flutter 앱을 빌드하는 방법을 알아봅니다.

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

이 Codelab에서는 기존 iOS 동영상 앱을 수정하여 Google Cast 지원 기기에서 콘텐츠를 전송합니다.

Cloud Run 작업을 사용하여 AlloyDB 데이터베이스를 만드는 방법을 알아봅니다.

이 Codelab에서는 LLM 모델, Gemini 1.0 Pro (텍스트 전용), Gemini 1.0 Pro Vision (멀티모달)을 BigQuery 워크로드 내에서 직접 통합하여 로우 코드 생성형 통계 생성 환경을 만드는 방법을 보여줍니다.

컨테이너화된 환경에서 Java 애플리케이션을 개발하는 업무를 맡고 있는 소프트웨어 엔지니어의 개발 워크플로를 간소화하도록 설계된 기능을 살펴보세요.

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 실습에서는 Cymbal Eats 메뉴 서비스를 만들고 RESTful API를 노출하여 메뉴 항목을 추가, 업데이트, 삭제, 나열합니다. Cloud Run에서 실행될 메뉴 서비스의 백엔드 데이터베이스로 Cloud SQL 데이터베이스를 만듭니다. Cloud Run은 Cloud SQL 데이터베이스와 동일한 VPC에 있지 않으므로 Cloud Run이 비공개 IP 주소를 통해 Cloud SQL과 통신할 수 있도록 서버리스 VPC 액세스 커넥터를

이 Codelab에서는 명령줄 인터페이스를 통해 사용자에게 DLP API를 소개합니다. 사용자는 프로젝트 코드를 다운로드하고 샘플 디렉터리에 있는 일부 도구와 기본 함수를 검토합니다.

이 Codelab에서는 gcloud를 사용하여 도메인과 하위 도메인을 관리하는 Cloud DNS ManagedZone 및 관련 ResourceRecordSets를 만듭니다. 합니다.

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 완전히 새로 생성되었거나 플래그로만 사용할 수 있는 여러 웹 API를 살펴봅니다.

두 브라우저 간에 미디어와 데이터를 스트리밍하는 방법을 알아보세요. WebRTC의 핵심 API 및 기술을 익히세요. getUserMedia, CSS, 캔버스 요소를 사용하여 이미지를 캡처하고 조작할 수 있습니다. 피어 연결을 설정하고 데이터 채널을 사용하여 브라우저 간에 직접 데이터를 교환합니다. 마지막으로 Node.js를 사용하여 신호 서버를 설정합니다.

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 Gemini Code Assist가 설계, 빌드, 테스트, 배포와 같은 소프트웨어 개발 수명 주기 (SDLC)의 주요 단계에서 어떻게 도움이 되는지 살펴봅니다. 전체 애플리케이션을 설계 및 개발하고 Google Cloud에 배포합니다.

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.

Cloud Workstations를 사용하여 컨테이너화된 환경에서 Python 애플리케이션을 개발하는 소프트웨어 엔지니어의 개발 워크플로를 간소화하도록 설계된 기능을 살펴보세요.

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.

Cloud Workstations를 사용하여 컨테이너화된 환경에서 Python 애플리케이션을 개발하는 소프트웨어 엔지니어의 개발 워크플로를 간소화하도록 설계된 기능을 살펴보세요.

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

컨테이너화된 환경에서 Java 애플리케이션을 개발하는 업무를 맡고 있는 소프트웨어 엔지니어의 개발 워크플로를 간소화하도록 설계된 기능을 살펴보세요.

이 Codelab에서는 VPC 서비스 제어 를 사용하여 BigQuery API를 보호하는 방법을 알아봅니다. 이 Codelab은 서비스 경계로 보호되는 API 서비스가 없는 상태에서 시작하며, 공개 데이터 세트에서 쿼리를 실행하고 결과를 프로젝트 테이블에 저장할 수 있습니다. 쿼리는 한 프로젝트에서 실행되고 테이블 (결과가 저장되는 위치)이 다른 프로젝트에 생성됩니다. 즉, 한 프로젝트에 데이터를 저장할 수 있지만 다른 프로젝트를 사용하여

서버리스 데이터베이스를 Cloud Run에서 실행되는 애플리케이션과 통합하여 Cloud Spanner 관계형 데이터베이스 및 Cloud Firestore를 사용하도록 서비스를 구성합니다.

Architect Registry로 종속 항목을 관리하는 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.

GKE Autopilot에서 실행되는 애플리케이션을 AlloyDB 데이터베이스의 비공개 인스턴스에 연결하는 방법을 알아봅니다.

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 BBC micro:bit 보드와 상호작용하여 5x5 LED 디스플레이에 이미지를 표시하는 웹페이지를 빌드합니다. Web Serial API와 읽기 및 쓰기가 가능하고 스트림을 사용하여 브라우저를 통해 직렬 기기와 통신하는 방법에 대해 알아봅니다.

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

이 Codelab에서는 Vertex AI에서 커스텀 예측 루틴을 사용하여 커스텀 전처리 및 후처리 로직을 작성하는 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.

각 사용자에게 해당 시점의 선호도를 반영하는 맞춤형 인터페이스를 받는 적응형 웹 양식을 만드는 방법을 알아봅니다.

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

이 튜토리얼에서는 안전한 사용자 관리 노트북을 구성하는 방법을 알아봅니다.

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

이 Codelab에서는 ABAP 플랫폼 체험판 202를 설치합니다.

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 Compute Engine VM에 호스팅된 SAP용 토큰을 사용하여 ABAP SDK 인증을 구성하고 Address Validation API를 실행합니다.

스레드 1.2에서는 스레드 네트워크 및 인프라 (Wi-Fi/이더넷) 네트워크 세그먼트 간에 멀티캐스트 통신을 허용하는 스레드 네트워크 전반의 멀티캐스트가 도입되었습니다. 이 Codelab에서는 Thread 1.2 멀티캐스트 기능을 설정하고 플레이하는 프로세스를 안내합니다.

이 Codelab에서는 OTBR을 표준 스레드 보더 라우터로 사용하고 동일한 Wi-Fi 네트워크에 연결된 휴대전화에서 스레드 최종 기기를 찾아 연결합니다.

이 Codelab에서는 실제 하드웨어에서 OpenThread를 프로그래밍하고 스레드 네트워크를 만들어 관리하며 노드 간에 메시지를 전달합니다.

이 Codelab에서는 Linux 또는 Mac OS 시스템에서 OpenThread를 사용하여 가상 기기의 스레드 네트워크를 시뮬레이션합니다.

이 Codelab에서는 OTNS CLI와 웹 시각화를 사용하여 시뮬레이션된 스레드 네트워크에서 노드를 추가/이동/삭제하고 네트워크가 토폴로지 변경사항에 어떻게 적응하는지 관찰합니다.

이 Codelab에서는 실제 하드웨어에서 OpenThread를 프로그래밍하고 스레드 네트워크를 만들고 관리하며 노드 간에 메시지를 전달합니다.

이 Codelab에서는 웹 인터페이스를 사용하여 시각화로 OpenThread 기능 테스트를 실행합니다.

이 Codelab에서는 NAT64를 지원하는 OpenThread 보더 라우터를 빌드하고 네트워크의 최종 기기를 사용하여 인터넷의 IPv4 전용 리소스에 액세스합니다.

이 Codelab에서는 Docker에서 OpenThread를 사용하여 가상 기기의 스레드 네트워크를 시뮬레이션합니다.

이 Codelab에서는 실제 하드웨어에서 OpenThread를 프로그래밍하고 스레드 네트워크를 만들어 관리하며 노드 간에 메시지를 전달합니다.

이 Codelab에서는 간단한 웹 앱을 빌드하고 비공개 개발자 환경에서 실행한 다음 Docker를 사용하여 컨테이너에서 실행하고 마지막으로 클라우드에 동일한 앱을 배포합니다.

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.

이 Codelab에서는 Dataproc Serverless를 시작하는 방법과 다양한 기능 세트에 액세스하는 방법을 비롯하여 Dataproc Serverless에 대한 모든 것을 알아봅니다.

Docker는 애플리케이션을 개발, 출시, 실행하는 데 사용하는 개방형 플랫폼입니다. Docker를 사용하면 인프라에서 애플리케이션을 분리하고 인프라를 관리형 애플리케이션처럼 취급할 수 있습니다. Docker는 코드를 더욱 빠르게 출시, 테스트, 배포하고 코드 작성과 실행 주기를 단축하는 데 도움이 됩니다. 이는 Docker가 커널 컨테이너화 기능을 애플리케이션 관리 및 배포를 지원하는 워크플로 및 도구와 결합하기 때문입니다. Docker

이 Codelab에서는 Spark ML 작업을 Google의 Dataproc 서비스에 제출합니다.

이 Codelab에서는 Gemini를 사용하여 Chrome 확장 프로그램을 만들어 보겠습니다. Google Meet 페이지에 기능을 추가하는 데 도움이 되는 수준에 도달하기 위해 반복 기능을 추가할 예정입니다.

Binary Authorization은 배포 시점의 보안 제어를 제공하여 Google Kubernetes Engine (GKE) 또는 Cloud Run에 신뢰할 수 있는 컨테이너 이미지만 배포되도록 합니다. Binary Authorization을 사용하면 개발 프로세스 중에 신뢰할 수 있는 기관으로부터 이미지에 서명을 받도록 요구하고 이후 배포 시 서명 검증을 실시할 수 있습니다. 검증을 시행하면 확인된 이미지만 빌드 및 배포 프로세스에

이 Codelab에서는 iOS 또는 Android Flutter 앱용 홈 화면 위젯을 만듭니다. 기본적인 Flutter 뉴스 앱으로 시작해 보겠습니다. 그런 다음 네이티브 프레임워크를 사용하여 위젯 자체의 UI를 생성합니다. 마지막으로, 리소스를 공유하고 위젯과 기본 앱 간에 통신을 설정하는 방법을 알아봅니다.

이 Codelab에서는 Google Compute Engine (GCE)에서 Dataproc을 사용하는 방법을 알아봅니다.

고객 보상 비즈니스 프로세스를 실행하기 위해 GKE Autopilot 및 Pub/Sub와 통합되는 Workflows를 트리거하도록 Eventarc를 구성하는 방법을 알아봅니다.

이 Codelab에서는 Vertex AI로 이미지를 생성하고 Google Ads로 이미지를 전송하는 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 GA4F를 사용하여 WebView 내에서 웹페이지의 이벤트를 네이티브 코드로 전달하여 추적하는 방법을 실행합니다.

고객 보상 비즈니스 프로세스를 실행하기 위해 Cloud Run 및 Pub/Sub와 통합되는 Workflows를 트리거하도록 Eventarc를 구성하는 방법을 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.

TV 가이드 정보를 검색하는 데 도움이 되는 Google 어시스턴트와 대화를 만들어 보겠습니다.

Women in Voice 모임 그룹의 이벤트와 문헌 정보를 검색하는 데 도움이 되는 사용자와 Google 어시스턴트 간의 대화를 만들어 보겠습니다.

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.

이 Codelab에서는 단계적 이전 방법을 사용하여 Apache Kafka에서 Google Cloud Pub/Sub로 애플리케이션을 이전합니다.

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

이 Codelab에서는 Android 사용자를 위한 접근성 서비스를 빌드하는 방법을 알아봅니다.

이 Codelab에서는 Node.js와 함께 Document AI API를 사용하는 튜토리얼을 만드는 데 중점을 둡니다.

이 Codelab에서는 & 처음부터 웹 구성 요소를 빌드한 다음 점진적으로 Lit Element로 향상할 수 있습니다.

이 튜토리얼에서는 HEY를 사용하여 기준 테스트를 수행하고 클라우드 모니터링 측정항목을 예측하는 방법을 알아봅니다.

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 Codelab에서는 Google Cloud Functions를 사용하여 Google Cloud Composer에서 Apache Airflow 워크플로 (DAG)를 트리거하는 방법을 보여줍니다. 여기서 DAG는 BashOperator를 사용하여 간단한 bash 명령어를 실행합니다.

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

이 튜토리얼에서는 Private Service Connect를 사용하여 온라인 예측 액세스를 구성하고 검증하는 방법을 알아봅니다.

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

Cloud SQL Node.js 커넥터 는 Node.js 애플리케이션을 Cloud SQL 데이터베이스에 안전하게 연결하는 가장 간편한 방법입니다. Cloud Run 은 HTTP 요청을 통해 호출 가능한 스테이트리스(Stateless) 컨테이너를 실행하는 완전 관리형 서버리스 플랫폼입니다. 이 Codelab에서는 IAM 인증을 사용하여 서비스 계정으로 Cloud Run의 Node.js 애플리케이션을 PostgreSQL용 Cloud SQL

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.

Cloud Workstations를 사용하여 컨테이너화된 환경에서 Nodejs 애플리케이션을 개발하는 소프트웨어 엔지니어의 개발 워크플로를 간소화하도록 설계된 기능을 살펴보세요.

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

Cloud Workstations를 사용하는 컨테이너화된 환경에서 Java 소프트웨어 엔지니어의 개발 워크플로를 간소화하도록 설계된 기능을 살펴보세요.

이 Codelab에서는 맞춤 색상을 동적 테마와 조화시키는 방법을 알아봅니다.

이 Codelab에서는 SchedMD의 Slurm-GCP 솔루션을 사용하여 Google Cloud Platform에서 Gromacs를 실행하는 방법을 안내합니다.

이 Codelab에서는 GenAI API를 사용하여 특정 키워드에서 이미지를 생성하는 방법을 알아봅니다. 이는 text-bison API를 호출하여 이미지 생성 프롬프트를 생성한 다음 Imagen API를 호출하여 생성된 프롬프트에 따라 이미지를 생성하는 2단계 프로세스입니다. 이러한 전체 워크플로는 GRadio 앱을 사용하여 프런트엔드에서 실행됩니다.

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.

JavaScript만 사용하여 초기 Web Bluetooth API를 통해 LED 불꽃 없는 초를 제어하는 웹 앱을 만듭니다.