기본 콘텐츠로 건너뛰기

Google Cloud
문서 기술 영역
  • AI 및 ML
  • 애플리케이션 개발
  • 애플리케이션 호스팅
  • 컴퓨팅
  • 데이터 분석 및 파이프라인
  • 데이터베이스
  • 분산, 하이브리드, 멀티 클라우드
  • 생성형 AI
  • 업종별 솔루션
  • 네트워킹
  • 관측 가능성 및 모니터링
  • 보안
  • Storage
크로스 프로덕트 도구
  • 액세스 및 리소스 관리
  • 비용 및 사용량 관리
  • Google Cloud SDK, 언어, 프레임워크, 도구
  • 코드형 인프라
  • 이전
관련 사이트
  • Google Cloud 홈
  • 무료 체험판 및 무료 등급
  • 아키텍처 센터
  • 블로그
  • 영업팀에 문의
  • Google Cloud Developer Center
  • Google Developer Center
  • Google Cloud Marketplace
  • Google Cloud Marketplace 문서
  • Google Cloud Skills Boost
  • Google Cloud Solutions Center
  • Google Cloud 지원팀
  • Google Cloud Tech YouTube 채널
/
  • English
  • Deutsch
  • Español
  • Español – América Latina
  • Français
  • Indonesia
  • Italiano
  • Português – Brasil
  • 中文 – 简体
  • 中文 – 繁體
  • 日本語
  • 한국어
콘솔 로그인
  • Vertex AI
가이드 참조 샘플 지원 리소스
문의하기 무료로 시작하기
Google Cloud
  • 문서
    • 가이드
    • 참조
    • 샘플
    • 지원
    • 리소스
  • 기술 영역
    • 더보기
  • 크로스 프로덕트 도구
    • 더보기
  • 관련 사이트
    • 더보기
  • 콘솔
  • 문의하기
  • 무료로 시작하기
  • Discover
  • 개요
  • Vertex AI 소개
  • Vertex AI의 MLOps
  • Vertex AI 인터페이스
  • Vertex AI 초보자 가이드
    • AutoML 모델 학습
    • 커스텀 모델 학습
    • 커스텀 모델에서 추론 가져오기
    • Vertex AI 및 Python SDK를 사용하여 모델 학습
      • 소개
      • 기본 요건
      • 노트북 만들기
      • 데이터 세트 만들기
      • 학습 스크립트 만들기
      • 모델 학습
      • 추론하기
  • 통합 ML 프레임워크
    • PyTorch
    • TensorFlow
  • BigQuery 사용자용 Vertex AI
  • 용어집
  • 시작하기
  • 프로젝트 및 개발 환경 설정
  • Vertex AI SDK for Python 설치
  • 학습 방법 선택
  • 튜토리얼 시작하기
    • 튜토리얼 개요
    • AutoML 튜토리얼
      • Hello 이미지 데이터
        • 개요
        • 프로젝트 및 환경 설정
        • 데이터 세트 만들기 및 이미지 가져오기
        • AutoML 이미지 분류 모델 학습
        • 모델 성능 평가 및 분석
        • 엔드포인트에 모델을 배포하고 추론하기
        • 프로젝트 삭제
      • Hello 테이블 형식 데이터
        • 개요
        • 프로젝트 및 환경 설정
        • 데이터 세트 만들기 및 AutoML 분류 모델 학습
        • 모델 배포 및 추론 요청
        • 프로젝트 삭제
    • 커스텀 학습 튜토리얼
      • 커스텀 테이블 형식 모델 학습
      • TensorFlow Keras 이미지 분류 모델 학습
        • 개요
        • 프로젝트 및 환경 설정
        • 커스텀 이미지 분류 모델 학습
        • 커스텀 이미지 분류 모델을 사용한 예측 제공
        • 프로젝트 삭제
      • 커스텀 데이터로 이미지 분류 모델 조정
    • 커스텀 학습 노트북 튜토리얼
  • 생성형 AI 및 LLM 사용
  • 생성형 AI 정보
  • Vertex AI 개발 도구 사용
  • 개발 도구 개요
  • Vertex AI SDK 사용
    • 개요
    • Python용 Vertex AI SDK 소개
    • Vertex AI SDK for Python 클래스
      • Vertex AI SDK 클래스 개요
      • 데이터 클래스
      • 교육 클래스
      • 모델 클래스
      • 예측 클래스
      • 추적 클래스
  • 노트북에서 Vertex AI 사용
    • 노트북 솔루션 선택
    • Colab Enterprise
      • 빠른 시작: 콘솔을 사용하여 노트북 만들기
      • 런타임에 연결
      • 런타임 및 런타임 템플릿 관리
        • 런타임 템플릿 만들기
        • 런타임 만들기
    • Vertex AI Workbench
      • 소개
      • 노트북 튜토리얼
      • 시작하기
        • 콘솔을 사용하여 인스턴스 만들기
        • 노트북 실행 예약
      • 인스턴스 설정
        • 인스턴스 만들기
        • 인스턴스의 특정 버전 만들기
        • 사용자 인증 정보 액세스 권한이 있는 인스턴스 만들기
        • 컨피덴셜 컴퓨팅으로 인스턴스 만들기
        • conda 환경 추가
        • 유휴 상태 종료
        • 커스텀 컨테이너를 사용하여 인스턴스 만들기
        • Dataproc이 사용 설정된 인스턴스 만들기
        • 서드 파티 사용자 인증 정보로 인스턴스 만들기
        • 메타데이터를 통한 특성 관리
        • 예약 사용
      • 데이터에 연결
        • JupyterLab 내에서 BigQuery의 데이터 쿼리
        • JupyterLab에서 Cloud Storage 버킷 및 파일 액세스
      • 데이터 탐색 및 시각화
        • BigQuery에서 데이터 탐색 및 시각화
      • 유지보수
        • conda 환경 관리
        • 백업 및 복원
          • 메모장을 GitHub에 저장
          • 스냅샷 사용
          • Cloud Storage 사용
        • 인스턴스 종료
        • 인스턴스 환경 업그레이드
        • SSH를 사용하여 JupyterLab에 액세스
        • 새 인스턴스로 데이터 마이그레이션
        • 머신 유형 변경 및 GPU 구성
        • Terraform을 사용하여 리소스 프로비저닝하기
      • 모니터링
        • 상태 모니터링
      • 액세스 제어
        • 액세스 제어
        • 인스턴스에 대한 액세스 관리
        • 인스턴스의 JupyterLab 인터페이스에 대한 액세스 관리
        • 고객 관리 암호화 키 사용
        • 서비스 경계 내에서 인스턴스 사용
      • Vertex AI Workbench 문제 해결
      • Vertex AI Workbench 출시 노트
      • 관리형 노트북
        • 관리형 노트북 소개
        • 시작하기
          • Cloud 콘솔을 사용하여 관리형 노트북 인스턴스 만들기
          • 관리형 노트북 실행 예약
        • 관리형 노트북 인스턴스 설정
          • 관리형 노트북 인스턴스 만들기
          • 커스텀 컨테이너로 인스턴스 만들기
          • Dataproc 클러스터에서 관리형 노트북 인스턴스 실행
          • 관리형 노트북에서 서버리스 Dataproc Spark 사용
          • 유휴 상태 종료
          • 관리형 노트북 버전
        • 데이터에 연결
          • JupyterLab 내에서 BigQuery의 데이터 쿼리
          • JupyterLab에서 Cloud Storage 버킷 및 파일 액세스
        • 데이터 탐색 및 시각화
          • 개요
          • BigQuery에서 데이터 탐색 및 시각화
        • 모델 개발
          • 관리형 노트북 인스턴스에서 모델 개발
        • 배포
          • 실행자를 사용한 노트북 파일 실행
          • 매개변수로 노트북 실행을 실행
        • 유지보수
          • Vertex AI Workbench 인스턴스로 마이그레이션
          • 메모장을 GitHub에 저장
          • 머신 유형 변경 및 관리형 노트북 인스턴스 GPU 구성
          • 관리형 노트북 인스턴스의 환경 업그레이드
          • 새 관리형 노트북 인스턴스로 데이터 마이그레이션
        • 모니터링
          • 감사 로깅
        • 액세스 제어
          • 액세스 제어
          • 인스턴스에 대한 액세스 관리
          • 인스턴스의 JupyterLab 인터페이스에 대한 액세스 관리
          • 고객 관리 암호화 키 사용
          • 네트워크 설정하기
          • 서비스 경계 내에서 관리형 노트북 인스턴스 사용
        • 관리형 노트북 문제 해결
      • 사용자 관리 노트북
        • 사용자 관리 노트북 소개
        • 시작하기
          • Cloud 콘솔을 사용하여 사용자 관리형 노트북 인스턴스 만들기
        • 사용자 관리형 노트북 인스턴스 설정
          • 사용자 관리 노트북 인스턴스 만들기
          • 인스턴스의 특정 버전 만들기
          • 종속 항목 설치
          • 가상 머신 이미지 선택
          • 커스텀 컨테이너로 인스턴스 만들기
        • 데이터 탐색
          • Google Cloud에서 R을 사용한 데이터 과학: 탐색적 데이터 분석 가이드
        • 모니터링
          • 상태 모니터링
          • 감사 로깅
        • 액세스 제어
          • 액세스 제어
          • 인스턴스에 대한 액세스 관리
          • 인스턴스의 JupyterLab 인터페이스에 대한 액세스 관리
          • 고객 관리 암호화 키
          • 서비스 경계 내에서 사용자 관리형 노트북 인스턴스 사용
          • 사용자 관리형 노트북으로 보안 가상 머신 사용
          • 튜토리얼: VPC 네트워크에서 노트북 인스턴스 만들기
        • 유지보수
          • Vertex AI Workbench 인스턴스로 마이그레이션
          • 메모장을 GitHub에 저장
          • 스냅샷을 사용하여 데이터 백업
          • 사용자 관리형 노트북 인스턴스 종료
          • 머신 유형 변경 및 사용자 관리형 노트북 인스턴스 GPU 구성
          • 사용자 관리형 노트북 인스턴스의 환경 업그레이드
          • 새 사용자 관리 노트북 인스턴스로 데이터 마이그레이션
          • Notebooks API로 기존 인스턴스 등록
          • SSH를 사용하여 JupyterLab에 액세스
        • 사용자 관리 노트북 문제 해결
  • Vertex AI용 Terraform 지원
  • 예측 AI 모델 개발
  • 개요
  • AutoML 모델 개발
    • AutoML 학습 개요
    • 이미지 데이터
      • 분류
        • 데이터 준비
        • 데이터 세트 만들기
        • 모델 학습
        • 모델 평가
        • 예측 가져오기
        • 결과 해석
      • 객체 감지
        • 데이터 준비
        • 데이터 세트 만들기
        • 모델 학습
        • 모델 평가
        • 예측 가져오기
        • 결과 해석
      • Base64를 사용한 이미지 데이터 인코딩
      • AutoML Edge 모델 내보내기
    • 테이블 형식 데이터
      • 개요
      • 테이블 형식 데이터 소개
      • 테이블 형식 워크플로
        • 개요
        • 특성 추출
        • 엔드 투 엔드 AutoML
          • 개요
          • 모델 학습
          • 온라인 추론 수행
          • 일괄 추론 가져오기
        • TabNet
          • 개요
          • 모델 학습
          • 온라인 추론 수행
          • 일괄 추론 가져오기
        • 와이드 앤 딥
          • 개요
          • 모델 학습
          • 온라인 추론 수행
          • 일괄 추론 가져오기
        • 예측
          • 개요
          • 모델 학습
          • 온라인 추론 수행
          • 일괄 추론 가져오기
        • 가격 책정
        • 서비스 계정
        • 할당량 관리
      • AutoML을 사용한 분류 및 회귀 수행
        • 개요
        • 빠른 시작: AutoML 분류(Cloud 콘솔)
        • 학습 데이터 준비
        • 데이터 세트 만들기
        • 모델 학습
        • 모델 평가
        • 모델 아키텍처 보기
        • 온라인 추론 수행
        • 일괄 추론 가져오기
        • 모델 내보내기
      • AutoML로 예측 수행
        • 개요
        • 학습 데이터 준비
        • 데이터 세트 만들기
        • 모델 학습
        • 모델 평가
        • 추론 가져오기
        • 계층적 예측
      • ARIMA+로 예측 수행
      • Prophet으로 예측 수행
      • 항목 조정 수행
      • 분류 및 회귀용 특성 기여 분석
      • 예측용 특성 기여 분석
      • 테이블 형식 AutoML 데이터의 데이터 유형 및 변환
      • 예측 학습 파라미터
      • 테이블 형식 데이터의 데이터 분할
      • 테이블 형식 학습 데이터 만들기 관련 권장사항
      • 시계열 통계로 예측
    • AutoML Edge 모델 학습
      • Console 사용
      • API 사용
    • AutoML 텍스트
      • AutoML 텍스트에서 Gemini로 마이그레이션
      • AutoML 텍스트 사용자를 위한 Gemini
  • 커스텀 학습
    • 커스텀 학습 개요
    • 데이터 로드 및 준비
      • 데이터 준비 개요
      • Cloud Storage를 마운트된 파일 시스템으로 사용
      • 커스텀 학습용 NFS 공유 마운트
      • 관리형 데이터 세트 사용
    • Vertex AI 커스텀 학습
      • Vertex AI의 커스텀 학습 개요
      • 학습 애플리케이션 준비
        • 커스텀 학습 서비스 이해
        • 학습 코드 준비
        • 사전 빌드된 컨테이너 사용
          • 사전 빌드된 컨테이너의 Python 학습 애플리케이션 만들기
          • 사전 빌드된 커스텀 학습용 컨테이너
        • 커스텀 컨테이너 사용
          • 학습용 커스텀 컨테이너
          • 커스텀 컨테이너 만들기
          • 로컬에서 학습 코드 컨테이너화 및 실행
        • Deep Learning VM 이미지 및 컨테이너 사용
      • 영구 리소스에서 학습
        • 개요
        • 영구 리소스 만들기
        • 영구 리소스에서 학습 작업 실행
        • 영구 리소스 정보 가져오기
        • 영구 리소스 재부팅
        • 영구 리소스 삭제
      • 학습 작업 구성
        • 커스텀 학습 방법 선택
        • 학습용 컨테이너 설정 구성
        • 학습용 컴퓨팅 리소스 구성
        • 학습과 함께 예약 사용
        • 학습에 스팟 VM 사용
      • 학습 작업 제출
        • 커스텀 작업 만들기
        • 초매개변수 조정
          • 초매개변수 조정 개요
          • 하이퍼파라미터 조정 사용
        • 학습 파이프라인 만들기
        • 리소스 가용성 기반 작업 예약
        • 분산 학습 사용
        • Cloud TPU VM을 사용하여 학습
        • 커스텀 학습에 비공개 IP 사용
        • 학습에 Private Service Connect 인터페이스 사용(권장)
      • 신경망 아키텍처 검색 실행
        • 개요
        • 환경 설정
        • 초보자용 튜토리얼
        • 권장사항 및 워크플로
        • 프록시 태스크 설계
        • PyTorch의 학습 속도 최적화
        • 사전 빌드된 학습 컨테이너 및 검색 공간 사용
      • 모니터링 및 디버깅
        • 대화형 셸을 사용한 학습 모니터링 및 디버깅
        • 모델 학습 성능 프로파일링
      • Vertex AI Vizier를 사용한 최적화
        • Vertex AI Vizier 개요
        • Vertex AI Vizier 연구 만들기
        • Vertex AI Vizier 노트북 튜토리얼
      • 추론 가져오기
      • 튜토리얼: 지속적인 학습을 위한 파이프라인 빌드
      • 커스텀 조직 정책 제약조건 만들기
    • Vertex AI 기반 Ray
      • Ray on Vertex AI 개요
      • Vertex AI 기반 Ray 설정
      • Vertex AI 기반 Ray 클러스터 만들기
      • Vertex AI 기반 Ray 클러스터 모니터링
      • Vertex AI 기반 Ray 클러스터 확장
      • Vertex AI에서 Ray 애플리케이션 개발
      • Vertex AI 기반 Ray 클러스터에서 Spark 실행
      • BigQuery와 함께 Vertex AI에서 Ray 사용
      • 모델 배포 및 추론 가져오기
      • Ray 클러스터 삭제
      • Vertex AI의 Ray 노트북 튜토리얼
  • 생성형 AI 모델 개발
  • 개요
  • 데이터 세트 만들기 및 관리
  • 개요
  • AutoML 모델의 데이터 분할
  • 주석 세트 만들기
  • 주석 세트 삭제
  • 라벨 추가(콘솔)
  • 데이터 세트에서 메타데이터 및 주석 내보내기
  • 데이터 세트 버전 관리
  • Data Catalog를 사용하여 모델 및 데이터 세트 리소스 검색
  • 추론 가져오기
  • 개요
  • 추론 모델 구성
    • 추론을 위해 모델 아티팩트 내보내기
    • 추론용으로 사전 빌드된 컨테이너
    • 추론용 커스텀 컨테이너 요구사항
    • 추론용 커스텀 컨테이너 사용
    • 임의의 커스텀 경로 사용
    • 최적화된 TensorFlow 런타임 사용
    • NVIDIA Triton으로 추론 제공
    • 커스텀 추론 루틴
  • 온라인 추론 수행
    • 엔드포인트 만들기
      • 엔드포인트 유형 선택
      • 공개 엔드포인트 만들기
      • 전용 공개 엔드포인트 사용(권장)
      • Private Service Connect를 기반으로 하는 전용 비공개 엔드포인트 사용(권장)
      • 비공개 서비스 액세스 엔드포인트 사용
    • 엔드포인트에 모델 배포
      • 모델 배포 개요
      • 추론용 컴퓨팅 리소스
      • Google Cloud 콘솔을 사용하여 모델 배포
      • gcloud CLI 또는 Vertex AI API를 사용하여 모델 배포
      • 롤링 배포를 사용하여 배포된 모델 바꾸기
      • 모델 배포 취소 및 엔드포인트 삭제
      • 온라인 추론에 Cloud TPU 사용
      • 추론과 함께 예약 사용
      • 추론과 함께 flex-start VM 사용
      • 추론과 함께 스팟 VM 사용
    • 온라인 추론 가져오기
    • 온라인 추론 측정항목 보기
      • 엔드포인트 측정항목 보기
      • DCGM 측정항목 보기
    • 배포 간 리소스 공유
    • 온라인 추론 로깅 사용
  • 일괄 추론 가져오기
    • 커스텀 모델에서 일괄 예측 가져오기
    • 자체 배포된 Model Garden 모델에서 일괄 예측 가져오기
  • 생성형 AI 모델 제공
    • 생성형 AI 모델 배포
    • Saxml을 통해 Cloud TPU를 사용하여 Gemma 개방형 모델 제공
    • Saxml을 사용하여 멀티 호스트 Cloud TPU를 사용하여 Llama 3 개방형 모델 제공
    • 멀티 호스트 GPU 배포를 사용하여 DeepSeek-V3 모델 서빙
  • 커스텀 조직 정책
  • Vertex AI 추론 노트북 튜토리얼
  • 벡터 유사성 검색 수행
  • 벡터 검색 개요
  • 사용해 보기
  • 시작하기
    • 벡터 검색 빠른 시작
    • 시작하기 전에
    • 노트북 튜토리얼
  • 하이브리드 검색 정보
  • 색인 만들기 및 관리
    • 입력 데이터 형식 및 구조
    • 색인 만들기 및 관리
    • 스토리지 최적화 색인
    • 색인 구성 파라미터
    • 색인 업데이트 및 다시 빌드
    • 벡터 일치 필터링
    • BigQuery에서 색인 데이터 가져오기
    • 메타데이터가 있는 임베딩
  • 색인 배포 및 쿼리
    • Private Service Connect(권장)
      • Private Service Connect로 벡터 검색 설정
      • 검색어
      • JSON 웹 토큰 인증
    • 공개 엔드포인트
      • 배포
      • 검색어
    • 비공개 서비스 액세스
      • VPC 네트워크 피어링 연결 설정
      • 배포
      • 검색어
      • JSON 웹 토큰 인증
  • 배포된 색인 모니터링
  • 커스텀 조직 정책 사용
  • 지원받기
  • 머신러닝 작업(MLOps)
  • 기능 관리
    • Vertex AI의 기능 관리
    • Vertex AI Feature Store
      • Vertex AI Feature Store 정보
      • 기능 설정
        • 데이터 소스 준비
        • 특성 그룹 만들기
        • 특성 만들기
      • 온라인 서빙 설정
        • 온라인 서빙 유형
        • 온라인 상점 인스턴스 만들기
        • 특성 뷰 인스턴스 만들기
      • 액세스 제어
        • 리소스 액세스 제어
      • 온라인 스토어 동기화
        • 데이터 동기화 시작
        • 동기화 작업 나열
        • 특성 뷰의 특성 업데이트
      • 특성 제공
        • 온라인 상점의 특성 제공
        • 이전 특성값 제공
      • 모니터링
        • 모니터링 기능
      • 특성 리소스 관리
        • 특성 그룹 나열
        • 특성 나열
        • 특성 그룹 업데이트
        • 특성 업데이트
        • 특성 그룹 삭제
        • 특성 삭제
      • 온라인 스토어 리소스 관리
        • 온라인 스토어 나열
        • 특성 뷰 나열
        • 온라인 스토어 업데이트
        • 특성 뷰 업데이트
        • 온라인 스토어 삭제
        • 특성 뷰 삭제
      • 특성 메타데이터
        • 라벨 업데이트
      • 리소스 검색
        • 리소스 검색