기본 콘텐츠로 건너뛰기
Google Cloud Documentation
기술 영역
  • AI 및 ML
  • 애플리케이션 개발
  • 애플리케이션 호스팅
  • 컴퓨팅
  • 데이터 분석 및 파이프라인
  • 데이터베이스
  • 분산, 하이브리드, 멀티 클라우드
  • 생성형 AI
  • 업종별 솔루션
  • 네트워킹
  • 모니터링 가능성 및 모니터링
  • 보안
  • Storage
크로스 프로덕트 도구
  • 액세스 및 리소스 관리
  • 비용 및 사용량 관리
  • 코드형 인프라
  • 이전
  • SDK, 언어, 프레임워크, 도구
/
콘솔
  • English
  • Deutsch
  • Español
  • Español – América Latina
  • Français
  • Indonesia
  • Italiano
  • Português
  • Português – Brasil
  • עברית
  • 中文 – 简体
  • 中文 – 繁體
  • 日本語
  • 한국어
  • Vertex AI
무료로 시작하기
가이드 참조 샘플 지원 리소스
Google Cloud Documentation
  • 기술 영역
    • 더보기
    • 가이드
    • 참조
    • 샘플
    • 지원
    • 리소스
  • 크로스 프로덕트 도구
    • 더보기
  • 콘솔
  • 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
          • 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 관리형 노트북
        • 사용자 관리 노트북 소개
        • 시작하기
          • Cloud 콘솔을 사용하여 사용자 관리형 노트북 인스턴스 만들기
        • 사용자 관리형 노트북 인스턴스 설정
          • 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 관리형 노트북 인스턴스로 데이터 마이그레이션
          • Notebooks API로 기존 인스턴스 등록
          • SSH를 사용하여 JupyterLab에 액세스
        • 사용자 관리 노트북 문제 해결
  • Vertex AI용 Terraform 지원
  • Vertex AI Training
  • 개요
  • Vertex AI 서버리스 학습
    • Vertex AI의 서버리스 학습 개요
    • 데이터 로드 및 준비
      • 데이터 준비 개요
      • Cloud Storage를 마운트된 파일 시스템으로 사용
      • 서버리스 학습용 NFS 공유 마운트
      • 관리형 데이터 세트 사용
    • 학습 애플리케이션 준비
      • 서버리스 학습 서비스 이해
      • 학습 코드 준비
      • 사전 빌드된 컨테이너 사용
        • 사전 빌드된 컨테이너의 Python 학습 애플리케이션 만들기
        • 서버리스 학습용으로 사전 빌드된 컨테이너
      • 커스텀 컨테이너 사용
        • 서버리스 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 학습 클러스터
    • 개요
    • 학습 클러스터 시작하기
    • 배포 시 고려사항
      • 컴퓨팅 리소스
      • 네트워킹
      • Storage
      • 조정
    • 클러스터 생성 및 관리
      • 클러스터 만들기
      • 클러스터 관리
      • 클러스터에서 계정 및 작업 일정 관리
    • 클러스터 복원력
    • 클러스터에서 워크로드 실행
      • 사전 빌드된 워크로드 실행
      • TensorBoard로 작업 시각화
  • 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
  • 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