데이터 전문가로 거듭나고 싶은 여러분, 환영합니다! 😊

복잡한 데이터 관리와 분석을 한 번에 해결하는 Databricks가 궁금하셨나요? 이번 코스에서는 비용 부담 없는 무료 버전(Free Edition)을 활용해 핵심 기능을 하나씩 정복해 봅니다.

입문자의 눈높이에서 친절하게 가이드해 드립니다. 지금 바로 Databricks의 강력한 세계에 첫발을 내디뎌 보세요!

Databricks Free Edition의 온보딩 과정에서 제공하는 영문 버전의 "데이터 엔지니어링 start 하기" 과정을 꼼꼼하게 정리하여 설명을 추가 하였습니다.

주요 학습 내용으로는 SQL, Python 등을 활용한 파이프라인 구축과 Lakeflow(Jobs, Spark Declarative Pipelines)를 이용한 워크로우 자동화가 포함됩니다.

관련 노트북은 코스 메뉴에서 소개 > 데모 및 실습 노트북 파일을 클릭하여 다운 받으신 후 워크스페이스에 가져오기로 업로드하여 사용하실 수 있으며, 아래 링크에서 확인해 보실 수도 있습니다.

> Github - databricks-lab / Data Engnineeing Basic /

엔터프라이즈 환경에서의 Antigrabity 플랫폼 아키텍처, 멀티팀 오케스트레이션, 보안 거버넌스 및 실무 활용을 다루는 전반적인 내용을 공부하면서 정리한 리포지토리입니다.

모듈별 핵심 역량 요약

모듈	역량 영역	핵심 산출물
M00	플랫폼 개요 및 온보딩	아키텍처 기둥 정의, Zero-to-Prompt 가이드, 토큰 최적화 원칙
M01	Platform Foundations	서버사이드 하네스 설계, 소버린 보안 경계, 4대 인터페이스 매핑
M02	Agentic Workflows	Context Connectors 통합, Command Center 병렬 관제, 크레딧 최적화
M03	Enterprise Scale	Shared Memory Substrate, A2A 프로토콜, HITL 프레임워크, Readiness Checklist
M04	Enterprise Guardrails	Policy-as-Code, Strict Mode 런타임 통제, Shadow Code 방지, CoE 구축
M05	Responsible Vibe Coding	인지적 경계 설계, 실행 강도 분리, 에이전트 드리프트 감지, Kill Switch
M06	Regulated Environments	PII/PHI 마스킹, 에이전틱 계보 추적, 결정론적 감사 추적, 컴플라이언스 드리프트 감지

과정 목표

• Google의 에이전트 스택에 대한 이해 강화
• 세션, 메모리, 예시 서비스를 활용하여 컨텍스트 유지 문제를 해결하는 원칙 학습
• 모델 컨텍스트 프로토콜에 대한 숙련도 향상
• 멀티 에이전트 A2A 솔루션을 만드는 데 필요한 설계 원칙 파악
• 사용자에게 에이전트를 노출하기 위한 아키텍처, 보안, UI 패턴 이해

시간이 날 때마다 내용을 작성하여 추가할 예정이며, 2026년 10월 중에 모두 마무리할 예정입니다.

본 과정에서는 Agent Development Kit(ADK)를 활용해 엔터프라이즈급 자율 에이전트 구축 과정을 간소화하고, Antigravity 및 Agents CLI 기반으로 에이전트 개발 워크플로를 혁신하는 방법을 학습합니다.

반복적인 작업을 자동화하고 안정적인 고성능 엔터프라이즈 에이전트 구축을 가속화하여, AI 프로젝트의 확장성과 효율성을 극대화하는 실무 기법을 다룹니다.

• Antigravity 및 Agents CLI 활용: 엔터프라이즈급 에이전트 개발 프로세스를 자동화하고 개발 속도를 대폭 단축합니다.
• ADK 및 Agents API의 이해: 자율 엔터프라이즈 에이전트 구축을 단순화하는 핵심 메커니즘을 파악합니다.

이 과정은 타사 ID 공급자를 타사 중앙 식별 체계(Identity Provider)로 인증하는 사용자에게 Google Cloud 및 Gemini Enterprise에 대한 접근 권한을 부여하도록 Workforce Identity Federation을 설정하는 지식을 제공합니다. 커리큘럼은 Workforce Identity Pool, OIDC 및 SAML 제공업체, 특성 매핑(Attribute Mapping), IAM 정책, 트러블슈팅 가이드를 다루는 이론과 데모 비디오로 구성되어 있습니다.

이 과정에서는 제미나이 엔터프라이즈(Gemini Enterprise) 앱 배포의 기술적 측면을 다룹니다. 제미나이 엔터프라이즈의 전반적인 아키텍처를 비롯해 앱 인프라 구축 시 고려해야 할 결정 사항, 그리고 데이터 스토어(Data Stores), 커넥터(Connectors), 액션(Actions)을 통한 기업 데이터 연동 방식을 살펴봅니다. 또한 제미나이 엔터프라이즈에 추가할 수 있는 다양한 에이전트 유형을 탐구합니다.

아울러 IAM, VPC Service Controls, 컨텍스트 기반 접근 제어(Context-Aware Access), 그리고 Model Armor 기반의 시맨틱 제어 기술을 활용하여 기술적 보안 경계를 구축하는 지침을 제공합니다. 마지막으로, 관리자가 다양한 설정 옵션을 통해 최종 사용자 경험을 미세 조정할 수 있도록 지원하며, OpenTelemetry 계측 및 프롬프트 로깅을 통해 AI 배포 환경의 보안성, 규정 준수성, 성능을 유지하는 방법을 설명합니다.

* Google Partner에 대한 Gemini Enterprise 배포 트레이닝을 준비하면서 정리한 내용이며, 일반적인 AI 배포 과정에도 동일하게 적용할 수 있는 범용의 방법론.

이 과정에서는 고객이 Gemini Enterprise를 성공적으로 도입하고 활발하게 활용할 수 있도록 고객 참여 전략을 설계하는 방법을 다룹니다. 변혁 관리(Change Management)의 기술부터 스폰서 발굴 및 소통, 얼리 아답터 확보, 고객의 조직 문화 변화 및 역량 공백 해결 지원, 효과적인 프로젝트 커뮤니케이션 전달까지 구체적으로 학습합니다. 또한, 고객이 최종 사용자 교육을 기획·시행·평가할 수 있도록 지원하고, 파트너 리소스를 활용하며, 필수 프로젝트 문서를 작성하는 방법도 함께 배우게 됩니다.

2026년 구글 클라우드 넥스트는 AI가 실제 생산 공정에 도입되는 '에이전틱 시대'의 개막을 선언했습니다. 구글은 AI 하이퍼컴퓨터와 에이전틱 데이터 클라우드 등 5대 핵심 계층의 청사진을 통해 기업 중심의 AI 생태계 확장 전략을 제시합니다.

이 비전은 고성능 인프라부터 자율 보안, 업무 생산성 혁신을 위한 특화 에이전트까지 포괄합니다. 결론적으로 구글 클라우드는 개방적이고 안전하며 확장 가능한 통합 AI 플랫폼으로서 기업용 AI 시장의 기술 혁신을 주도하겠다는 의지를 명확히 하고 있습니다.

빠르게 살펴볼 수 있도록 핵심 내용을 위주로 정리한 노트입니다.

요즘 핫한 '바이브 코딩' 해보고 싶은데 Claude Code 구독료가 살짝 부담되셨나요? 그렇다면 무료로도 강력한 Gemini CLI가 정답입니다! 🚀

터미널에서 바로 코드를 짜고 수정하는 짜릿함, 생각보다 훨씬 쉽습니다. 복잡한 설정 없이 핵심만 쏙쏙 골라 알려드리겠습니다. 저와 함께 가벼운 마음으로 CLI의 세계에 발을 들여보시겠습니까?

본 과정은 생성형 AI를 활용해 조직의 변화를 이끄는 리더 양성을 목적으로 구성된 Google Cloud의 공식 학습 경로인 Generative AI Leader 자격증 Path의 5개 코스에 대한 주요 보조자료로 기획되었습니다.

• 학습 목표: 생성형 AI의 비즈니스 가치 이해 및 업무 적용 이해
• 주요 내용: 생성형 AI의 혁신 전략 및 구글 클라우드 도구 기반 실무형 경험
• 기대 효과: 생성형 AI 전문 역량 강화 및 Google Cloud Generative AI Leader 자격증 준비

자격증 취득을 넘어, AI 시대를 선도할 통찰력을 얻고 싶은 모든 분께 최적의 기회를 제공합니다.

기존의 MLOps는 엔터프라이즈 애플리케이션의 기존 ML 시스템을 프로덕션화하는 일련의 관행으로 자리 잡았습니다. 하지만 생성형 AI로 인해 애플리케이션의 대규모 관리 및 프로덕션화에 대한 새로운 과제가 등장했습니다. 생성형 AI 작업(GenAIOps) 분야에서 이러한 새로운 과제를 해결하기 위해 노력하고 있습니다.

이 과정에서는 생성형 AI 기반 애플리케이션을 프로덕션화할 때 발생하는 과제를 기존 ML과 비교하여 알아봅니다. LLM 실험 및 조정을 관리하는 방법을 살펴본 다음 LLM 기반 애플리케이션을 배포, 테스트, 유지보수하는 방법에 대해 다룹니다. 마지막으로 프로덕션에서 LLM 기반 애플리케이션을 로깅하고 모니터링하기 위한 권장사항을 배우게 됩니다.

Google Cloud의 공식 학습 과정 "Generative AI in Production" 내용을 바탕으로 핵심 내용들을 요약하여 전반적인 내용을 정리하고 참고할 수 있도록 작성되었습니다.

이 자료는 안드레 카파시의 조언을 바탕으로 제작되어 깃허브에서 큰 인기를 얻은 'claud.md' 설정 파일과 그 핵심 원칙을 소개합니다. 사용자는 이 65줄의 가이드라인을 프로젝트에 적용하여 AI의 작업 효율과 코드의 신뢰성을 획기적으로 높일 수 있습니다.