이 문서에는 Vertex AI에서 생성형 AI를 위한 노트북 튜토리얼 목록이 포함되어 있습니다. 이는 일부 GenAI LLM을 사용하는 방법을 보여주는 엔드 투 엔드 튜토리얼입니다.
추천 튜토리얼
-
-
Vertex AI Gemini API 및 Python SDK로 함수 호출
Vertex AI SDK for Python과 함께 Vertex AI Gemini API를 사용하여 Gemini 1.0 Pro(
gemini-1.0-pro) 모델을 통해 함수 호출을 수행합니다. -
Vertex AI에서 Gemini를 사용한 그라운딩 시작하기
생성형 텍스트 모델을 사용하여 문서와 데이터에 그라운딩된 콘텐츠를 생성합니다.
튜토리얼 목록
| Gemini 멀티모달 |
Gemini 1.5 Pro를 사용하여 오디오 파일을 분석하고 동영상을 이해하고 PDF에서 정보를 추출하며 여러 유형의 미디어를 동시에 처리합니다. |
|
| Gemini 멀티모달 |
이 노트북을 사용하여 Gemini 1.5 Pro로 코드를 생성하고 코드베이스를 요약하고 디버그하고 코드를 개선 및 평가하는 방법을 알아봅니다. |
|
| Gemini 멀티모달 |
REST/curl로 Google의 최신 대규모 언어 모델에 액세스할 수 있는 Gemini API를 사용합니다. |
|
| Gemini 멀티모달 |
Python용 Vertex AI SDK와 함께 Google의 최신 대규모 언어 모델에 액세스할 수 있는 Gemini API를 사용합니다. |
|
| Gemini 멀티모달 |
Gemini 모델은 Google AI에 의해 개발된 획기적인 멀티모달 언어 모델로 이미지 및 비디오를 포함한 다양한 데이터 형식에서 의미 있는 통계를 추출할 수 있습니다. 이 노트북은 멀티모달 프롬프트를 사용하여 다양한 사용 사례를 살펴봅니다. |
|
| Gemini 평가 |
Vertex AI SDK for Python에서 Gen AI Evaluation Service 시작하기 Vertex AI SDK for Python과 함께 Gen AI Evaluation Service SDK를 사용하여 평가 태스크에서 Gemini 모델을 평가합니다. |
|
| Gemini 평가 |
Gemini를 사용한 프롬프트 엔지니어링, 평가 및 프롬프트 템플릿 Vertex AI SDK for Python과 함께 Gemini 모델을 사용한 프롬프트 엔지니어링 및 평가에 Gen AI Evaluation Service SDK를 사용합니다. |
|
| Gemini 평가 |
Gen AI Evaluation Service SDK를 사용하여 특정 평가 태스크에서 다양한 생성형 모델을 비교 및 평가한 후 Vertex AI SDK for Python를 사용하여 태스크 평가 결과를 시각화하고 비교합니다. |
|
| Gemini 평가 |
Vertex AI SDK for Python과 함께 Gen AI Evaluation Service SDK를 사용하여 Gemini의 온도와 기타 모델 생성 구성을 평가 및 선택하고 다양한 생성 설정 측정항목 결과를 비교합니다. |
|
| Gemini 평가 |
이 노트북에서는 Gen AI Evaluation Service SDK를 사용하여 여러 평가 측정항목으로 PaLM 및 Gemini 파운데이션 모델을 평가하고 한 모델에서 다른 모델로 마이그레이션과 관련된 결정을 지원하는 방법을 안내합니다. 이러한 측정항목은 각 모델의 장단점을 파악하는 데 도움이 되도록 시각화되어 있으며 이를 통해 정보에 입각하여 사용 사례의 특정 요구사항에 가장 적합한 모델을 결정할 수 있습니다. |
|
| Gemini 평가 |
Gen AI Evaluation Service SDK 미리보기에서 정식 버전으로 마이그레이션 가이드 이 튜토리얼에서는 미리보기 버전에서 Gen AI Evaluation Service용 Vertex AI Python SDK의 최신 정식 버전으로 마이그레이션하여 검색 증강 생성(RAG)을 평가하고 두 모델을 나란히 비교(SxS)하는 방법을 자세히 안내합니다. |
|
| Gemini 평가 |
Vertex AI SDK for Python과 함께 Gen AI Evaluation Service SDK를 사용하여 Gemini의 온도와 기타 모델 생성 구성을 평가 및 선택하고 다양한 생성 설정 측정항목 결과를 비교합니다. |
|
| Gemini 평가 |
생성형 AI 모델을 평가하기 위한 모델 기반 측정항목 맞춤설정 Vertex AI SDK for Python과 함께 Gen AI Evaluation Service SDK를 사용하여 모델 기반 측정항목을 맞춤설정하고 기준에 따라 생성형 AI 모델을 평가합니다. |
|
| Gemini 평가 |
커스텀 측정항목을 사용하는 자체 자동 평가 도구를 사용하여 생성형 AI 모델 평가 Vertex AI SDK for Python과 함께 Gen AI Evaluation Service SDK를 사용하여 로컬에서 정의된 커스텀 측정항목으로 생성형 AI 모델을 평가하고 자체 자동 평가 도구 모델로 모델 기반 측정항목을 평가합니다. |
|
| Gemini 평가 |
자체 계산 기반 커스텀 측정항목을 사용하여 생성형 AI 모델 평가 Vertex AI SDK for Python과 함께 Gen AI Evaluation Service SDK를 사용하여 로컬에서 정의된 계산 기반 커스텀 측정항목으로 생성형 AI 모델을 평가합니다. |
|
| Gemini 평가 |
Gemini 1.0 Pro 모델로 함수 호출을 생성하고 Vertex AI SDK for Python과 함께 Gen AI Evaluation Service SDK를 사용하여 Gemini 1.0 Pro 모델 함수 호출 품질을 평가합니다. |
|
| Gemini 평가 |
Gen AI Evaluation Service SDK를 사용하여 질의 응답을 위해 검색 증강 생성(RAG)에서 생성된 답변 평가 Vertex AI SDK for Python과 함께 Gen AI Evaluation Service SDK를 사용하여 질의 응답(QA) 태스크의 검색 증강 생성(RAG) 생성 답변을 평가합니다. |
|
| Gemini 멀티모달 Streamlit |
Gemini Pro를 사용하여 Cloud Run에 Streamlit 앱 배포 Gemini Pro와 함께 Cloud Run에 Streamlit을 사용하여 간단한 챗봇 앱을 구현하는 샘플 앱입니다. |
|
| Gemini 멀티모달 검색 증강 생성 |
기존 텍스트 데이터를 통해 수행되는 RAG에서 확장된 이 노트북은 텍스트와 이미지가 포함된 과학 보고서에서 멀티모달 데이터를 통해 RAG를 수행하여 Q&A를 수행하는 방법을 보여줍니다. |
|
| Gemini 멀티모달 |
교육에서 다양한 예시의 프롬프트와 이미지 및 동영상을 포함한 다양한 형식에 Gemini 모델을 사용합니다. |
|
| Gemini 멀티모달 |
소매 환경에서 추천은 고객 결정에 영향을 미치고 판매를 유도하는 데 중요한 역할을 합니다. 이 노트북에서 멀티모달리티의 강력한 기능을 활용하여 고객이 거실의 이미지를 기반으로 네 가지 의자 이미지 중에서 가장 좋은 의자를 선택하는 데 도움이 되도록 소매업체를 추천하는 방법을 알아봅니다. |
|
| Gemini 멀티모달 함수 호출 |
Gemini Pro 모델을 사용하여 다음 작업을 수행할 수 있습니다.
|
|
| 조정 |
전체 설정 및 통합 프로세스를 둘러봅니다. 환경 설정부터 기반 모델 선택 및 Vertex AI를 사용한 조정까지 |
|
| 평가 |
Vertex AI LLM 평가 서비스를 다른 Vertex AI 서비스와 함께 사용합니다. |
|
| LangChain |
LangChain 체인을 실행하고 체인의 각 단계에서 선택적으로 디버깅 중단점을 사용하여 발생하는 세부정보를 출력합니다. |
|
| 텍스트 |
연쇄 사고 및 반응(추론 + 행동)을 사용하여 프롬프트를 설계하고 할루시네이션을 줄입니다. |
|
| 임베딩 |
멀티모달 및 벡터 검색에 Vertex AI 임베딩 사용 DiffusionDB 데이터 세트와 멀티모달 모델용 Vertex AI 임베딩을 사용하여 텍스트 이미지 변환 임베딩을 만듭니다. 임베딩은 대규모 코퍼스에 대해 유사한 벡터를 찾기 위한 대규모의 지연 시간이 짧은 솔루션인 벡터 검색 서비스에 업로드됩니다. |
|
| 임베딩 |
텍스트에서 생성된 임베딩을 만들고 시맨틱 검색을 수행합니다. 임베딩은 Google ScaNN: 효율적인 벡터 유사성 검색을 통해 생성됩니다. |
|
| 평가 |
AutoSxS: Vertex AI Model Registry에서 LLM을 서드 파티 모델과 비교 평가 Vertex AI 자동 병렬(AutoSxS)을 사용하여 Vertex AI 모델 레지스트리의 생성형 AI 모델과 서드 파티 언어 모델 간의 성능을 평가합니다. |
|
| 평가 |
AutoSxS: 인간 선호도 데이터 세트를 기준으로 자동 평가 도구 정렬 확인 Vertex AI 자동 정렬(AutoSxS)을 사용하여 자동 평가 도구가 수동 평가자와 얼마나 잘 일치하는지 확인합니다. |
|
| 조정 |
Vertex AI LLM 인간 피드백 기반 강화 학습. Vertex AI RLHF를 사용하여 대형 언어 모델(LLM)을 조정합니다. 이 워크플로는 기본 모델을 학습 데이터 세트로 미세 조정하여 모델의 정확성을 향상시킵니다. |
|
| 조정 |
RLHF 조정 모델을 사용하는 Vertex AI 일괄 추론 이 튜토리얼에서는 Vertex AI를 사용하여 RLHF로 조정된 OSS 대규모 언어 모델(LLM)에서 엔드 투 엔드 추론을 수행하는 방법을 보여줍니다. |
|
| 임베딩 |
새로운 텍스트 임베딩 모델을 시도합니다. |
|
| 조정 |
PEFT 대규모 언어 모델(LLM)을 조정하고 예측을 수행합니다. 이 워크플로는 기본 모델을 학습 데이터 세트로 미세 조정하여 모델의 정확성을 향상시킵니다. |
|
| 텍스트 |
Vertex AI SDK를 사용하여 Vertex AI에서 대규모 언어 모델을 실행합니다. 생성형 AI 언어 모델을 테스트하고 조정 및 배포하세요. 콘텐츠 요약, 감정 분석, 채팅, 텍스트 임베딩, 프롬프트 조정의 예시를 살펴보면서 시작합니다. |
|
데이터 스토어 색인 생성 검색 대화 |
Vertex AI Search and Conversation 데이터 스토어 상태 검사기 Vertex AI Search and Conversation 데이터 스토어 상태 검사기는 Cloud Discovery Engine API를 사용하여 데이터 스토어에서 색인이 생성된 문서를 확인하는 노트북입니다. 이를 통해 사용자는 다음 태스크를 수행할 수 있습니다.
|
|
음성 인식 Chirp |
이 노트북은 Google의 최첨단 음성 인식 기술을 사용하는 음성 텍스트 변환 서비스인 Chirp에 대한 소개입니다. 개발자가 음성 지원 애플리케이션을 빌드할 수 있도록 간단하고 사용하기 쉬운 인터페이스를 제공합니다. |
|
메타데이터 검색 필터링 |
필터 및 메타데이터가 있는 Vertex AI Search Vertex AI Search는 Google Cloud에서 검색 애플리케이션을 빌드하고 배포할 수 있게 해주는 완전 관리형 서비스입니다. 이 노트북은 Vertex AI Search에 대한 검색 요청에서 필터 및 메타데이터를 사용하는 방법을 보여줍니다. |
|
문서 질의 응답 검색 증강 생성 |
이 노트북은 검색 증강 생성(RAG)을 사용하여 Google 문서에 대한 질의 응답 시스템을 빌드하는 방법을 보여줍니다. RAG를 사용하여 특정 질문에 답변하는 텍스트를 생성하는 방법과 RAG를 사용하여 질의 응답 시스템의 성능을 향상시키는 방법을 보여줍니다. |
|
계약 생성 가져오기 검색 |
검색 증강 생성(오픈소스 벡터 스토어 사용) - 조달 계약 분석가 - Palm2 및 RangeChain 이 노트북은 증강된 검색 증강 생성을 사용하여 계약 텍스트를 생성하는 방법을 보여줍니다. 이 문서는 법률 및 금융 텍스트 전반에 걸쳐 선행 학습된 FHIR2 및 대형 체인 모델을 사용합니다. |
|
질의 응답 검색 증강 생성 검색 LangChain |
이 노트북은 Vertex AI Search 엔진을 LLM과 결합하여 데이터에 대해 질문하고 답변하는 방법을 보여줍니다. 특히 PDF 및 HTML 파일과 같은 '비정형' 데이터를 쿼리하는 데 중점을 둡니다. 이 노트북을 실행하려면 비정형 검색엔진을 만들고 PDF 또는 HTML 문서를 수집해야 합니다. |
|
일괄 질의 응답 Vertex AI Search 질의 응답 검색 |
이 노트북은 Vertex AI Search 데이터 스토어를 사용하여 CSV에서 질의 응답하는 방법을 보여줍니다. Colab 또는 Vertex AI Workbench에서 실행할 수 있습니다. |
|
언어 조정 langChain PaLM |
이 노트북은 언어 모델 조정 프레임워크인 LangChain에 대한 소개를 제공합니다. PaLM API와 함께 LangChain을 사용하여 텍스트 간 생성 모델을 만들고 배포하는 방법을 보여줍니다. |
|
BigQuery 데이터 로더 LangChain |
LangChain 🦜️🔗 BigQuery 데이터 로더 사용 방법 이 노트북은 LangChain BigQuery 데이터 로더를 사용하여 BigQuery에서 LangChain 모델로 데이터를 로드하는 방법을 보여줍니다. 이 노트북은 데이터 로더를 설정하고, 데이터를 모델에 로드하고, 모델을 학습시키는 방법에 대한 단계별 안내를 제공합니다. |
|
코드 검색 증강 생성 Codey 코딩 |
이 노트북은 Codey API에서 검색 증강 생성(RAG)을 사용하는 방법을 보여줍니다. RAG는 코드 검색을 코드 생성과 결합하여 보다 정확하고 유익한 코드 완성 제안을 생성하는 기술입니다. |
|
Codey 코드 생성 언어 |
Vertex AI Codey API 시작하기 - 코드 생성 이 노트북은 코드 생성을 위한 Vertex AI Codey API에 대한 소개를 제공합니다. 코드 생성 모델을 생성하고 배포하는 방법을 포함하여 API를 사용하는 방법과 코드 생성에 사용하는 방법에 대한 기본 사항을 다룹니다. |
|
Codey 코드 완성 코드 생성 |
Vertex AI Codey API 시작하기 - 코드 완성 이 노트북은 Vertex AI Codey API를 사용하여 Python 코드에 대한 코드 완성 제안을 가져오는 방법을 보여줍니다. 또한 API를 사용하여 코드 스니펫을 생성하고 원격 환경에서 코드 스니펫을 실행하는 방법도 보여줍니다. |
|
Codey 코드 채팅 채팅 코드 생성 텍스트 생성 |
Vertex AI Codey API 시작하기 - 코드 채팅 이 노트북은 Vertex AI Codey API에 대한 소개입니다. 여기서는 모델을 만들고 배포하는 방법을 비롯한 API 사용 방법과 Codey CLI를 사용하여 상호 작용하는 방법에 대한 기본 사항을 다룹니다. |
|
언어 PaLM Python SDK |
이 노트북에서는 PaLM API 및 Python SDK에 대한 소개를 제공합니다. 여기서는 모델을 만들고 배포하는 방법을 비롯한 API 사용 방법과 텍스트를 생성하고 언어를 번역하며 다양한 종류의 창의적인 콘텐츠를 작성하는 방법에 대한 기본 사항을 다룹니다. |
|
언어 프롬프트 |
이 노트북은 텍스트 기반 언어 모델에 대한 프롬프트 설계를 소개합니다. 작동 방식과 작성 방법을 포함한 프롬프트의 기본 사항을 다룹니다. 또한 노트북은 프롬프트를 개선하고 일반적인 문제를 방지하는 방법에 대한 팁도 제공합니다. |
|
텍스트 추출 |
Vertex AI에서 생성형 모델을 사용한 텍스트 추출 이 노트북은 생성형 모델을 사용하여 이미지에서 텍스트를 추출하는 방법을 보여줍니다. Vertex AI 생성형 AI 라이브러리의 텍스트 이미지 변환 모델과 Vertex AI 텍스트 추출 라이브러리의 텍스트 추출 모델을 사용합니다. |
|
텍스트 분류 |
Vertex AI에서 생성형 모델을 사용한 텍스트 분류 이 노트북에서는 생성형 모델을 사용하여 Vertex AI에서 텍스트를 분류하는 방법을 보여줍니다. 다음 주제를 다룹니다. * 데이터 준비 * 모델 학습 * 모델 배포 * 모델을 사용하여 텍스트 분류 |
|
연쇄 사고 ReAct |
이 노트북은 강화 학습 알고리즘의 성능을 개선하는 데 사용할 수 있는 두 가지 도구인 연쇄 사고와 ReAct를 소개합니다. 연쇄 사고는 가치 반복의 효율성을 높이는 데 사용할 수 있는 기법이고, ReAct는 행위자 중심 알고리즘의 안정성을 개선하는 데 사용할 수 있는 기술입니다. |
|
언어 프롬프트 아이디어 구상 |
Vertex AI의 생성형 모델을 사용한 아이디어 구상 이 노트북은 생성형 모델을 사용하여 텍스트, 이미지, 코드를 생성하는 방법을 보여줍니다. 또한 Vertex AI를 사용하여 생성형 모델을 배포하고 관리하는 방법을 보여줍니다. |
|
요약 |
Vertex AI에서 생성형 모델을 사용한 텍스트 요약 이 노트북은 Vertex AI를 사용하여 텍스트 요약 모델을 학습시키고 배포하는 방법을 보여줍니다. 대규모 텍스트 데이터 세트에서 선행 학습된 대규모 언어 모델인 BART 모델을 사용합니다. 그런 다음 모델을 텍스트 요약 데이터 세트에서 미세 조정한 다음 새 텍스트 요약을 생성하는 데 사용할 수 있습니다. |
|
질의 응답 |
이 노트북에서는 생성형 모델을 사용하여 주관식 질문에 답변하는 방법을 보여줍니다. Vertex AI Transformer 모델을 사용하여 지정된 질문을 기반으로 텍스트를 생성합니다. |
|
텍스트 생성 기반 모델 미세 조정 배포 |
이 노트북은 Vertex AI를 사용하여 파운데이션 모델을 조정하는 방법을 보여줍니다. 또한 조정된 모델을 Vertex AI 엔드포인트에 배포하는 방법도 보여줍니다. |
|
문서 요약 |
이 노트북은 t5 대형 모델을 사용하여 대규모 문서를 요약하는 방법을 보여줍니다. 이 모델은 텍스트와 코드의 대규모 데이터 세트를 학습하고 정확하고 간결한 요약을 생성할 수 있습니다. |
|
문서 요약 LangChain 요약 |
LangChain 🦜🔗을 사용하여 대용량 문서의 텍스트 요약 이 노트북은 LangChain 모델을 사용하여 대규모 문서를 요약하는 방법을 보여줍니다. LangChain은 텍스트를 생성하고, 언어를 번역하고, 다양한 종류의 창의적인 콘텐츠를 작성하고, 질문에 대한 유용한 답변을 제공할 수 있는 대규모 언어 모델입니다. |
|
문서 요약 Document AI 언어 모델 요약 텍스트 요약 |
Document AI 및 PaLM API를 사용하여 대규모 문서 요약 이 노트북은 Document AI 및 PaLM API를 사용하여 대규모 문서를 요약하는 방법을 보여줍니다. 또한 Document AI API를 사용하여 문서에서 항목과 주요 문구를 추출하는 방법도 보여줍니다. |
|
챗봇 텍스트 생성 |
GroceryBot, 샘플 식료품 및 레시피 어시스턴트 - RAG + ReAct 이 노트북은 RAG 및 ReAct를 사용하는 샘플 식료품 및 레시피 어시스턴트에 대해 설명합니다. 레시피를 찾고, 쇼핑 목록을 만들며 음식에 대한 질문에 답하는 데 도움이 됩니다. |
|
질의 응답 문서-QA LangChain |
LangChain 🦜🔗을 사용하여 대규모 문서 질의 응답 이 노트북은 LangChain 모델을 사용하여 긴 문서에 대한 질문에 답변할 수 있는 질의 응답 시스템을 빌드하는 방법을 보여줍니다. 이 모델은 대량의 텍스트 코퍼스를 학습하며 모든 주제에 대한 질문에 답변하는 데 사용할 수 있습니다. |
|
질의 응답 문서 QA PageRankChain 벡터 검색 |
LangChain 🦜️🔗 및 Vertex AI 벡터 검색을 사용하여 문서 질의 응답 이 노트북은 LangChain 및 Vertex AI 벡터 검색(이전의 Matching Engine)을 사용하여 문서에 대한 질의 응답 시스템을 빌드하는 방법을 보여줍니다. 시스템에서 문서의 항목, 날짜, 숫자에 관한 질문에 답할 수 있습니다. |
|
Document AI 질의 응답 PaLM |
Document AI, Pandas, PaLM을 사용하여 문서 질의 응답 이 노트북은 Document AI, Pandas, PaLM을 사용하여 질의 응답 시스템을 빌드하는 방법을 보여줍니다. 먼저 Document AI를 사용하여 문서에서 정형 데이터를 추출한 후 Pandas를 사용하여 추출된 데이터에서 데이터 프레임을 만들고 마지막으로 PaLM을 사용하여 데이터에 대한 질문에 대한 답변을 생성합니다. |
|
질의 응답 문서-QA |
이 노트북은 Vertex AI 질의 응답 서비스를 사용하여 대규모 문서에서 질문에 답변할 수 있는 질의 응답 모델을 빌드하는 방법을 보여줍니다. 이 모델은 Wikipedia 기사의 데이터 세트를 기반으로 학습되며 다양한 주제에 대한 질문에 답할 수 있습니다. |
|
이미지 생성 |
이 노트북에서는 텍스트 이미지 변환 모델을 사용하여 이미지에서 제품 설명을 생성하는 방법을 보여줍니다. 이 모델은 제품 이미지의 데이터 세트 및 해당 설명에 대해 학습합니다. |
|
소매업 LangChain 생성 |
DescriptionGen: LangChain 🦜🔗을 사용하여 소매업을 위한 검색엔진 최적화 제품 설명 생성 이 노트북은 LangChain 모델을 사용하여 소매업을 위한 검색엔진 최적화 제품 설명을 생성하는 방법을 보여줍니다. 모델은 제품 속성 목록을 입력으로 받아 제품의 주요 기능을 강조하는 짧은 설명을 출력합니다. |
|
BigQuery DataFrames 텍스트 생성 |
BigQuery DataFrames ML: 의약품 이름 생성 이 노트북에서는 BigQuery DataFrames ML을 사용하여 의약품 이름을 생성하는 방법을 보여줍니다. 사전 학습된 언어 모델을 사용하여 텍스트를 생성한 후 결과를 필터링하여 이미 사용 중인 의약품 이름을 삭제합니다. |
|
BigQuery DataFrames 코드 생성 |
코드 생성에 생성형 AI를 활용한 BigQuery DataFrames 사용 이 노트북은 코드 생성을 위해 생성형 AI와 함께 BigQuery DataFrame을 사용하는 방법을 보여줍니다. 사전 학습된 언어 모델을 사용하여 BigQuery 테이블을 Pandas DataFrame으로 변환하는 코드 생성 방법을 보여줍니다. |
|
BigQuery 언어 모델 |
BigQuery 데이터에서 Vertex AILLM 사용 이 노트북은 BigQuery 데이터에서 Vertex AI LLM을 사용하는 방법을 보여줍니다. 여기서는 BigQuery에서 데이터를 로드하고, LLM 모델을 만든 후 이 모델을 사용하여 데이터를 기반으로 텍스트를 생성하는 방법을 보여줍니다. |
|
임베딩 유사성 시각화 |
t-SNE 플롯을 사용하여 텍스트 문서에서 임베딩 유사성 시각화 이 노트북은 t-SNE 플롯을 사용하여 텍스트 문서에서 임베딩 유사성을 시각화하는 방법을 보여줍니다. [IMDB dataset](https://datasets.imdbws.com/)의 영화 리뷰 데이터 세트를 사용합니다. |
|
텍스트 임베딩 벡터 검색 |
텍스트 임베딩과 함께 Vertex AI 벡터 검색 시작하기 이 노트북은 텍스트 임베딩 소개 및 Vertex AI 벡터 검색에서 이를 사용하는 방법을 제공합니다. 여기서는 텍스트 임베딩 기본 사항, 텍스트 임베딩 학습 방법 및 이를 사용한 벡터 검색을 수행 방법을 다룹니다. |
|
임베딩 벡터 검색 |
이 노트북은 Vertex AI 벡터 검색 사용을 위한 빠른 시작입니다. 여기서는 벡터 색인 생성 방법, 색인에 데이터를 업로드하는 방법, 벡터 검색어를 수행하는 방법 등 벡터 검색의 기본 사항을 다룹니다. |
|
Imagen 3 이미지 생성 |
Vertex AI에서 Imagen을 사용한 이미지 생성 이 노트북에서는 Vertex AI SDK for Python과 Imagen 3 표준 및 지연 시간이 짧은 모델을 사용하여 Imagen의 이미지 생성 기능을 살펴봅니다. Imagen의 이미지 생성 기능을 자세히 알아보세요. |
|
Imagen 2 이미지 생성 |
Vertex AI에서 Imagen을 사용한 이미지 생성 이 노트북에서는 Python용 Vertex AI SDK를 사용하여 Imagen의 이미지 생성 기능을 살펴봅니다. Imagen의 이미지 생성 기능에 대해 자세히 알아보세요. |
|
Imagen 3 이미지 생성 |
Imagen 3 및 Gemini 1.5 Pro로 고품질 시각적 애셋 만들기. 이 노트북에서는 Imagen 3 및 Gemini 1.5 Pro를 사용하여 레스토랑 메뉴에 사용되는 고품질 시각적 애셋을 만듭니다. 이미지 생성 및 멀티모달 모델에 대해 자세히 알아보기 |
|
Imagen 2 이미지 수정 |
자동으로 생성된 마스크 영역을 사용하여 Imagen 2 수정으로 고품질 시각적 애셋을 만듭니다. 이 노트북에서는 Python용 Vertex AI SDK를 사용하여 Imagen의 이미지 수정 기능을 살펴봅니다. |
|
Imagen 이미지 시각적 질의 응답(VQA) |
Vertex AI의 Imagen을 사용한 시각적 질의 응답(VQA) 이 노트북에서는 Imagen을 사용하여 특정 질문에 답하는 이미지를 생성하는 방법을 보여줍니다. 또한 Vertex AI에 모델을 배포하고 이를 사용하여 사용자가 제공한 질문에 대한 응답에서 이미지를 생성하는 방법을 보여줍니다. |
|
Imagen 이미지 캡셔닝 |
Vertex AI에서 Imagen을 사용한 시각적 캡셔닝 이 노트북에서는 이미지 생성용 대규모 언어 모델인 Imagen을 사용하여 이미지 자막을 생성하는 방법을 보여줍니다. Vertex AI에 모델을 배포하는 방법도 보여줍니다. |
다음 단계
- 노트북 튜토리얼을 통해 LLM, Vertex AI, PaLM 모델 알아보기
- 생성형 AI GitHub 저장소에서 더 많은 리소스 살펴보기
- 튜토리얼 개요에서 다른 Vertex AI 노트북 튜토리얼 참조하기