Vertex AI의 생성형 AI 노트북 튜토리얼

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

• Gemini의 멀티모달 사용 사례

  Gemini로 멀티모달을 사용하여 다양한 사용 사례를 살펴봅니다.
  Colab | GitHub

• Vertex AI Gemini API 및 Python SDK로 함수 호출

  Python용 Vertex AI SDK와 함께 Vertex AI Gemini API를 사용하여 Gemini 1.0 Pro(gemini-1.0-pro) 모델을 사용하여 함수 호출을 수행합니다.
  Colab | GitHub

• Vertex AI에서 Gemini로 그라운딩 시작하기

  생성형 텍스트 모델을 사용하여 문서와 데이터를 기반으로 하는 콘텐츠를 생성합니다.

  Colab | GitHub

튜토리얼 목록

필터링 기준: Gemini BigQuery 일괄 질의 응답 자막 연쇄 사고 채팅 챗봇 Chirp 코드 코드 채팅 코드 완성 코드 생성 Codey 연락처 대화 데이터 로더 데이터 저장소 DataFrames 배포 문서 Document AI 문서-QA 문서 요약 임베딩 평가 필터 함수 호출 생성 아이디어 구상 이미지 Imagen 색인 생성 LangChain 언어 언어 프롬프트 언어 모델 메타데이터 멀티모달 조정 PaLM 프롬프트 Python SDK 질의 응답 React 인식 소매업 가져오기 검색 증강 생성 검색 유사성 음성 요약 텍스트 텍스트 분류 텍스트 임베딩 텍스트 추출 텍스트 생성 조정 벡터 검색 Vertex AI Search 시각적 질의 응답 시각화

Gemini 멀티모달	Gemini 1.5 Pro 소개(미리보기) Gemini 1.5 Pro(미리보기)를 사용하여 오디오 파일을 분석하고, 동영상을 이해하고, PDF에서 정보를 추출하고, 여러 유형의 미디어를 동시에 처리합니다.	GitHub에서 보기
Gemini 멀티모달	Gemini 시작하기(cUrl) REST/curl로 Google의 최신 대규모 언어 모델에 액세스할 수 있는 Gemini API를 사용합니다.	Colab에서 열기 GitHub에서 보기
Gemini 멀티모달	Gemini 시작하기(Python SDK) Python용 Vertex AI SDK와 함께 Google의 최신 대규모 언어 모델에 액세스할 수 있는 Gemini API를 사용합니다.	Colab에서 열기 GitHub에서 보기
Gemini 멀티모달	Gemini의 멀티모달 사용 사례 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.	Colab에서 열기 GitHub에서 보기
Gemini 평가	Python용 Vertex AI SDK에서 빠른 평가 시작하기 Python용 Vertex AI SDK로 빠른 평가를 사용하여 평가 태스크에서 Gemini 모델을 평가합니다.	Colab에서 열기 GitHub에서 보기
Gemini 평가	Gemini를 사용한 프롬프트 엔지니어링, 평가 및 프롬프트 템플릿 프롬프트 엔지니어링 및 평가를 위해 Gemini 모델을 사용하고, 프롬프트 설계를 위해 Python용 Vertex AI SDK로 프롬프트 템플릿을 사용하세요.	Colab에서 열기 GitHub에서 보기
Gemini 평가	생성 모델 평가 및 선택 빠른 평가를 사용하여 특정 평가 작업에서 여러 생성 모델의 점수를 매기고 평가한 다음 Python용 Vertex AI SDK를 사용하여 작업의 평가 결과를 시각화하고 비교합니다.	Colab에서 열기 GitHub에서 보기
Gemini 평가	Gemini 모델 생성 설정 평가 및 선택 빠른 평가를 사용하여 Gemini의 온도와 기타 모델 생성 구성을 평가 및 선택하고 Python용 Vertex AI SDK를 사용하여 품질, 유연성, 안전성, 세부정보 수준에 대한 다양한 생성 설정의 측정항목 결과를 비교합니다.	Colab에서 열기 GitHub에서 보기
Gemini 평가	Gemini로 평가 측정항목 정의 Python용 Vertex AI SDK에서 빠른 평가를 사용하여 맞춤 정의 평가 측정항목으로 평가합니다.	Colab에서 열기 GitHub에서 보기
Gemini 평가	Gemini 1.0 Pro 모델 함수 호출 품질 평가 Gemini 1.0 Pro 모델로 함수 호출을 생성하고 신속한 평가를 통해 Python용 Vertex AI SDK에서 Gemini 1.0 Pro 모델 함수 호출 품질을 평가합니다.	Colab에서 열기 GitHub에서 보기
Gemini 멀티모달 Streamlit	Gemini Pro를 사용하여 Cloud Run에 Streamlit 앱 배포 Gemini Pro와 함께 Cloud Run에 Streamlit을 사용하여 간단한 챗봇 앱을 구현하는 샘플 앱입니다.	GitHub에서 보기
Gemini 멀티모달 검색 증강 생성	멀티모달 RAG 기존 텍스트 데이터를 통해 수행되는 RAG에서 확장된 이 노트북은 텍스트와 이미지가 포함된 과학 보고서에서 멀티모달 데이터를 통해 RAG를 수행하여 Q&A를 수행하는 방법을 보여줍니다.	Colab에서 열기 GitHub에서 보기
Gemini 멀티모달	교육에서 Gemini 사용하기 교육에서 다양한 예시의 프롬프트와 이미지 및 동영상을 포함한 다양한 형식에 Gemini 모델을 사용합니다.	Colab에서 열기 GitHub에서 보기
Gemini 멀티모달	멀티모달 소매업 추천에 Gemini 사용 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.	Colab에서 열기 GitHub에서 보기
Gemini 멀티모달 함수 호출	Gemini를 사용한 함수 호출 소개 Gemini Pro 모델을 사용하여 다음을 수행합니다. 텍스트 프롬프트에서 함수 호출을 생성하여 지정된 위치의 날씨를 가져옵니다. 텍스트 프롬프트에서 함수 호출을 생성하고 외부 API를 호출하여 지오코드 주소를 생성합니다. 소매업체 사용자를 지원하기 위해 채팅 프롬프트에서 함수 호출을 생성합니다.	Colab에서 열기 GitHub에서 보기
조정	Vertex AI로 기반 모델 조정 전체 설정 및 통합 프로세스를 둘러봅니다. 환경 설정부터 기반 모델 선택 및 Vertex AI를 사용한 조정까지	Colab에서 열기 GitHub에서 보기
평가	Vertex AI LLM 평가 서비스 Vertex AI LLM 평가 서비스를 다른 Vertex AI 서비스와 함께 사용합니다.	GitHub에서 보기
LangChain	Langchain 체인 실행 LangChain 체인을 실행하고 체인의 각 단계에서 선택적으로 디버깅 중단점을 사용하여 발생하는 세부정보를 출력합니다.	Colab에서 열기 GitHub에서 보기
텍스트	고급 프롬프트 엔지니어링 교육 연쇄 사고 및 반응(추론 + 행동)을 사용하여 프롬프트를 설계하고 할루시네이션을 줄입니다.	Colab에서 열기 GitHub에서 보기
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.	Colab에서 열기 GitHub에서 보기
임베딩	임베딩을 사용한 시맨틱 검색 텍스트에서 생성된 임베딩을 만들고 시맨틱 검색을 수행합니다. 임베딩은 Google ScaNN: 효율적인 벡터 유사성 검색을 사용하여 생성됩니다.	Colab에서 열기 GitHub에서 보기
평가	AutoSxS: 서드 파티 모델을 대상으로 Vertex AI 모델 레지스트리의 LLM 평가 Vertex AI 자동 병렬(AutoSxS)을 사용하여 Vertex AI 모델 레지스트리의 생성형 AI 모델과 서드 파티 언어 모델 간의 성능을 평가합니다.	Colab에서 열기 GitHub에서 보기
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.	Colab에서 열기 GitHub에서 보기
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.	Colab에서 열기 GitHub에서 보기
조정	RLHF 조정 모델을 사용한 Vertex AI 일괄 추론 이 튜토리얼에서는 Vertex AI를 사용하여 RLHF로 조정된 OSS 대규모 언어 모델(LLM)에서 엔드 투 엔드 추론을 수행하는 방법을 보여줍니다.	Colab에서 열기 GitHub에서 보기
임베딩	텍스트 임베딩 API 새로운 텍스트 임베딩 모델을 시도합니다.	Colab에서 열기 GitHub에서 보기
조정	PEFT 조정 Vertex AI 모델 PEFT 대규모 언어 모델(LLM)을 조정하고 예측을 수행합니다. 이 워크플로는 기본 모델을 학습 데이터 세트로 미세 조정하여 모델의 정확성을 향상시킵니다.	Colab에서 열기 GitHub에서 보기
텍스트	대규모 언어 모델에서 Vertex AI SDK 사용 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 살펴보고 시작해 보세요.	Colab에서 열기 GitHub에서 보기
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. 지정된 데이터 스토어 ID의 색인 생성 상태를 확인합니다. 지정된 데이터 스토어 ID의 모든 문서를 나열합니다. 지정된 데이터 스토어 ID에 대해 색인이 생성된 모든 URL을 나열합니다. 색인이 생성된 모든 URL에서 지정된 데이터 스토어 ID 내의 특정 URL을 검색합니다.	Colab에서 열기 GitHub에서 열기
음성 인식 Chirp	Google Cloud에서 Chirp 시작하기 이 노트북은 Google의 최첨단 음성 인식 기술을 사용하는 음성 텍스트 변환 서비스인 Chirp에 대한 소개입니다. 개발자가 음성 지원 애플리케이션을 빌드할 수 있는 간단하고 사용하기 쉬운 인터페이스를 제공합니다.	Colab에서 열기 GitHub에서 열기
메타데이터 검색 필터링	필터 및 메타데이터가 있는 Vertex AI Search Vertex AI Search는 Google Cloud에서 검색 애플리케이션을 빌드하고 배포할 수 있는 완전 관리형 서비스입니다. 이 노트북은 Vertex AI Search에 대한 검색 요청에서 필터 및 메타데이터를 사용하는 방법을 보여줍니다.	Colab에서 열기 GitHub에서 열기
문서 질의 응답 검색 증강 생성	검색 증강 생성이 포함된 문서 Q&A 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.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
질의 응답 검색 증강 생성 검색 LangChain	문서에 대한 질의 응답 이 노트북은 Vertex AI Search 엔진을 LLM과 결합하여 데이터에 대해 질문하고 답변하는 방법을 보여줍니다. 특히 PDF 및 HTML 파일과 같은 '구조화되지 않은' 데이터 쿼리에 중점을 둡니다. 이 노트북을 실행하려면 구조화되지 않은 검색엔진을 만들고 여기에 PDF 또는 HTML 문서를 수집해야 합니다.	Colab에서 열기 GitHub에서 열기
일괄 질의 응답 Vertex AI Search 질의 응답 검색	Vertex AI Search로 일괄 질의 응답 이 노트북은 Vertex AI Search 데이터 스토어를 사용하여 CSV에서 질의 응답하는 방법을 보여줍니다. Colab 또는 Vertex AI Workbench에서 실행할 수 있습니다.	Colab에서 열기 GitHub에서 열기
언어 조정 langChain PaLM	LangChain 🦜️🔗 + PaLM API 시작하기 이 노트북은 언어 모델 조정 프레임워크인 LangChain에 대한 소개를 제공합니다. PaLM API와 함께 LangChain을 사용하여 텍스트 간 생성 모델을 만들고 배포하는 방법을 보여줍니다.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
코드 검색 증강 생성 Codey 코딩	Codey API에서 검색 증강 생성(RAG) 사용 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.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
언어 PaLM Python SDK	PaLM API 및 Python SDK 시작하기 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.	Colab에서 열기 GitHub에서 열기
언어 프롬프트	프롬프트 설계 - 권장사항 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.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
텍스트 분류	Vertex AI에서 생성형 모델을 사용한 텍스트 분류 이 노트북은 생성형 모델을 사용하여 Vertex AI에서 텍스트 분류를 수행하는 방법을 보여줍니다. 다음 주제를 다룹니다. * 데이터 준비 * 모델 학습 * 모델 배포 * 모델을 사용하여 텍스트 분류	Colab에서 열기 GitHub에서 열기
연쇄 사고 ReAct	연쇄 사고 및 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.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
질의 응답	Vertex AI에서 생성형 모델로 질의 응답하기 이 노트북은 생성형 모델을 사용하여 개방형 도메인 질문에 답하는 방법을 보여줍니다. Vertex AI Transformer 모델을 사용하여 지정된 질문을 기반으로 텍스트를 생성합니다.	Colab에서 열기 GitHub에서 열기
텍스트 생성 기반 모델 미세 조정 배포	기반 모델 미세 조정 및 배포 이 노트북은 Vertex AI를 사용하여 기반 모델을 조정하는 방법을 보여줍니다. 또한 조정된 모델을 Vertex AI 엔드포인트에 배포하는 방법을 보여줍니다.	Colab에서 열기 GitHub에서 열기
문서 요약	대규모 문서의 텍스트 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.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
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 항목 및 주요 문구를 추출하는 방법도 보여줍니다.	Colab에서 열기 GitHub에서 열기
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 만들고, 음식에 관한 질문에 답하는 데 도움이 될 수 있습니다.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
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 구조화된 데이터를 추출한 후 Pandas를 사용하여 추출된 데이터에서 데이터 프레임을 만들고 마지막으로 PaLM을 사용하여 데이터에 대한 질문에 대한 답을 생성합니다.	Colab에서 열기 GitHub에서 열기
질의 응답 문서-QA	대규모 문서 질의 응답 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.	Colab에서 열기 GitHub에서 열기
이미지 생성	이미지에서 제품 설명 생성 이 노트북은 텍스트 이미지 변환 모델을 사용하여 이미지에서 제품 설명을 생성하는 방법을 보여줍니다. 이 모델은 제품 이미지의 데이터 세트 및 해당 설명에 대해 학습합니다.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
BigQuery DataFrames 텍스트 생성	BigQuery DataFrames ML: 의약품 이름 생성 이 노트북은 BigQuery DataFrames ML을 사용하여 의약품 이름을 생성하는 방법을 보여줍니다. 선행 학습된 언어 모델을 사용하여 텍스트를 생성한 다음 결과를 필터링하여 이미 사용 중인 의약품 이름을 삭제합니다.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
텍스트 임베딩 벡터 검색	텍스트 임베딩 + 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.	Colab에서 열기 GitHub에서 열기
임베딩 벡터 검색	Vertex AI 벡터 검색 빠른 시작 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.	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
Imagen 2 이미지 생성 Gemini 1.0 Pro 텍스트 생성 Gemini 1.0 Pro 출력 텍스트 형식 지정	Imagen 및 Gemini 1.0 Pro로 고품질 시각적 애셋 만들기. 이 노트북에서는 Imagen 및 Gemini 1.0 Pro를 사용하여 레스토랑 메뉴에 사용되는 고품질 시각적 애셋을 만듭니다. 이미지 생성 및 멀티모달 모델에 대해 자세히 알아보기	Colab에서 열기 GitHub에서 열기
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.	Colab에서 열기 GitHub에서 열기
Imagen 이미지 시각적 질의 응답(VQA)	Vertex AI의 Imagen을 사용한 시각적 질의 응답(VQA) 이 노트북은 Imagen을 사용하여 특정 질문에 답변하는 이미지를 생성하는 방법을 보여줍니다. 또한 Vertex AI에 모델을 배포하고 이를 사용하여 사용자가 제공한 질문에 대한 응답에서 이미지를 생성하는 방법을 보여줍니다.	Colab에서 열기 GitHub에서 열기
Imagen 이미지 캡션	Vertex AI에서 Imagen을 사용한 시각적 캡셔닝 이 노트북은 이미지 생성을 위한 대규모 언어 모델인 Imagen을 사용하여 이미지 설명을 생성하는 방법을 보여줍니다. 또한 Vertex AI에 모델을 배포하는 방법을 보여줍니다.	Colab에서 열기 GitHub에서 열기

다음 단계

• 노트북 튜토리얼로 LLM, Vertex AI, PaLM 모델 알아보기
• 생성형 AI GitHub 저장소에서 더 많은 리소스 살펴보기
• 튜토리얼 개요에서 다른 Vertex AI 노트북 튜토리얼 참조하기