Google Cloud Fundamentals for Researchers

Modul 1 – Google Cloud-Demos für Forscher

• Demo: Bereitstellung virtueller Maschinen der Compute Engine
• Demo: Abfrage von einer Milliarde Datenzeilen in Sekunden mit BigQuery
• Demo: Trainieren eines benutzerdefinierten Bildverarbeitungsmodells mit AutoML Vision

Modul 2 – Google Project-Konzepte

• Organisieren von Ressourcen in Google Cloud
• Kontrolle des Zugangs zu Projekten und Ressourcen
• Kosten- und Rechnungsmanagement

Modul 3 – Datenverarbeitung und Speicherung in der Google Cloud

• Interaktion mit Google Cloud
• Erstellen und Verwalten von Cloud Storage Buckets
• Virtuelle Maschinen der Compute Engine
• Die Kosten der Datenverarbeitung verstehen
• Einführung in HPC auf Google Cloud
• Übung 1: Erstellen und Verwalten einer virtuellen Maschine (Linux) und eines Cloud-Speichers

Modul 4 – BigQuery

• BigQuery-Grundlagen
• Abfrage öffentlicher Datensätze
• Importieren und Exportieren von Daten in BigQuery
• Verbinden mit Looker Studio
• Übung 3: Grundlagen von BigQuery und Looker Studio

Modul 5 – Vertex AI Notebooks

• Freigabe von APIs und Diensten
• Vertex AI
• Vertex-Workbench
• Verbinden von Jupyter-Notebooks mit BigQuery
• Übung 4: Interaktion mit BigQuery mit Python und R in Jupyter Notebooks

Modul 6 – Maschinelles Lernen

• Arten von ML innerhalb von Google Cloud
• Vorgefertigte ML-APIs
• Vertex AI AutoML
• BigQuery ML
• Übung 5: Optionale Übungen (zum Mitnehmen), aus denen Sie wählen können:
  • Extrahieren, Analysieren und Übersetzen von Text aus Bildern mit den Cloud ML APIs
  • Identifizieren Sie beschädigte Autoteile mit Vertex AutoML Vision
  • Erste Schritte mit BigQuery Machine Learning