Detaillierter Kursinhalt
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