Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.

Google Cloud für Forscher

Bahnbrechende Forschungsergebnisse von morgen möglich machen Beschleunigen Sie Ihre Forschung mit Schulungen, kostenlosen Guthaben und Ressourcen von Google Cloud.

Forscher an der USC beschleunigen mit Google Cloud den Prozess der Arzneimittelentwicklung

Weitere Informationen zu den Vorteilen

Reichen Sie einen Vorschlag ein, um bis zu 5.000 $ an kostenlosem Google Cloud-Guthaben für akademische Forschung zu erhalten. Nutzen Sie die Hochleistungs-Computing-Funktionen von Google.

Für den Einstieg in Google Cloud steht Ihnen ein kostenloses Online-Training über Google Cloud Skills Boost zur Verfügung und Sie können ein Lernguthaben von der Plattform beantragen.

Kontakt zu einer Community von Kollegen herstellen, die bahnbrechende Forschung betreiben. Teilen Sie Ihre Ideen in Online-Communities oder bewerben Sie sich als Google Cloud Research Innovator.


Informationen zu Google Cloud

Zugriff auf den Google Cloud-Katalog in Google Cloud Skills Boost erhalten, um praktische Erfahrungen zu sammeln. Bewerben Sie sich, um bis zu 200 Guthabenpunkte zu erhalten. Teilen Sie Guthaben mit den Schülern und Studenten und verfolgen Sie den Lab-Abschluss.

Forschungsbereich Überblick Training
Forschung, Entwicklung und Prototyping
RAD Lab

Entdecken Sie RAD Lab, eine Google Cloud-basierte Sandbox-Umgebung, mit der Teams schnell von der Forschung und Entwicklung zur Produktion gelangen. 

  • GitHub – Entdecken Sie das Code-Repository von Rad Lab 

Hochleistungs-Computing
HPC-Abo

Mit dem HPC-Abo von Google Cloud können Forscher ihre Projekte unabhängig von ihrem technischen Kenntnisstand schnell vorantreiben - und das zu einem festen Abopreis, sodass keine zusätzlichen Kosten anfallen.

Umweltwissenschaften
Bildverarbeitung

Der Einsatz großer Rechenkapazitäten zur Erkennung von Mustern und zum „Lesen“ von Bildern ist eine der grundlegenden Technologien der KI, vom selbstfahrenden Auto bis zur Gesichtserkennung. 

  • Codelab – Geräteinterne Image-Klassifizierung mit AutoML Vision trainieren und bereitstellen

  • Google Cloud Skills Boost – Mit AutoML Vision Bilder von Wolken klassifizieren

Klassifizierung von Blumenbildern mit Keras in TPUs

Hier erfahren Sie, wie Sie mit Keras und TensorFlow Ihre eigenen Convolutional Neural Networks erstellen, trainieren und optimieren.

  • Codelab – Verwendung von Datenpipelines mit TPU-Geschwindigkeit: tf.data.Dataset und TFRecords 

  • Codelab – Moderne Convnets, Squeezenet, Xception, mit Keras und TPUs 

Biowissenschaften
Genomics

Mit Cloud Life Sciences (früher Google Genomics) können Sie biomedizinische Daten im großen Maßstab verarbeiten.

Gesundheitswesen

Die Cloud Healthcare API bietet eine verwaltete Lösung zum Speichern und Abrufen von Gesundheitsdaten in Google Cloud und stellt eine wichtige Brücke zwischen bestehenden Versorgungssystemen und Anwendungen dar, die in Google Cloud gehostet werden. 

Sozialwissenschaften
Cloud AI Platform

Sammeln Sie praktische Erfahrungen mit TensorFlow 2.x-Modelltrainings, sowohl lokal als auch auf der AI Platform. Außerdem erfahren Sie, wie Sie Ihr Modell nach erfolgtem Training auf AI Platform bereitstellen.

APIs für Machine Learning

In Labs wie „Mit der Cloud Vision API Labels, Gesichter und Sehenswürdigkeiten in Bildern erkennen“ machen Sie praktische Erfahrungen mit APIs für maschinelles Lernen.

Physik
Bildanalyse und -klassifizierung

Mit der Cloud Vision API erhalten Sie Informationen über den Inhalt eines Bildes, indem Sie über eine nutzerfreundliche REST API leistungsstarke Modelle für maschinelles Lernen verwenden. Bilder an die Vision API senden, um Objekte, Gesichter und Sehenswürdigkeiten erkennen zu können.

Mathematische Wissenschaften
Finanzdienstleistungen

Techniken des maschinellen Lernen von Google Cloud, insbesondere Deep Learning, sind für die Zeitreihenanalyse vielversprechend. Da Zeitreihen immer dichter werden und beginnen, sich zu überlappen, bietet das maschinelle Lernen eine Möglichkeit, das Signal von Störungen zu trennen.

  • Anleitung – Analysieren des Portfoliorisikos mit HTCondor und Compute Engine

  • Anleitung - Analysieren von Finanzzeitachsen mit BigQuery und Cloud Datalab

Data Science

Nutzen Sie ausgefeilte statistische und ML-Methoden für reale Probleme, wenn Sie auf Google Cloud aufbauen.

  • Codelab – Pipeline zur Big-Data-Textverarbeitung in Cloud Dataflow ausführen 

  • Google Cloud Skills Boost – AI Platform: Qwik Start – Datenvorhersage für Volkszählungen

Jupyter, R und RStudio

Umfangreiches technisches Computing in Google Cloud durchführen.

  • Anleitung – R skaliert auf Compute Engine ausführen

  • Anleitung – RStudio Server in einem Cloud Dataproc-Cluster ausführen

Informatik
Medien und Rendering

So stellen Sie das Rendering-Managementsystem von OpenCue auf virtuellen Linux-Maschinen (VMs) mit Google Cloud bereit.

  • Anleitung – Renderingfarm in Google Cloud mit OpenCue erstellen

Arbeitslastmanager

Auslastung und Effizienz mithilfe von Arbeitslastmanagern optimieren, die die Clusterverwaltung vereinfachen.

  • GitHub – PBS-Deployment-Skripts

  • GitHub – HTCondor-Deployment-Skripts

Container und Kubernetes

Erfahren Sie, wie Sie eine verwaltete Umgebung nutzen können, um sich auf die Arbeit mit Kubernetes zu konzentrieren, anstatt die zugrunde liegende Infrastruktur einzurichten.

MapReduce – Hadoop/Spark

Da Sie Cloud Dataproc-Cluster jederzeit erstellen und vergrößern können, müssen Sie sich keine Gedanken darüber machen, ob Ihre Datenpipelines irgendwann die Größe Ihrer Cluster übersteigen.

Remote Desktop und Visualisierung

So richten Sie einen Chrome Remote Desktop-Dienst oder eine virtuelle Linux-Workstation ein.

  • Anleitung – Chrome Remote Desktop in Compute Engine einrichten

  • Anleitung - Eine virtuelle GPU-beschleunigte Linux Workstation erstellen

Lustre

Greifen Sie über den Google Cloud Marketplace auf die DDN EXAScaler Lustre-Software der Unternehmensklasse zu und nutzen Sie eine Reihe von Open-Source-Skripten zur einfachen Konfiguration und Bereitstellung eines Lustre-Speicher-Clusters auf Compute Engine.

  • Codelab – Paralleles Lustre-Dateisystem auf Google Cloud bereitstellen

  • Marketplace – DDN Cloud Edition for Lustre

RAD Lab

Entdecken Sie RAD Lab, eine Google Cloud-basierte Sandbox-Umgebung, mit der Teams schnell von der Forschung und Entwicklung zur Produktion gelangen. 

  • GitHub – Entdecken Sie das Code-Repository von Rad Lab 

HPC-Abo

Mit dem HPC-Abo von Google Cloud können Forscher ihre Projekte unabhängig von ihrem technischen Kenntnisstand schnell vorantreiben – und das zu einem festen Abopreis, sodass keine zusätzlichen Kosten anfallen. 

Bildverarbeitung

Der Einsatz großer Rechenkapazitäten zur Erkennung von Mustern und zum „Lesen“ von Bildern ist eine der grundlegenden Technologien der KI, vom selbstfahrenden Auto bis zur Gesichtserkennung. 

  • Codelab – Geräteinterne Image-Klassifizierung mit AutoML Vision trainieren und bereitstellen

  • Google Cloud Skills Boost – Mit AutoML Vision Bilder von Wolken klassifizieren

Klassifizierung von Blumenbildern mit Keras in TPUs

Hier erfahren Sie, wie Sie mit Keras und TensorFlow Ihre eigenen Convolutional Neural Networks erstellen, trainieren und optimieren.

  • Codelab – Verwendung von Datenpipelines mit TPU-Geschwindigkeit: tf.data.Dataset und TFRecords 

  • Codelab – Moderne Convnets, Squeezenet, Xception, mit Keras und TPUs 

Genomics

Mit Cloud Life Sciences (früher Google Genomics) können Sie biomedizinische Daten im großen Maßstab verarbeiten.

Gesundheitswesen

Die Cloud Healthcare API bietet eine verwaltete Lösung zum Speichern und Abrufen von Gesundheitsdaten in Google Cloud und stellt eine wichtige Brücke zwischen bestehenden Versorgungssystemen und Anwendungen dar, die in Google Cloud gehostet werden. 

Cloud AI Platform

Sammeln Sie praktische Erfahrungen mit TensorFlow 2.x-Modelltrainings, sowohl lokal als auch auf der AI Platform. Nach erfolgtem Training erfahren Sie, wie Sie Ihr Modell auf der AI Platform bereitstellen, um Vorhersagen zu treffen.

APIs für Machine Learning

In Labs wie „Mit der Cloud Vision API Labels, Gesichter und Sehenswürdigkeiten in Bildern erkennen“ machen Sie praktische Erfahrungen mit APIs für maschinelles Lernen.

Bildanalyse und -klassifizierung

Mit der Cloud Vision API erhalten Sie Informationen über den Inhalt eines Bildes, indem Sie über eine nutzerfreundliche REST API leistungsstarke Modelle für maschinelles Lernen verwenden. Bilder an die Vision API senden, um Objekte, Gesichter und Sehenswürdigkeiten erkennen zu können.

Finanzdienstleistungen

Techniken des maschinellen Lernen von Google Cloud, insbesondere Deep Learning, sind für die Zeitreihenanalyse vielversprechend. Da Zeitreihen immer dichter werden und beginnen, sich zu überlappen, bietet das maschinelle Lernen eine Möglichkeit, das Signal von Störungen zu trennen.

  • Anleitung – Analysieren des Portfoliorisikos mit HTCondor und Compute Engine

  • Anleitung - Analysieren von Finanzzeitachsen mit BigQuery und Cloud Datalab

Data Science

Nutzen Sie ausgefeilte statistische und ML-Methoden für reale Probleme, wenn Sie auf Google Cloud aufbauen.

  • Codelab – Pipeline zur Big-Data-Textverarbeitung in Cloud Dataflow ausführen 

  • Google Cloud Skills Boost – AI Platform: Qwik Start – Datenvorhersage für Volkszählungen

Jupyter, R und RStudio

Umfangreiches technisches Computing in Google Cloud durchführen.

  • Anleitung – R skaliert auf Compute Engine ausführen

  • Anleitung – RStudio Server in einem Cloud Dataproc-Cluster ausführen

Medien und Rendering

Das Rendering-Managementsystem von OpenCue auf virtuellen Linux-Maschinen (VMs) mit Google Cloud bereitstellen.

  • Anleitung – Renderingfarm in Google Cloud mit OpenCue erstellen

Arbeitslastmanager

Auslastung und Effizienz mithilfe von Arbeitslastmanagern optimieren, die die Clusterverwaltung vereinfachen.

  • GitHub – PBS-Deployment-Skripts

  • GitHub – HTCondor-Deployment-Skripts

Container und Kubernetes

Erfahren Sie, wie Sie eine verwaltete Umgebung nutzen können, um sich auf die Arbeit mit Kubernetes zu konzentrieren, anstatt die zugrunde liegende Infrastruktur einzurichten.

MapReduce – Hadoop/Spark

Da Sie Cloud Dataproc-Cluster jederzeit erstellen und vergrößern können, müssen Sie sich keine Gedanken darüber machen, ob Ihre Datenpipelines irgendwann die Größe Ihrer Cluster übersteigen.

Remote Desktop und Visualisierung

So richten Sie einen Chrome Remote Desktop-Dienst oder eine virtuelle Linux-Workstation ein.

  • Anleitung – Chrome Remote Desktop in Compute Engine einrichten

  • Anleitung - Eine virtuelle GPU-beschleunigte Linux Workstation erstellen

Lustre

Greifen Sie über den Google Cloud Marketplace auf die DDN EXAScaler Lustre-Software der Unternehmensklasse zu und nutzen Sie eine Reihe von Open-Source-Skripten zur einfachen Konfiguration und Bereitstellung eines Lustre-Speicher-Clusters auf Compute Engine.

  • Codelab – Paralleles Lustre-Dateisystem auf Google Cloud bereitstellen

  • Marketplace – DDN Cloud Edition for Lustre

Community beitreten

Alle Forscher, die ein Google Cloud-Guthaben erhalten haben, werden in unsere Gruppe der Onlineforscher aufgenommen. Forscher können sich auch für das Programm „Forschungs-Innovator“ bewerben.

Forscher-Community

Schließen Sie sich anderen Lehrkräften und Forschern an, die Google Cloud in ihren Laboren und in ihren Klassenzimmern verwenden. Nur Forscher, die verifiziert und für den Erhalt von Google Cloud-Guthaben zugelassen wurden, sind zur Teilnahme berechtigt. Bitte schauen Sie in Ihrer Einführungs-E-Mail nach einem Link, um sich anzumelden, oder fordern Sie den Zugang über Ihre von der Schule ausgegebene E-Mail-Adresse an.

Research Innovators

Bewerben Sie sich, um sich einer globalen Gemeinschaft von Forschern anzuschließen, die mit Google Cloud wissenschaftliche Durchbrüche erzielen. Forschungs-Innovatoren erhalten Zugang zu Weiterbildung und anderen Vorteilen. Derzeit nehmen wir keine Anträge entgegen. Du kannst dich aber genauer über das Programm informieren, die Eröffnungskohorte kennenlernen und dich benachrichtigen lassen, wenn Bewerbungen angenommen werden.

„Mit FlyWheel in Google Cloud sparen wir Zeit und Geld. Am wichtigsten ist jedoch die Reproduzierbarkeit, die wir erreichen können. Die Möglichkeit, meine Forschungsarbeit mit anderen Menschen auf der ganzen Welt zu teilen, ist für mich ein wichtiges Thema der Wissenschaft.“

Dr. Brian Wandell, Fakultätsprofessor und Direktor des CNI der Stanford University

Weiterlesen