Informationen zu den Vorteilen
Reichen Sie einen Vorschlag ein, um ein kostenloses Google Cloud-Guthaben im Wert von bis zu 5.000 $ für die akademische Forschung zu erhalten. Nutzen Sie das Hochleistungs-Computing von Google.
Für den Einstieg in Google Cloud steht Ihnen ein kostenloses Onlinetraining über Google Cloud Skills Boost zur Verfügung und Sie können ein Lernguthaben von der Plattform beantragen.
Schließen Sie sich einer Community von Kollegen an, die bahnbrechende Forschung betreiben. Teilen Sie Ihre Ideen in Online-Communitys oder bewerben Sie sich als Google Cloud Research Innovator.
Google Cloud kennenlernen
Erhalten Sie Zugriff auf den Google Cloud-Katalog in Google Cloud Skills Boost, um praktische Erfahrungen zu sammeln. Bewerben Sie sich, um bis zu 200 Guthabenpunkte zu erhalten. Teilen Sie Guthaben mit 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. |
|
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 umfassender Rechenkapazitäten zur Erkennung von Mustern und zum „Lesen“ von Bildern ist eine der grundlegenden Technologien in KI-Anwendungen, vom selbstfahrenden Auto bis zur Gesichtserkennung. |
|
Klassifizierung von Blumenbildern mit Keras auf TPUs
Hier erfahren Sie, wie Sie mit Keras und TensorFlow Ihre eigenen Convolutional Neural Networks erstellen, trainieren und optimieren. |
||
Biowissenschaften |
Genomics
Mit Cloud Life Sciences (früher Google Genomics) können Sie in großem Maßstab biomedizinische Daten 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 Erfahrung mit dem TensorFlow 2.x-Modelltraining, sowohl lokal als auch auf der AI Platform. Außerdem erfahren Sie nach dem Training, wie Sie Ihr Modell für die Vorhersage auf der AI Platform bereitstellen. |
|
APIs für Machine Learning
In Labs wie „Mit der Cloud Vision API Labels, Gesichter und Sehenswürdigkeiten in Bildern erkennen“ sammeln Sie praktische Erfahrung mit APIs für Machine Learning. |
|
|
Physikalische Wissenschaften |
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 Machine Learning verwenden. Sie können Bilder an die Vision API senden, damit sie Objekte, Gesichter und Sehenswürdigkeiten erkennt. |
|
Mathematische Wissenschaften |
Finanzdienstleistungen
Machine Learning-Verfahren von Google Cloud, insbesondere Deep Learning, sind für die Zeitreihenanalyse sehr vielversprechend. Angesichts zunehmender Verdichtung und Überlappung von Zeitreihen bietet Machine Learning eine Möglichkeit, das Signal vom Rauschen zu trennen. |
|
Data Science
Nutzen Sie ausgefeilte statistische und ML-Methoden für reale Probleme, wenn Sie auf Google Cloud aufbauen. |
|
|
Jupyter, R und RStudio
Führen Sie umfangreiches technisches Computing in Google Cloud durch. |
||
Informatik |
Medien und Rendering
Hier erfahren Sie, wie Sie das Rendering-Verwaltungssystem von OpenCue mit Google Cloud auf virtuellen Linux-Maschinen (VMs) bereitstellen. |
|
Arbeitslastmanager
Hier erfahren Sie, wie Sie Auslastung und Effizienz mithilfe von Arbeitslastmanagern optimieren, die die Clusterverwaltung vereinfachen. |
||
Container und Kubernetes
Hier erfahren Sie, wie Sie eine verwaltete Umgebung nutzen können, um sich auf die Arbeit mit Kubernetes zu konzentrieren, statt die zugrunde liegende Infrastruktur einrichten zu müssen. |
|
|
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
Hier erfahren Sie, wie Sie einen Chrome Remote Desktop-Dienst oder eine virtuelle Linux-Workstation einrichten. |
||
Lustre
Greifen Sie über Google Cloud Marketplace auf die DDN EXAScaler Lustre-Software der Unternehmensklasse zu und nutzen Sie eine Reihe von Open-Source-Scripts zur einfachen Konfiguration und Bereitstellung eines Lustre-Speicherclusters in Compute Engine. |
|
|
Training von generativer KI
Lernen Sie die Grundlagen von Large Language Models und generativen KI-Lösungen von Google Cloud kennen. |
|
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.
-
Tutorial – Jupyter-Notebooks mit dem Slurm Resource Manager hosten
-
Google Cloud Skills Boost – Slurm: Cluster automatisch skalieren
Bildverarbeitung
Der Einsatz umfassender Rechenkapazitäten zur Erkennung von Mustern und zum „Lesen“ von Bildern ist eine der grundlegenden Technologien in KI-Anwendungen, vom selbstfahrenden Auto bis zur Gesichtserkennung.
-
Codelab – On-Device-Bildklassifizierung mit AutoML Vision trainieren und bereitstellen
-
Google Cloud Skills Boost – Bilder von Wolken mit AutoML Vision klassifizieren
Klassifizierung von Blumenbildern mit Keras auf TPUs
Hier erfahren Sie, wie Sie mit Keras und TensorFlow Ihre eigenen Convolutional Neural Networks erstellen, trainieren und optimieren.
Genomics
Mit Cloud Life Sciences (früher Google Genomics) können Sie in großem Maßstab biomedizinische Daten verarbeiten.
-
Google Cloud Skills Boost – Cloud Life Sciences (Genomics)
-
Google Cloud Skills Boost – Cloud Life Sciences: Variant Transforms-Tool
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.
-
Google Cloud Skills Boost – FHIR-Daten mit der Healthcare API aufnehmen
-
Google Cloud Skills Boost – ML-Vorhersagen mit FHIR und der Healthcare API
Cloud AI Platform
Sammeln Sie praktische Erfahrung mit dem TensorFlow 2.x-Modelltraining, sowohl lokal als auch auf der AI Platform. Außerdem erfahren Sie nach dem Training, wie Sie Ihr Modell für die Vorhersage auf der AI Platform bereitstellen.
-
Google Cloud Skills Boost – AI Platform: Qwik Start – Datenvorhersage für demografische Erhebungen
APIs für Machine Learning
In Labs wie „Mit der Cloud Vision API Labels, Gesichter und Sehenswürdigkeiten in Bildern erkennen“ sammeln Sie praktische Erfahrung mit APIs für Machine Learning.
-
Google Cloud Skills Boost – ML-APIs zum Extrahieren, Analysieren und Klassifizieren von Text
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 Machine Learning verwenden. Sie können Bilder an die Vision API senden, damit sie Objekte, Gesichter und Sehenswürdigkeiten erkennt.
-
Google Cloud Skills Boost – Mit der Cloud Vision API Labels und Sehenswürdigkeiten erkennen
Finanzdienstleistungen
Machine Learning-Verfahren von Google Cloud, insbesondere Deep Learning, sind für die Zeitreihenanalyse sehr vielversprechend. Angesichts zunehmender Verdichtung und Überlappung von Zeitreihen bietet Machine Learning eine Möglichkeit, das Signal vom Rauschen zu trennen.
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 demografische Erhebungen
Medien und Rendering
Hier erfahren Sie, wie Sie das Rendering-Verwaltungssystem von OpenCue mit Google Cloud auf virtuellen Linux-Maschinen (VMs) bereitstellen.
-
Tutorial – Renderingfarm mit OpenCue in Google Cloud erstellen
Arbeitslastmanager
Hier erfahren Sie, wie Sie Auslastung und Effizienz mithilfe von Arbeitslastmanagern optimieren, die die Clusterverwaltung vereinfachen.
Container und Kubernetes
Hier erfahren Sie, wie Sie eine verwaltete Umgebung nutzen können, um sich auf die Arbeit mit Kubernetes zu konzentrieren, statt die zugrunde liegende Infrastruktur einrichten zu müssen.
-
Tutorial – Mit Cloud Build Singularitätscontainer erstellen
-
Google Cloud Skills Boost – Die Cloud mit Kubernetes orchestrieren
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.
-
Google Cloud Skills Boost – Einführung in Cloud Dataproc: Hadoop und Spark
-
Codelab – Mit Cloud Dataproc Daten in einen verwalteten Hadoop-/Spark-Cluster einspeisen
Remote Desktop und Visualisierung
Hier erfahren Sie, wie Sie einen Chrome Remote Desktop-Dienst oder eine virtuelle Linux-Workstation einrichten.
Lustre
Greifen Sie über Google Cloud Marketplace auf die DDN EXAScaler Lustre-Software der Unternehmensklasse zu und nutzen Sie eine Reihe von Open-Source-Scripts zur einfachen Konfiguration und Bereitstellung eines Lustre-Speicherclusters in Compute Engine.
-
Codelab – Paralleles Lustre-Dateisystem in Google Cloud bereitstellen
-
Marketplace – DDN Cloud Edition for Lustre
Training von generativer KI
Lernen Sie die Grundlagen von Large Language Models und generativen KI-Lösungen von Google Cloud kennen.
-
Google Cloud Skills Boost – Selbststudienkurse zu ausgewählten Inhalten über generative KI
Community beitreten
Alle Forscher, die ein Google Cloud-Guthaben erhalten haben, werden in unsere Online-Forscher-Community aufgenommen. Forscher können sich auch für das Research Innovator-Programm bewerben.
Forscher-Community
Schließen Sie sich anderen Lehrkräften und Forschern an, die Google Cloud in ihren Labs und im Unterricht nutzen. Nur Forscher, die verifiziert und für den Erhalt von Google Cloud-Guthaben zugelassen wurden, sind zum Beitritt berechtigt. Bitte schauen Sie in Ihrer Onboarding-E‑Mail nach einem Link, um sich anzumelden, oder beantragen Sie den Zugang mit der von Ihrer Bildungseinrichtung vergebenen E‑Mail-Adresse.
Research Innovators
Bewerben Sie sich, um sich einer globalen Gemeinschaft von Forschern anzuschließen, die mit Google Cloud wissenschaftliche Durchbrüche erzielen. Research Innovators erhalten Zugang zu beruflichen Entwicklungsmöglichkeiten und anderen Vorteilen. Derzeit nehmen wir keine Bewerbungen entgegen. Sie können sich aber genauer über das Programm informieren, die Eröffnungskohorte kennenlernen und sich benachrichtigen lassen, wenn wieder Bewerbungen angenommen werden.
Erfolgsgeschichten ansehen
Hier erfahren Sie, wie Forscher auf der ganzen Welt Google Cloud nutzen, um Durchbrüche zu beschleunigen.
„Mit FlyWheel in Google Cloud sparen wir Zeit und Geld. Am wichtigsten ist aber die Reproduzierbarkeit, die wir damit erreichen können. Die Möglichkeit, unsere Forschungsergebnisse zum Wohle der Menschen auf der ganzen Welt zu teilen, macht für mich den Kern der Wissenschaft aus.“
Dr. Brian Wandell, Fakultätsprofessor und Direktor des CNI, Stanford University
Weiterlesen