Google Cloud Fundamentals for Researchers (GCFR)

Eğitim Hakkında

Bilimsel araştırma iş yüklerinin Google Cloud'da hesaplanması, saklanması ve analiz edilmesi

Akademik ve bilimsel araştırmacılar için Google Cloud'un hesaplama ve veri hizmetlerini tanıtır: Batch ve Spot VM ile iş kuyrukları, Cluster Toolkit ile Slurm kümeleri, Cloud Storage ve BigQuery ile büyük veri analizi, Vertex AI Workbench ile notebook ortamı ve maliyet kontrolü. Konular Console, Cloud Shell ve gcloud ile Çalışma, Kaynak Hiyerarşisi ve Proje Yönetimi, Faturalandırma, Bütçe ve Maliyet Kontrolü gibi modüllerle laboratuvar destekli işlenir.

Süre ve Format

3 Gün. Her gün dört modül; her modülde altı konu başlığı, araştırma verisi laboratuvarları ve Batch/BigQuery uygulamaları.

Seviye

Temel Seviye — Bilimsel araştırma iş yüklerinin Google Cloud'da hesaplanması, saklanması ve analiz edilmesi konularını kapsar

Öğrenme Metodu

Araştırma verisi örnekleriyle Cloud Shell ve Console laboratuvarları, Batch ve BigQuery uygulamaları birlikte yürütülür.

Neden Bu Eğitim?

🔬Araştırma Odağı

Örnekler genomik, simülasyon ve istatistiksel analiz gibi akademik iş yüklerinden seçilir.

⚡Ölçek ve Hız

Spot VM ve Batch ile haftalarca süren hesaplamaları saatlere indirme yollarını görürsünüz.

💰Bütçe Kontrolü

Bütçe uyarıları ve kota yönetimiyle araştırma bütçesini aşmadan çalışırsınız.

Anahtar Konular

google cloud fundamentals for researchers (gcfr) eğitimigoogle cloud fundamentals for researchers (gcfr) kursugoogle cloud eğitimigcp eğitimigoogle cloud kursuconsole, cloud shell ve gcloud ile çalışmakaynak hiyerarşisi ve proje yönetimifaturalandırma, bütçe ve maliyet kontrolücompute engine ile sanal makinelercloud storage ile nesne depolama

“Bilim, hesaplama gücü sınırlarını bulut sayesinde yeniden çizer.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Temel programlama

Python veya R ile temel düzeyde betik yazma deneyimi faydalıdır.

2

Araştırma verisi

Kendi araştırma verinizin türünü ve boyutunu bilmek örnekleri anlamlandırır.

3

Komut satırı

Linux komut satırı bilgisi laboratuvar akışını hızlandırır.

4

Google hesabı

Laboratuvarlar için Google hesabı veya kurumsal e-posta gerekir.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı, hesap, proje, bütçe ve araştırma iş yükü altyapısı kapsamında Console, Cloud Shell ve gcloud ile Çalışma ve Kaynak Hiyerarşisi ve Proje Yönetimi konularını uygulamalı olarak işler; Faturalandırma, Bütçe ve Maliyet Kontrolü ile Araştırmacılar için Hesaplama ve Veri Analizi başlıklarında öğrendiklerini pekiştirir.

Modül 1

Console, Cloud Shell ve gcloud ile Çalışma

Google Cloud Console navigasyonu, pin'leme ve proje seçici
Cloud Shell ortamı, 5 GB home dizini ve Cloud Shell Editor
gcloud init, gcloud config configurations ve çoklu proje profilleri
gcloud komut yapısı, --format ve --filter ile çıktı süzme
Client library, REST API ve API Explorer ile programatik erişim
API etkinleştirme (gcloud services enable) ve API anahtarı/OAuth ayrımı

Modül 2

Kaynak Hiyerarşisi ve Proje Yönetimi

Organization, Folder, Project ve kaynak katmanlarının yapısı
Project ID, Project Number ve Project Name ayrımı
IAM ve Organization Policy mirasının hiyerarşide aşağı doğru akışı
Cloud Resource Manager API ve gcloud projects komutları
Etiket (label) ve tag kullanımıyla kaynak sınıflandırma
Ortam bazlı (dev/test/prod) klasör ve proje ayrımı örnek tasarımı

Modül 3

Faturalandırma, Bütçe ve Maliyet Kontrolü

Cloud Billing hesabı, proje bağlama ve billing rolleri
Budgets & alerts ile eşik tabanlı e-posta ve Pub/Sub bildirimleri
Billing export to BigQuery ile kaynak bazlı maliyet analizi
Cost Table, Reports ve etiket bazlı maliyet dağılımı
Kota (quota) ve rate limit yönetimi, kota artış talebi
FinOps pratikleri: rightsizing önerileri ve kullanılmayan kaynak temizliği

Modül 4

Araştırmacılar için Hesaplama ve Veri Analizi

Araştırma iş yükü türleri: HPC, yüksek verimli hesaplama ve veri analizi
Google Cloud Batch ile iş kuyruğu, görev dizisi ve Spot VM kullanımı
Cluster Toolkit (HPC Toolkit) ile Slurm tabanlı küme dağıtımı
Genomik ve bilimsel veri için BigQuery, Cloud Storage ve Life Sciences API desenleri
Jupyter Notebook, Vertex AI Workbench ve Colab Enterprise ile analiz ortamı
Araştırma kredisi programları, bütçe sınırlandırma ve veri paylaşımı

Günün hedefiKatılımcı, vM, nesne depolama, BigQuery ve büyük veri aktarımı kapsamında Compute Engine ile Sanal Makineler ve Cloud Storage ile Nesne Depolama konularını uygulamalı olarak işler; BigQuery ve Veri Analitiği ile Büyük Ölçekli Veri Depolama ve Aktarım başlıklarında öğrendiklerini pekiştirir.

Modül 1

Compute Engine ile Sanal Makineler

Makine aileleri: E2, N2, C3, M3, T2D ve özel makine tipi (custom machine type)
Boot disk imajları, özel imaj ve imaj ailesi, startup script kullanımı
Persistent Disk (pd-balanced, pd-ssd), Hyperdisk ve Local SSD farkları
Instance template ve Managed Instance Group (MIG) ile otomatik ölçekleme
Spot VM, preemptible kullanım senaryoları ve kapatma davranışı
Snapshot zamanlaması, canlı migrasyon ve bakım olayları

Modül 2

Cloud Storage ile Nesne Depolama

Bucket ve object yapısı, konum türleri (region, dual-region, multi-region)
Standard, Nearline, Coldline ve Archive sınıfları ile minimum saklama süreleri
Object Lifecycle Management ile sınıf geçişi ve otomatik silme
Uniform bucket-level access, ACL ve signed URL kullanımı
Object versioning, retention policy, bucket lock ve soft delete
gsutil ve gcloud storage ile paralel yükleme ve rsync

Modül 3

BigQuery ve Veri Analitiği

BigQuery mimarisi: Dremel, Colossus ve depolama-hesaplama ayrımı
Dataset, tablo, view ve materialized view nesneleri
Bölümleme (partitioning) ve kümeleme (clustering) ile sorgu maliyetini düşürme
On-demand ve capacity (slot) fiyatlandırma modelleri
bq CLI ile veri yükleme, dışa aktarma ve zamanlanmış sorgular
BigQuery ML ile SQL üzerinden model eğitimi ve Looker Studio ile görselleştirme

Modül 4

Büyük Ölçekli Veri Depolama ve Aktarım

Storage Transfer Service ile AWS S3, Azure Blob ve şirket içi kaynaklardan aktarım
Transfer Appliance ile çevrimdışı petabayt ölçekli veri taşıma
Veri yükleme için bant genişliği ve süre hesabı
Paralel composite upload ve gsutil -m ile aktarım hızlandırma
Veri gölü (data lake) tasarımında ham, işlenmiş ve küratörlü katman ayrımı
BigQuery Data Transfer Service ve Cloud Storage dışa aktarım desenleri

Günün hedefiKatılımcı, veri hatları, AI/ML, ortak çalışma ve izleme kapsamında Veri İşleme: Pub/Sub, Dataflow ve Dataproc ve Yapay Zekâ ve Makine Öğrenmesi Hizmetleri konularını uygulamalı olarak işler; Cloud IAM: Kimlik ve Yetkilendirme ile Cloud Operations: İzleme ve Günlükleme başlıklarında öğrendiklerini pekiştirir.

Modül 1

Veri İşleme: Pub/Sub, Dataflow ve Dataproc

Pub/Sub topic, subscription, push/pull ve ack deadline kavramları
Dataflow ile Apache Beam tabanlı batch ve streaming işleme
Dataproc ile yönetilen Spark ve Hadoop kümeleri, ephemeral cluster yaklaşımı
Cloud Composer (Airflow) ile iş akışı orkestrasyonu
Datastream ve Database Migration Service ile veri aktarımı
Data Fusion ve Dataprep ile kod yazmadan veri hazırlama

Modül 2

Yapay Zekâ ve Makine Öğrenmesi Hizmetleri

Vision, Speech-to-Text, Natural Language ve Translation hazır API'leri
Vertex AI ile veri seti, eğitim, model kaydı ve endpoint dağıtımı
AutoML ile kod yazmadan model üretimi ve özel eğitim farkı
Generative AI için Vertex AI Model Garden ve Gemini erişimi
Sorumlu yapay zekâ ilkeleri, açıklanabilirlik ve veri kalitesi
Yapay zekâ projesinde veri hazırlama ve iş değeri ölçme yaklaşımı

Modül 3

Cloud IAM: Kimlik ve Yetkilendirme

Principal türleri: Google hesabı, Cloud Identity grubu, service account ve Workspace domain
Basic, predefined ve custom rol farkları, roles/owner riskleri
IAM policy binding yapısı ve gcloud add-iam-policy-binding kullanımı
IAM Conditions ile zaman ve kaynak tabanlı erişim koşulları
Policy Troubleshooter ve Policy Analyzer ile erişim sorunlarını çözme
En az yetki ilkesi, yetki ayrımı ve grup bazlı erişim yönetimi

Modül 4

Cloud Operations: İzleme ve Günlükleme

Cloud Monitoring metrikleri, dashboard ve uptime check
Alerting policy, notification channel ve olay yönetimi akışı
Cloud Logging log router, sink ve log-based metric
Log Analytics ile BigQuery üzerinde günlük sorgulama
Cloud Trace ve Cloud Profiler ile gecikme ve CPU analizi
Error Reporting ve Ops Agent kurulumu

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Araç Setinde Yetkinlik

Console, Cloud Shell ve gcloud CLI ile kaynakları hem arayüzden hem komut satırından yönetebilirsiniz.

🔧

Maliyet Kontrolü

Billing hesabı, bütçe uyarısı ve fatura dışa aktarımıyla maliyetleri izleyip kontrol altına alabilirsiniz.

🛡️

Araştırma Altyapısı

Araştırma iş yüklerini Batch, Compute Engine ve BigQuery ile ölçekleyebilirsiniz.

☁️

Nesne Depolama

Bucket, depolama sınıfı ve yaşam döngüsü kurallarıyla nesne verisini yönetebilirsiniz.

📊

BigQuery Analitiği

BigQuery'de veri seti oluşturup SQL sorgularıyla analiz yapabilirsiniz.

🚀

Veri Hatları

Akış ve toplu veri işleme hatlarını Pub/Sub, Dataflow ve Dataproc ile kurgulayabilirsiniz.

🧩

AI/ML Hizmetleri

Hazır API'ler ile Vertex AI arasındaki farkı iş problemine göre değerlendirebilirsiniz.

🎯

Gözlemlenebilirlik

Monitoring, Logging ve alarm politikalarıyla uygulama sağlığını izleyebilirsiniz.

Kimler İçin Uygundur?

Üniversite ve araştırma kurumlarında görev yapan araştırmacılar
doktora öğrencileri
araştırma BT destek personeli için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Üniversite ve araştırma kurumlarında görev yapan araştırmacılar, doktora öğrencileri ve araştırma BT destek personeli için uygundur.

Programlama bilgisi gerekli mi?

Temel Python veya R deneyimi faydalıdır; gelişmiş yazılım bilgisi gerekmez.

Araştırma kredisi veya bütçe konusu işleniyor mu?

Evet. Bütçe sınırlandırma, kota yönetimi ve araştırma kredisi programlarının kullanımı ele alınır.

Eğitim sonunda sertifika veriliyor mu?

Katılımcılara Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir. Bu sertifika eğitime katılım ve başarıyı belgeler.

Google Cloud Fundamentals for Researchers (GCFR) eğitiminde hangi konular işlenir?

Eğitim 3 gündür: 1. gün Araştırma Ortamının Kurulumu; 2. gün Hesaplama ve Veri Depolama; 3. gün Veri İşleme, Yapay Zekâ ve Erişim Yönetimi. Her gün dört modül ve her modülde altı konu başlığı işlenir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

GOOGLE CLOUD FUNDAMENTALS FOR RESEARCHERS (GCFR) EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Anahtar Konular

Ön Koşullar

Eğitim İçeriği

Console, Cloud Shell ve gcloud ile Çalışma

Kaynak Hiyerarşisi ve Proje Yönetimi

Faturalandırma, Bütçe ve Maliyet Kontrolü

Araştırmacılar için Hesaplama ve Veri Analizi

Compute Engine ile Sanal Makineler

Cloud Storage ile Nesne Depolama

BigQuery ve Veri Analitiği

Büyük Ölçekli Veri Depolama ve Aktarım

Veri İşleme: Pub/Sub, Dataflow ve Dataproc

Yapay Zekâ ve Makine Öğrenmesi Hizmetleri

Cloud IAM: Kimlik ve Yetkilendirme

Cloud Operations: İzleme ve Günlükleme

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Bu Eğitimle Birlikte Tercih Edilenler

Google Cloud Digital Leader: Google Cloud Storage Eğitimi

Google Cloud Digital Leader: Introducing Google Cloud Concepts Eğitimi

Google Cloud Digital Leader: Managing Infrastructure on Google Cloud Eğitimi

Google Cloud Digital Leader: Modern Applications on Google Cloud Eğitimi

Google Cloud Digital Leader: Modern Cloud App Development Eğitimi