Drug Discovery Essentials on Google Cloud (DDEGC)

Eğitim Hakkında

AlphaFold, Cloud Batch ve GPU ekseninde uygulamalı Google Cloud eğitimi

İlaç keşfi hesaplama iş yüklerinin Google Cloud'daki karşılığını gösterir. Moleküler docking için Cloud Batch ve GPU'lu Compute Engine, AlphaFold protein yapı tahmini, Vertex AI Workbench not defterleri, genomik ve kimyasal verinin Cloud Storage ile BigQuery'de tutulması, GKE iş akışları, uyumluluk ve maliyet kontrolü uygulanır.

Süre ve Format

3 Gün. Her gün dört modül; her modülde altı teknik başlık, Cloud Batch, GPU ve Vertex AI Workbench laboratuvarları ile desteklenir.

Seviye

Orta Seviye — AlphaFold, Cloud Batch, GPU ve Vertex AI Workbench dahil uçtan uca teknik yelpaze

Öğrenme Metodu

Her modül Cloud Batch, GPU ve Vertex AI Workbench laboratuvarları üzerinde yönlendirmeli uygulamayla pekiştirilir; katılımcılar komut, sorgu ve yapılandırmaları adım adım kendi projelerinde çalıştırır.

Neden Bu Eğitim?

🎯Konuya Özgü İçerik

AlphaFold, Cloud Batch ve GPU gibi sahada karşılaşılan bileşenler komut ve yapılandırma düzeyinde ele alınır.

🛠️Uygulamalı Laboratuvar

Her modül Cloud Batch, GPU ve Vertex AI Workbench laboratuvarları ile pekiştirilir; katılımcılar öğrendiklerini kendi projelerinde çalıştırır.

📈Üretime Dönük Bakış

Vertex AI Workbench, Cloud Healthcare API ve BigQuery genomik konularında performans, güvenlik ve maliyet ödünleşimleri gerçek senaryolarla tartışılır.

Anahtar Konular

Drug Discovery Essentials on Google Cloud (DDEGC) EğitimiDrug Discovery Essentials on Google Cloud (DDEGC)AlphaFoldCloud BatchGPUVertex AI WorkbenchCloud Healthcare APIBigQuery genomikGoogle Cloud eğitimiGCP eğitimiDigital Vizyon Akademi

“AlphaFold doğru tasarlandığında veri, yük olmaktan çıkar ve karar hızına dönüşür.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

SQL Temeli

SELECT, JOIN ve GROUP BY düzeyinde SQL bilgisi eğitimde yazılacak sorguları rahat takip etmenizi sağlar.

2

Veri Kavramları

ETL/ELT, veri ambarı ve batch ile streaming ayrımı hakkında temel bilgi önerilir.

3

Python Okuryazarlığı

Beam ve Spark örneklerini okuyabilecek kadar Python ya da Java bilgisi faydalıdır.

4

Laboratuvar Ortamı

Google Cloud hesabı, güncel tarayıcı ve Cloud Shell erişimi olan internet bağlantılı bir bilgisayar gerekir.

Eğitim İçeriği

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

Günün hedefiKatılımcı, google Cloud Kaynak Hiyerarşisi ve Konsol, i̇laç Keşfi için Google Cloud Hesaplama, cloud Storage Yönetimi ve bigQuery Mimarisi ve Temel Kavramlar konularını laboratuvar senaryolarında uygulayarak günün çıktısını kendi ortamında yeniden üretebilir.

Modül 1

Google Cloud Kaynak Hiyerarşisi ve Konsol

Organization, Folder ve Project hiyerarşisinin politika ve fatura mirasına etkisi
Cloud Shell, gcloud CLI yapılandırmaları (gcloud config configurations) ve proje seçimi
API etkinleştirme, servis kotaları ve kota artış talepleri
Billing account bağlama, proje yaşam döngüsü ve silinen projeyi geri alma süreci
Bölge (region), zon ve multi-region kavramları ile veri konumu kararları
Etiket (label), network tag ve Resource Manager tag farkları

Modül 2

İlaç Keşfi için Google Cloud Hesaplama

İlaç keşfi iş akışı: hedef belirleme, tarama (screening) ve aday optimizasyonu
Cloud Batch ve Compute Engine GPU'ları ile moleküler docking iş yükleri
AlphaFold ile protein yapı tahmini ve Vertex AI üzerinde çalıştırma
Genomik ve kimyasal veri için BigQuery ve Cloud Storage veri düzeni
Vertex AI Workbench ile cheminformatics not defterleri
Sağlık verisi uyumluluğu, Cloud Healthcare API ve erişim denetimi

Modül 3

Cloud Storage Yönetimi

Standard, Nearline, Coldline ve Archive depolama sınıfları ile maliyet etkisi
Object lifecycle yönetimi, versioning ve retention policy / bucket lock
Uniform bucket-level access, ACL ve signed URL ile erişim kontrolü
gsutil ve gcloud storage ile paralel yükleme, rsync ve composite upload
Pub/Sub bildirimleri ve Eventarc ile nesne olaylarına tepki
Storage Transfer Service ve çok bölgeli (dual-region) bucket tasarımı

Modül 4

BigQuery Mimarisi ve Temel Kavramlar

Dremel yürütme motoru, Colossus depolama ve Capacitor sütunlu format yapısı
Hesaplama ile depolamanın ayrılması ve slot kavramı
Dataset, table, view ve routine nesneleri ile proje/dataset/tablo adlandırması
On-demand fiyatlandırma ile BigQuery Editions (Standard, Enterprise, Enterprise Plus) farkı
bq CLI, Console ve istemci kütüphaneleri ile iş (job) çalıştırma
Sandbox kullanımı, ücretsiz katman limitleri ve kota yönetimi

Günün hedefiKatılımcı, compute Engine Sanal Makineleri, gKE ve Cloud Run ile Konteyner Çalıştırma, vertex AI ve Makine Öğrenmesi Boru Hatları ve yapılandırılmamış Veri ve Google AI API'leri konularını laboratuvar senaryolarında uygulayarak günün çıktısını kendi ortamında yeniden üretebilir.

Modül 1

Compute Engine Sanal Makineleri

Makine aileleri (E2, N2, C3, M3) ve özel makine tipleri ile doğru boyutlandırma
Persistent Disk, Hyperdisk ve Local SSD türlerinin performans farkları
Instance template, Managed Instance Group (MIG) ve otomatik ölçeklendirme politikaları
Startup script, metadata sunucusu ve OS Login ile erişim yönetimi
Spot VM ve committed use discount ile maliyet optimizasyonu
Snapshot, machine image ve canlı geçiş (live migration) davranışları

Modül 2

GKE ve Cloud Run ile Konteyner Çalıştırma

GKE Autopilot ile Standard küme modlarının karşılaştırması
Deployment, Service, Ingress ve Gateway API nesneleri ile uygulama yayınlama
Horizontal Pod Autoscaler ve küme otomatik ölçeklendirme (cluster autoscaler)
Cloud Run servisleri, revizyonlar, trafik bölme ve eşzamanlılık (concurrency) ayarı
Artifact Registry ile imaj saklama ve Binary Authorization
Workload Identity ile pod düzeyinde Google API yetkilendirmesi

Modül 3

Vertex AI ve Makine Öğrenmesi Boru Hatları

Vertex AI Workbench ve özel eğitim (custom training) işleri
AutoML ve hazır modeller ile hızlı prototipleme
Vertex AI Pipelines (Kubeflow) ile tekrarlanabilir ML iş akışı
Feature Store ve Model Registry kullanımı
Online endpoint, batch prediction ve trafik bölme
Model izleme: veri kayması (drift) ve çarpıklık (skew) tespiti

Modül 4

Yapılandırılmamış Veri ve Google AI API'leri

Cloud Storage üzerinde görüntü, ses, video ve doküman veri gölü düzeni
Vision API ile etiket, OCR ve nesne tespiti
Speech-to-Text, Natural Language ve Video Intelligence API'leri
Document AI ile belge ayrıştırma (parser) ve form verisi çıkarma
BigQuery object table ile yapılandırılmamış verinin SQL ile sorgulanması
Sensitive Data Protection (DLP) ile hassas veri tespiti ve maskeleme

Günün hedefiKatılımcı, bigQuery Standard SQL ve İleri Sorgular, veri Güvenliği ve Gizliliği, faturalandırma, Bütçe ve Maliyet Kontrolü ve cloud Monitoring, Logging ve Uyarı Yönetimi konularını laboratuvar senaryolarında uygulayarak günün çıktısını kendi ortamında yeniden üretebilir.

Modül 1

BigQuery Standard SQL ve İleri Sorgular

Standard SQL ile JOIN, GROUP BY, HAVING ve alt sorgu (subquery) kalıpları
ARRAY, STRUCT ve UNNEST ile iç içe/tekrarlı alanların sorgulanması
Pencere (window) fonksiyonları: ROW_NUMBER, LAG, SUM() OVER (PARTITION BY ...)
WITH ifadeleri (CTE), geçici tablolar ve scripting (DECLARE, LOOP, EXECUTE IMMEDIATE)
Kullanıcı tanımlı fonksiyonlar (SQL ve JavaScript UDF) ile procedure yazımı
Zamanlanmış sorgular (scheduled queries) ve parametreli sorgular

Modül 2

Veri Güvenliği ve Gizliliği

Cloud KMS, CMEK ve anahtar döndürme (key rotation) politikaları
VPC Service Controls ile veri sızıntısı çevresi (perimeter) tanımı
Sensitive Data Protection: inspect, de-identify ve tokenization
Secret Manager ile parola ve anahtarların saklanması
Veri kalıcılığı, yedekleme ve KVKK/GDPR kapsamında veri konumu kararları
Audit log ve Security Command Center bulgularının izlenmesi

Modül 3

Faturalandırma, Bütçe ve Maliyet Kontrolü

Billing hesabı yapısı, proje bağlantıları ve fatura rolleri
Bütçe (budget) tanımı, eşik uyarıları ve Pub/Sub ile otomatik aksiyon
Cloud Billing verisinin BigQuery'ye aktarılması ve maliyet sorguları
Sürekli kullanım indirimi, committed use discount (CUD) ve Spot fiyatlandırma
Etiket tabanlı maliyet dağıtımı ve showback/chargeback yaklaşımı
Recommender ile boşta kalan kaynak ve boyut önerilerinin değerlendirilmesi

Modül 4

Cloud Monitoring, Logging ve Uyarı Yönetimi

Ops Agent kurulumu ve metrik/log toplama yapılandırması
Cloud Monitoring dashboard, MQL/PromQL sorguları ve uptime check
Alerting policy, bildirim kanalları ve SLO / hata bütçesi izleme
Cloud Logging sorgu dili, log-based metric ve log bucket saklama süreleri
Log Router sink'leri ile BigQuery, Cloud Storage ve Pub/Sub'a log aktarımı
Error Reporting, Cloud Trace ve Cloud Profiler ile uygulama teşhisi

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Kaynak Hiyerarşisi

Organization, Folder ve Project yapısını doğru kurgulayıp gcloud ile yönetebilirsiniz.

🔧

İlaç Keşfi

İlaç keşfi iş yüklerini GPU ve Vertex AI ile Google Cloud'da çalıştırabilirsiniz.

📊

BigQuery Mimarisi

BigQuery'nin depolama-hesaplama ayrımını ve slot modelini açıklayabilirsiniz.

🔐

Compute Engine

Sanal makine, disk ve MIG yapılarını iş yüküne uygun biçimde kurup ölçekleyebilirsiniz.

🚀

Vertex AI

Vertex AI ile modelleri eğitip uç noktaya dağıtabilir ve izleyebilirsiniz.

🧩

Yapılandırılmamış Veri

Görüntü, metin ve belge verisini Google API'leriyle işleyip analiz edebilirsiniz.

📈

Veri Güvenliği

CMEK, VPC Service Controls ve DLP ile veri güvenliği katmanları kurabilirsiniz.

🛠️

Maliyet Kontrolü

Bütçe, etiket ve fatura dışa aktarımıyla maliyeti izleyip kontrol altına alabilirsiniz.

Kimler İçin Uygundur?

Biyoinformatik uzmanları
hesaplamalı kimyagerler
ilaç/sağlık sektöründeki veri ekipleri için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Biyoinformatik uzmanları, hesaplamalı kimyagerler ve ilaç/sağlık sektöründeki veri ekipleri için uygundur.

Eğitime katılmak için hangi ön bilgi gerekir?

Temel SQL ve veri kavramları bilgisi önerilir; Beam ve Spark örnekleri için Python ya da Java okuyabilmek faydalıdır. Google Cloud ortamı laboratuvarda birlikte kurulur.

Drug Discovery Essentials on Google Cloud (DDEGC) eğitiminde hangi konular işlenir?

1. gün Kaynak Hiyerarşisi ve İlaç Keşfi; 2. gün Compute Engine ve Konteyner Platformları; 3. gün BigQuery SQL ve Veri Güvenliği. Ayrıca AlphaFold, Cloud Batch ve GPU uygulamalı çalışılır.

Eğitim sonunda sertifika veriliyor mu?

Eğitimi tamamlayan katılımcılara Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Eğitim nasıl yürütülür?

Eğitim 3 gündür ve her gün dört modülden oluşur. Anlatımlar Cloud Batch, GPU ve Vertex AI Workbench laboratuvarları ile birleşir; katılımcılar komut, sorgu ve yapılandırmaları kendi ortamlarında çalıştırır.

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

DRUG DISCOVERY ESSENTIALS ON GOOGLE CLOUD (DDEGC) EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Anahtar Konular

Ön Koşullar

Eğitim İçeriği

Google Cloud Kaynak Hiyerarşisi ve Konsol

İlaç Keşfi için Google Cloud Hesaplama

Cloud Storage Yönetimi

BigQuery Mimarisi ve Temel Kavramlar

Compute Engine Sanal Makineleri

GKE ve Cloud Run ile Konteyner Çalıştırma

Vertex AI ve Makine Öğrenmesi Boru Hatları

Yapılandırılmamış Veri ve Google AI API'leri

BigQuery Standard SQL ve İleri Sorgular

Veri Güvenliği ve Gizliliği

Faturalandırma, Bütçe ve Maliyet Kontrolü

Cloud Monitoring, Logging ve Uyarı Yönetimi

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Bu Eğitimle Birlikte Tercih Edilenler

Intermediate GCP: Monitoring, Logging, & Cost Optimization Eğitimi

Introduction to Data Analytics on Google Cloud (IDAGC) Eğitimi

Introduction to Data Analytics on Google Cloud Eğitimi

Introduction to Data Engineering on Google Cloud (IDEG) Eğitimi

Introduction to Data Engineering on Google Cloud Eğitimi