Este documento del Centro de Arquitectura proporciona enlaces a guías de arquitectura que puedes usar para crear e implementar aplicaciones y operaciones de aprendizaje automático en Google Cloud.
Para ayudarte a encontrar la guía adecuada en función de tu perfil y tus necesidades, ofrecemos los siguientes tipos de guías de arquitectura:
- Guías de diseño: recomendaciones prescriptivas y transversales para ayudarte a planificar y diseñar tu arquitectura en la nube.
- Arquitecturas de referencia: ejemplos de arquitecturas detallados y recomendaciones de diseño para cargas de trabajo específicas.
- Casos prácticos: ejemplos de arquitecturas de alto nivel para resolver problemas empresariales específicos.
- Guías de implementación y soluciones Jump Start: instrucciones paso a paso o código para implementar una arquitectura específica.
| Guía de arquitectura | Descripción |
|---|---|
| Prácticas recomendadas para implementar el aprendizaje automático en Google Cloud | Una guía de diseño para ayudarte a planificar y desarrollar modelos entrenados de forma personalizada que sigan las prácticas recomendadas en todo el flujo de trabajo de aprendizaje automático. |
| Directrices para desarrollar soluciones de aprendizaje automático predictivas y de alta calidad | Guía que te ayuda a evaluar, asegurar y controlar la calidad al crear soluciones de aprendizaje automático predictivas. |
| Arquitectura de MLOps con TensorFlow Extended, Vertex AI Pipelines y Cloud Build | Una arquitectura de referencia que te ayudará a crear un sistema de aprendizaje automático (ML) con las bibliotecas de TensorFlow Extended (TFX). |
| MLOps: flujos de procesamiento de entrega continua y automatización en el aprendizaje automático | Guía que explica las técnicas para implementar y automatizar la integración continua (CI), la entrega continua (CD) y el entrenamiento continuo (CT) en sistemas de aprendizaje automático. |
| Crear una solución de analíticas de visión de aprendizaje automático con Dataflow y la API Cloud Vision | Una arquitectura de referencia que te ayuda a implementar una canalización de Dataflow para procesar archivos de imagen con Cloud Vision y almacenar los resultados procesados en BigQuery. |
| Computación confidencial para analíticas de datos, IA y aprendizaje federado | Una arquitectura de referencia que te ayuda a usar la computación confidencial para colaborar de forma segura con los datos, entrenar modelos de IA y usar el aprendizaje federado. |
| Aprendizaje federado entre silos y entre dispositivos en Google Cloud | Una arquitectura de referencia para ayudarte a crear una plataforma de aprendizaje federado con Google Kubernetes Engine (GKE). |
| Implementar la recuperación de dos torres para la generación de candidatos a gran escala | Una arquitectura de referencia que te ayudará a implementar un flujo de trabajo de generación de candidatos de extremo a extremo con dos torres en Vertex AI. |
| Desarrollo de modelos y etiquetado de datos con Google Cloud y Labelbox | Una arquitectura de referencia que te ayudará a crear una canalización estandarizada con Labelbox. |
| Arquitectura de C3 AI en Google Cloud | En este documento se describen las formas más eficaces de implementar aplicaciones de C3 AI. |
| Usar Vertex AI Pipelines para modelizar la propensión en Google Cloud | Guía para desplegar una canalización que realice modelización de la propensión. |