Last reviewed 2025-11-25 UTC
アーキテクチャ センターのこのドキュメントでは、 Google Cloudで ML アプリケーションとオペレーションを構築してデプロイするために使用できるアーキテクチャ ガイドへのリンクを提供します。
ペルソナとニーズに関連する適切なガイダンスを見つけるために、次のタイプのアーキテクチャ ガイドが用意されています。
- 設計ガイド: クラウド アーキテクチャの計画と設計に役立つ、規範的なクロスプロダクト ガイダンス。
- リファレンス アーキテクチャ: 特定のワークロードに関する詳細なアーキテクチャの例と設計の推奨事項。
- ユースケース: 特定のビジネス上の問題を解決するための高レベルのアーキテクチャの例。
- デプロイガイド: 特定のアーキテクチャをデプロイするための手順ガイドまたはコード。
| アーキテクチャ ガイド | 説明 |
|---|---|
| Google Cloudで ML を実装するためのベスト プラクティス | ML ワークフロー全体でベスト プラクティスに沿ったカスタム トレーニング モデルを計画、開発するための設計ガイド。 |
| 高品質な予測 ML ソリューションの開発に関するガイドライン | 予測 ML ソリューションの構築における品質の評価、確保、制御に役立つガイド。 |
| TensorFlow Extended、Gemini Enterprise Agent Platform Pipelines、Cloud Build を使用した MLOps のアーキテクチャ | TensorFlow Extended（TFX）ライブラリを使用して機械学習（ML）システムを構築する際に役立つリファレンス アーキテクチャ。 |
| MLOps: 機械学習における継続的デリバリーと自動化のパイプライン | ML システムの継続的インテグレーション（CI）、継続的デリバリー（CD）、継続的トレーニング（CT）の実装と自動化について説明するガイド。 |
| Dataflow と Cloud Vision API を使用した ML ビジョン分析ソリューションの構築 | Cloud Vision で画像ファイルを処理し、処理結果を BigQuery に保存する Dataflow パイプラインを構築する際に役立つリファレンス アーキテクチャ。このリファレンス アーキテクチャをデプロイする方法については、Dataflow と Cloud Vision API を使用した ML ビジョン分析ソリューションのデプロイをご覧ください。 |
| Google Cloudでのクロスサイロ / クロスデバイス フェデレーション ラーニング | Google Kubernetes Engine（GKE）を使用してフェデレーション ラーニング プラットフォームを作成する際に役立つリファレンス アーキテクチャ。 |
| 大規模な候補生成のための Two-Tower リトリーブを実装する | Gemini Enterprise Agent Platform を使用してエンドツーエンドの Two-Tower 候補生成ワークフローを実装するのに役立つリファレンス アーキテクチャ。 |
| Google Cloud と Labelbox を使用したモデル開発とデータラベル付け | Labelbox を使用して標準化されたパイプラインを構築する際に役立つリファレンス アーキテクチャ。 |
| Google Cloud上の C3 AI アーキテクチャ | このドキュメントでは、C3 AI アプリケーションをデプロイする最も効果的な方法について説明します。 |