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 ガイドを用意しています。
- 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の詳細なアーキテクチャの例と設計に関する推奨事項。
- 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ハイレベルなアーキテクチャの例。
- デプロイガイドとジャンプ スタート ソリューション: 特定のアーキテクチャをデプロイするための手順やコード。
| 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 モデルを計画して開発するのに役立つ設計ガイド。 |
| 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を評価、確保、制御するためのガイド。 |
| TensorFlow Extended、Vertex AI 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の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）の実装と自動化の手法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 に保存するために Dataflow パイプラインをデプロイするのに役立つリファレンス アーキテクチャ。 |
| データ分析、AI、フェデレーション ラーニング向けの Confidential Computing | セキュアなデータ コラボレーション、AI モデルのトレーニング、フェデレーション ラーニングに Confidential Computing を使用するのに役立つリファレンス アーキテクチャ。 |
| 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 | Vertex AI 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。 |
| 傾向モデリングに Vertex AI Pipelines を使用する Google Cloud | 見込み顧客モデリングを実行するパイプラインの実装を支援するガイド。 |