Last reviewed 2025-11-25 UTC
아키텍처 센터의 이 문서에서는 Google Cloud에서 ML 애플리케이션 및 작업을 빌드하고 배포하는 데 사용할 수 있는 아키텍처 가이드 링크를 제공합니다.
사용자의 역할 및 요구사항과 관련된 적절한 안내를 찾을 수 있도록 다음과 같은 유형의 아키텍처 가이드를 제공합니다.
- 설계 가이드: 클라우드 아키텍처를 계획하고 설계하는 데 도움이 되는 규범적인 교차 제품 안내입니다.
- 참조 아키텍처: 특정 워크로드에 대한 자세한 아키텍처 예시 및 설계 권장사항입니다.
- 사용 사례: 특정 비즈니스 문제를 해결하기 위한 상위 수준 아키텍처 예시입니다.
- 배포 가이드: 특정 아키텍처를 배포하기 위한 단계별 안내 또는 코드입니다.
| 아키텍처 가이드 | 설명 |
|---|---|
| Google Cloud에서 머신러닝 구현을 위한 권장사항 | ML 워크플로 전반에 걸쳐 권장사항을 따르는 커스텀 학습 모델을 계획하고 개발하는 데 도움이 되는 설계 가이드입니다. |
| 고품질 예측 ML 솔루션 개발 가이드라인 | 예측 ML 솔루션을 구축할 때 품질을 평가, 보장, 제어하는 데 도움이 되는 가이드입니다. |
| TensorFlow Extended, Gemini Enterprise Agent Platform Pipelines, Cloud Build를 사용하는 MLOps 아키텍처 | TensorFlow Extended(TFX) 라이브러리를 사용하여 머신러닝(ML) 시스템을 빌드하는 데 도움이 되는 참조 아키텍처입니다. |
| MLOps: 머신러닝의 지속적 배포 및 자동화 파이프라인 | ML 시스템을 위한 지속적 통합(CI), 지속적 배포(CD), 지속적 학습(CT)을 구현하고 자동화하는 기술을 설명하는 가이드입니다. |
| Dataflow 및 Cloud Vision API를 사용한 ML 비전 분석 솔루션 빌드 | Cloud Vision으로 이미지 파일을 처리하고 처리된 결과를 BigQuery에 저장하는 Dataflow 파이프라인을 빌드하는 데 도움이 되는 참조 아키텍처입니다. 이 참조 아키텍처를 배포하는 방법은 Dataflow 및 Cloud Vision API를 사용한 ML 비전 분석 솔루션 배포를 참조하세요. |
| Google Cloud의 교차 사일로 및 교차 기기 제휴 학습 | Google Kubernetes Engine(GKE)을 사용하여 제휴 학습 플랫폼을 만드는 데 도움이 되는 참조 아키텍처입니다. |
| 대규모 후보군 생성을 위한 2타워 검색 구현 | Gemini Enterprise Agent Platform을 사용하여 엔드 투 엔드 방식의 2타워 후보군 생성 워크플로를 구현하는 데 도움이 되는 참조 아키텍처입니다. |
| Google Cloud 및 Labelbox를 사용한 모델 개발 및 데이터 라벨링 | Labelbox를 사용하여 표준화된 파이프라인을 빌드하는 데 도움이 되는 참조 아키텍처입니다. |
| Google Cloud기반 C3 AI 아키텍처 | 이 문서에서는 C3 AI 애플리케이션을 배포하는 가장 효과적인 방법을 설명합니다. |