Este documento no Architecture Center fornece links para guias de arquitetura que pode usar para criar e implementar aplicações e operações de ML no Google Cloud.
Para ajudar a encontrar as orientações certas relevantes para a sua personagem e necessidades, disponibilizamos os seguintes tipos de guias de arquitetura:
- Guias de design: orientações prescritivas e abrangentes para ajudar a planear e criar a sua arquitetura na nuvem.
- Arquiteturas de referência: exemplos de arquiteturas detalhados e recomendações de design para cargas de trabalho específicas.
- Exemplos de utilização: exemplos de arquitetura de alto nível para resolver problemas empresariais específicos.
- Guias de implementação e soluções de arranque rápido: instruções passo a passo ou código para implementar uma arquitetura específica.
| Guia de arquitetura | Descrição |
|---|---|
| Práticas recomendadas para implementar a aprendizagem automática na Google Cloud | Um guia de design para ajudar a planear e desenvolver modelos preparados de forma personalizada que seguem as práticas recomendadas ao longo do fluxo de trabalho de ML. |
| Diretrizes para desenvolver soluções de ML preditivas de alta qualidade | Um guia que ajuda a avaliar, garantir e controlar a qualidade na criação de soluções de ML preditivas. |
| Arquitetura para MLOps com o TensorFlow Extended, os Vertex AI Pipelines e o Cloud Build | Uma arquitetura de referência para ajudar a criar um sistema de aprendizagem automática (AA) com as bibliotecas do TensorFlow Extended (TFX). |
| MLOps: pipelines de automatização e implementação contínua na aprendizagem automática | Um guia que aborda técnicas para implementar e automatizar a integração contínua (CI), a implementação contínua (CD) e a preparação contínua (CT) para sistemas de ML. |
| Crie uma solução de estatísticas de visão de ML com o Dataflow e a API Cloud Vision | Uma arquitetura de referência para ajudar a implementar um pipeline do Dataflow para processar ficheiros de imagem com o Cloud Vision e armazenar os resultados processados no BigQuery. |
| Computação confidencial para análise de dados, IA e aprendizagem federada | Uma arquitetura de referência para ajudar a usar a computação confidencial para colaboração segura de dados, preparação de modelos de IA e aprendizagem federada. |
| Aprendizagem federada entre silos e entre dispositivos no Google Cloud | Uma arquitetura de referência para ajudar a criar uma plataforma de aprendizagem federada com o Google Kubernetes Engine (GKE). |
| Implemente a obtenção de duas torres para a geração de candidatos em grande escala | Uma arquitetura de referência para ajudar a implementar um fluxo de trabalho de geração de candidatos de duas torres ponto a ponto com o Vertex AI. |
| Programação de modelos e etiquetagem de dados com o Google Cloud e o Labelbox | Uma arquitetura de referência para ajudar a criar um pipeline padronizado com o Labelbox. |
| Arquitetura de IA da C3 na Google Cloud | Este documento descreve as formas mais eficazes de implementar aplicações da C3 AI. |
| Use os Vertex AI Pipelines para a modelagem de propensão no Google Cloud | Um guia para ajudar a implementar um pipeline que execute a modelação de propensão. |