Este documento no Architecture Center fornece links para guias de arquitetura que podem ser usados para criar e implantar aplicativos e operações de ML no Google Cloud.
Para ajudar você a encontrar a orientação certa para sua persona e necessidades, oferecemos os seguintes tipos de guias de arquitetura:
- Guias de design: orientação prescritiva e entre produtos para ajudar você a planejar e projetar sua arquitetura de nuvem.
- Arquiteturas de referência: exemplos detalhados de arquitetura e recomendações de design para cargas de trabalho específicas.
- Casos de uso: exemplos de arquitetura de alto nível para resolver problemas específicos de negócios.
- Guias de implantação e soluções de início rápido:instruções detalhadas ou código para implantar uma arquitetura específica.
| Guia de arquitetura | Descrição |
|---|---|
| Práticas recomendadas para implementar machine learning no Google Cloud | Um guia de design para ajudar você a planejar e desenvolver modelos com treinamento personalizado que seguem as práticas recomendadas em todo o fluxo de trabalho de ML. |
| Diretrizes para desenvolver soluções de ML de alta qualidade preditivas | Um guia que ajuda você a avaliar, garantir e controlar a qualidade na criação de soluções preditivas de ML. |
| Arquitetura para MLOps usando a TensorFlow Extended, a Vertex AI Pipelines e o Cloud Build | Uma arquitetura de referência para ajudar você a criar um sistema de machine learning (ML) usando bibliotecas do TensorFlow Extended (TFX). |
| MLOps: pipelines de entrega contínua e automação no aprendizado de máquina | Um guia que discute técnicas para implementar e automatizar a integração contínua (CI), a entrega contínua (CD) e o treinamento contínuo (CT) para sistemas de ML. |
| Criar uma solução de análise de visão de ML com a API Cloud Vision e o Dataflow | Uma arquitetura de referência para ajudar você a implantar um pipeline do Dataflow para processar arquivos de imagem com o Cloud Vision e armazenar os resultados processados no BigQuery. |
| Computação confidencial para análise de dados, IA e aprendizado federado | Uma arquitetura de referência para ajudar você a usar a computação confidencial na colaboração segura de dados, treinamento de modelo de IA e no aprendizado federado. |
| Aprendizado federado entre silos e dispositivos no Google Cloud | Uma arquitetura de referência para ajudar você a criar uma plataforma de aprendizado federado usando o Google Kubernetes Engine (GKE). |
| Implemente a recuperação de duas torres para geração de candidatos em grande escala | Uma arquitetura de referência para ajudar você a implementar um fluxo de trabalho completo de geração de candidatos de duas torres com a Vertex AI. |
| Desenvolvimento de modelos e rotulagem de dados com o Google Cloud e o Labelbox | Uma arquitetura de referência para ajudar você a criar um pipeline padronizado com o Labelbox. |
| Arquitetura de IA C3 no Google Cloud | Este documento descreve as maneiras mais eficazes de implantar aplicativos da C3 AI. |
| Usar o Vertex AI Pipelines para modelagem de propensão em Google Cloud | Um guia para ajudar você a implantar um pipeline que realiza modelagem de propensão. |