Last reviewed 2025-11-25 UTC
Este documento na Central de arquitetura 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 as orientações certas e relevantes para sua persona e suas necessidades, oferecemos os seguintes tipos de guias de arquitetura:
- Guias de design: orientações prescritivas para vários produtos que ajudam 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 de negócios específicos.
- Guias de implantação: 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 para ajudar você a avaliar, garantir e controlar a qualidade na criação de soluções de ML preditivas. |
| Arquitetura para MLOps usando o TensorFlow Extended, os pipelines da Gemini Enterprise Agent Platform e o Cloud Build | Uma arquitetura de referência para ajudar você a criar um sistema de machine learning (ML) usando as 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 criar um pipeline do Dataflow para processar arquivos de imagem com o Cloud Vision e armazenar os resultados processados no BigQuery. Para saber como implantar essa arquitetura de referência, consulte Implantar uma solução de análise de visão de ML com o Dataflow e a API Cloud Vision. |
| 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). |
| Implementar 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 Gemini Enterprise Agent Platform. |
| 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. |