本架構中心的文章提供架構指南的連結，可用於在 Google Cloud中建構及部署機器學習應用程式和作業。
為協助您找到符合自身角色和需求的合適指南，我們提供下列類型的架構指南：
- 設計指南：提供跨產品的規範性指引，協助您規劃及設計雲端架構。
- 參考架構：特定工作負載的詳細架構範例和設計建議。
- 應用實例：解決特定業務問題的高階架構範例。
- 部署指南和快速部署解決方案：部署特定架構的逐步說明或程式碼。
| 架構指南 | 說明 |
|---|---|
| 在 Google Cloud實作機器學習技術的最佳做法 | 設計指南：協助您規劃及開發自訂訓練模型，並在整個機器學習工作流程中遵循最佳做法。 |
| 開發高品質預測型機器學習解決方案的指南 | 本指南可協助您評估、確保及控管建構預測型機器學習解決方案的品質。 |
| 使用 TensorFlow Extended、Vertex AI Pipelines 和 Cloud Build 的 MLOps 架構 | 參考架構，協助您使用 TensorFlow Extended (TFX) 程式庫建構機器學習 (ML) 系統。 |
| 機器學習運作：機器學習的持續推送軟體更新與自動化管線 | 本指南將探討如何實作及自動化處理機器學習系統的持續整合 (CI)、持續推送軟體更新 (CD) 和持續訓練 (CT) 作業。 |
| 使用 Dataflow 和 Cloud Vision API 建構 ML 視覺分析解決方案 | 參考架構，可協助您部署 Dataflow 管道，使用 Cloud Vision 處理圖片檔案，並將處理結果儲存在 BigQuery 中。 |
| 機密運算，適用於資料分析、AI 和聯合學習 | 這項參考架構可協助您使用機密運算技術，安全地進行資料協作、訓練 AI 模型和聯邦學習。 |
| Google Cloud跨孤島和跨裝置聯合學習 | 參考架構，可協助您使用 Google Kubernetes Engine (GKE) 建立 聯邦式學習平台。 |
| 實作雙塔檢索，大規模產生候選項目 | 參考架構，可協助您使用 Vertex AI 實作端對端雙塔 候選項目生成工作流程。 |
| 使用 Google Cloud 和 Labelbox 開發模型及標記資料 | 參考架構，可協助您使用 Labelbox 建構標準化管道。 |
| C3 AI 架構 Google Cloud | 本文說明部署 C3 AI 應用程式最有效的方式。 |
| 使用 Vertex AI Pipelines 在 Google Cloud上建立傾向模型 | 本指南可協助您部署已實作的 pipeline，執行傾向模型化作業。 |