במסמך הזה מפורטת סקירה כללית של מדריכי ארכיטקטורה לתכנון, לפיתוח ולפריסה של אפליקציות AI ו-ML.
כדי לעזור לכם למצוא את ההנחיות הנכונות שרלוונטיות לדמות ולצרכים שלכם, אנחנו מספקים את סוגי המדריכים הבאים לארכיטקטורה:
- מדריכי תכנון: הנחיות מפורטות שמתייחסות למגוון מוצרים, כדי לעזור לכם לתכנן ולעצב את ארכיטקטורת הענן.
- דוגמאות לארכיטקטורות: דוגמאות מפורטות לארכיטקטורות והמלצות לעיצוב של עומסי עבודה ספציפיים.
- תרחישי שימוש: דוגמאות לארכיטקטורות ברמה גבוהה לפתרון בעיות עסקיות ספציפיות.
- מדריכי פריסה ופתרונות התחלתיים: הוראות מפורטות או קוד לפריסה של ארכיטקטורה ספציפית.
AI אקטיבי
אפליקציות AI אקטיבי פותרות בעיות פתוחות באמצעות תכנון אוטונומי ותהליכי עבודה מרובי-שלבים.
כדי לבנות אפליקציות AI אקטיבי ב- Google Cloud, אפשר להתחיל עם המדריכים הבאים:
- מדריך לעיצוב: בחירת רכיבי ארכיטקטורת AI אקטיבי
- מדריך לעיצוב: בחירת תבנית עיצוב למערכת AI מבוססת-סוכן
- תרשים עזר לארכיטקטורה: מערכת AI מרובת סוכנים ב- Google Cloud
- ארכיטקטורת הפניה: מערכת AI עם סוכן יחיד באמצעות ADK ו-Cloud Run
עולם תוכן מורחב: מדריכים לארכיטקטורת AI אקטיבי
AI גנרטיבי
אפליקציות מבוססות-AI גנרטיבי מאפשרות להשתמש ב-AI כדי ליצור סיכומים, לחשוף קורלציות מורכבות ונסתרות או ליצור תוכן חדש.
כדי ליצור אפליקציות מבוססות-AI גנרטיבי ב- Google Cloud, כדאי להתחיל עם המדריכים הבאים:
- מדריך לתכנון: הטמעה והפעלה של אפליקציות AI גנרטיבי
- מדריך לתכנון: בחירת מודלים ותשתית לאפליקציית AI גנרטיבי
- ארכיטקטורות לדוגמה: AI גנרטיבי עם RAG
עולם תוכן מורחב: מדריכים לארכיטקטורה של AI גנרטיבי
אפליקציות ותפעול של למידת מכונה
פעולות חזקות של למידת מכונה (MLOps) הן הבסיס לכל יוזמת AI, החל ממודלים של סיווג ורגרסיה ועד למערכות מורכבות של AI גנרטיבי ו-AI מבוסס-סוכן.
כדי ליצור ולהפעיל אפליקציות ML ב- Google Cloud, כדאי להתחיל עם המדריכים הבאים:
- מדריך לתכנון: שיטות מומלצות להטמעת למידת מכונה ב- Google Cloud
- תוכנית: Build and deploy generative AI and machine learning models in an enterprise
- ארכיטקטורת הפניה: יצירת פתרון לניתוח תמונות באמצעות ML עם Dataflow ו-Cloud Vision API
- דוגמה לארכיטקטורה: למידה משותפת (Federated) חוצת-סילו ומקושרת למכשיר אחר ב- Google Cloud
מדריכים נוספים לארכיטקטורה של פעולות ויישומים של ML
תשתית AI ו-ML
הביצועים, העלות והמדרגיות של אפליקציות ה-AI וה-ML שלכם תלויים ישירות בתשתית הבסיסית. לכל שלב במחזור החיים של ה-ML יש דרישות ייחודיות לגבי מחשוב, אחסון ורשתות.
המשאבים הבאים יעזרו לכם לתכנן ולבחור תשתית מתאימה לעומסי העבודה של ה-AI ולמידת המכונה:
- מדריך לעיצוב: עיצוב אחסון לעומסי עבודה של AI ו-ML ב- Google Cloud
- ארכיטקטורת הפניה: אופטימיזציה של עומסי עבודה של AI ו-ML באמצעות Cloud Storage FUSE
- ארכיטקטורת הפניה: אופטימיזציה של עומסי עבודה של AI ו-ML באמצעות Google Cloud Managed Lustre