En este documento se ofrece una descripción general de las guías de arquitectura para diseñar, crear y desplegar aplicaciones de IA y aprendizaje automático.
Para ayudarte a encontrar la guía adecuada en función de tu perfil y tus necesidades, ofrecemos los siguientes tipos de guías de arquitectura:
- Guías de diseño: recomendaciones prescriptivas y transversales para ayudarte a planificar y diseñar tu arquitectura en la nube.
- Arquitecturas de referencia: ejemplos de arquitecturas detallados y recomendaciones de diseño para cargas de trabajo específicas.
- Casos prácticos: ejemplos de arquitecturas de alto nivel para resolver problemas empresariales específicos.
- Guías de implementación y soluciones Jump Start: instrucciones paso a paso o código para implementar una arquitectura específica.
IA de agentes
Las aplicaciones de IA de agente resuelven problemas abiertos mediante la planificación autónoma y flujos de trabajo de varios pasos.
Para crear aplicaciones de IA basadas en agentes en Google Cloud, empieza con las siguientes guías:
- Guía de diseño: Elige los componentes de la arquitectura de tu IA con agentes
- Guía de diseño: Elige un patrón de diseño para tu sistema de IA con agentes
- Arquitectura de referencia: Sistema de IA multiagente en Google Cloud
- Consulta más guías sobre la arquitectura de la IA con agente.
IA generativa
Las aplicaciones de IA generativa permiten usar la IA para crear resúmenes, descubrir correlaciones ocultas complejas o generar contenido nuevo.
Para crear aplicaciones de IA generativa en Google Cloud, empieza con las siguientes guías:
- Guía de diseño: Implementar y usar aplicaciones de IA generativa
- Guía de diseño: Elige los modelos y la infraestructura para tu aplicación de IA generativa
- Arquitecturas de referencia: IA generativa con RAG
Aplicaciones y operaciones de aprendizaje automático
Unas operaciones de aprendizaje automático (MLOps) sólidas son la base de todas las iniciativas de IA, desde los modelos de clasificación y regresión hasta los complejos sistemas de IA generativa y de agentes.
Para crear y operar aplicaciones de aprendizaje automático en Google Cloud, empieza con las siguientes guías:
- Guía de diseño: Prácticas recomendadas para implementar el aprendizaje automático en Google Cloud
- Plan de trabajo: Crea e implementa modelos de IA generativa y aprendizaje automático en una empresa
- Arquitectura de referencia: Crea una solución de analíticas de visión de aprendizaje automático con Dataflow y la API Cloud Vision
- Arquitectura de referencia: Aprendizaje federado entre silos y dispositivos en Google Cloud
- Consulta más guías de arquitectura de operaciones y aplicaciones de aprendizaje automático.
Infraestructura de IA y aprendizaje automático
El rendimiento, el coste y la escalabilidad de tus aplicaciones de IA y aprendizaje automático dependen directamente de la infraestructura subyacente. Cada fase del ciclo de vida del aprendizaje automático tiene requisitos únicos de computación, almacenamiento y redes.
Los siguientes recursos te ayudarán a diseñar y seleccionar una infraestructura adecuada para tus cargas de trabajo de IA y aprendizaje automático:
- Guía de diseño: Diseñar almacenamiento para cargas de trabajo de IA y aprendizaje automático en Google Cloud
- Arquitectura de referencia: Optimizar cargas de trabajo de IA y aprendizaje automático con Cloud Storage FUSE
- Arquitectura de referencia: Optimizar cargas de trabajo de IA y aprendizaje automático con Managed Lustre de Google Cloud