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 למספר 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 אקטיבי
- תרשים עזר לארכיטקטורה: מערכת AI מרובת סוכנים ב Google Cloud
- דוגמה לארכיטקטורה: מערכת AI עם סוכן יחיד באמצעות ADK ו-Cloud Run
עולם תוכן מורחב: מדריכים לאדריכלות AI אקטיבי
AI גנרטיבי
אפליקציות מבוססות-AI גנרטיבי מאפשרות להשתמש ב-AI כדי ליצור סיכומים, לחשוף קשרים מורכבים שמוסתרים בנתונים או ליצור תוכן חדש.
כדי ליצור אפליקציות מבוססות-AI גנרטיבי ב- Google Cloud, אפשר להתחיל עם המדריכים הבאים:
- מדריך לתכנון: הטמעה והפעלה של אפליקציות AI גנרטיבי
- מדריך לעיצוב: בחירת מודלים ותשתית לאפליקציית ה-AI הגנרטיבי
- ארכיטקטורות לדוגמה: AI גנרטיבי עם RAG
מדריכים נוספים לארכיטקטורה של AI גנרטיבי
אפליקציות ותפעול של למידת מכונה
פעולות למידת מכונה (MLOps) חזקות 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: Build an ML vision analytics solution with Dataflow and Cloud Vision API
- דוגמה לארכיטקטורה: למידה משותפת (Federated) חוצת-סילו ומקושרת למכשיר אחר ב- Google Cloud
עולם תוכן מורחב של מדריכים לארכיטקטורה של פעולות ויישומים של ML
תשתית AI ו-ML
הביצועים, העלות והיכולת להרחבת היקף השימוש 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 ולמידת מכונה באמצעות Cloud Storage FUSE
- ארכיטקטורת הפניה: אופטימיזציה של עומסי עבודה של AI ו-ML באמצעות Google Cloud Managed Lustre