Este documento oferece uma vista geral dos guias de arquitetura para conceber, criar e implementar aplicações de IA e ML.
Para ajudar a encontrar as orientações certas relevantes para a sua personagem e necessidades, disponibilizamos os seguintes tipos de guias de arquitetura:
- Guias de design: orientações prescritivas e abrangentes para ajudar a planear e criar a sua arquitetura na nuvem.
- Arquiteturas de referência: exemplos de arquiteturas detalhados e recomendações de design para cargas de trabalho específicas.
- Exemplos de utilização: exemplos de arquitetura de alto nível para resolver problemas empresariais específicos.
- Guias de implementação e soluções de arranque rápido: instruções passo a passo ou código para implementar uma arquitetura específica.
IA com agência
As aplicações de IA baseadas em agentes resolvem problemas não específicos através de planeamento autónomo e fluxos de trabalho com vários passos.
Para criar aplicações de IA autónomas no Google Cloud, comece com os seguintes guias:
- Guia de design: Escolha os componentes da arquitetura de IA autónoma
- Guia de design: Escolha um padrão de design para o seu sistema de IA com agentes
- Arquitetura de referência: Sistema de IA multiagente em Google Cloud
- Explore mais guias de arquitetura de IA com agência.
IA generativa
As aplicações de IA generativa permitem-lhe usar a IA para criar resumos, descobrir correlações ocultas complexas ou gerar novo conteúdo.
Para criar aplicações de IA generativa no Google Cloud, comece com os seguintes guias:
- Guia de design: implemente e opere aplicações de IA generativa
- Guia de design: Escolha modelos e infraestrutura para a sua aplicação de IA generativa
- Arquiteturas de referência: IA generativa com RAG
Aplicações e operações de ML
As operações de aprendizagem automática (MLOps) robustas são a base de todas as iniciativas de IA, desde modelos de classificação e regressão a sistemas de IA generativa e IA autónoma complexos.
Para criar e operar aplicações de ML no Google Cloud, comece com os seguintes guias:
- Guia de design: Práticas recomendadas para implementar a aprendizagem automática em Google Cloud
- Plano: Crie e implemente modelos de IA generativa e aprendizagem automática numa empresa
- Arquitetura de referência: Crie uma solução de estatísticas de visão de ML com o Dataflow e a Cloud Vision API
- Arquitetura de referência: Aprendizagem federada entre silos e entre dispositivos no Google Cloud
- Explore mais guias de arquitetura de operações e aplicações de ML.
Infraestrutura de IA e ML
O desempenho, o custo e a escalabilidade das suas aplicações de IA e ML dependem diretamente da infraestrutura subjacente. Cada fase do ciclo de vida da aprendizagem automática tem requisitos únicos de computação, armazenamento e rede.
Os seguintes recursos ajudam a conceber e selecionar uma infraestrutura adequada para as suas cargas de trabalho de IA e ML:
- Guia de design: Crie armazenamento para cargas de trabalho de IA e ML no Google Cloud
- Arquitetura de referência: Otimize as cargas de trabalho de IA e AA com o FUSE do Cloud Storage
- Arquitetura de referência: Otimize as cargas de trabalho de IA e ML com o Lustre gerido do Google Cloud