En este documento, se proporciona una descripción general de las guías de arquitectura para diseñar, compilar e implementar aplicaciones de IA y AA.
Para ayudarte a encontrar la orientación adecuada que sea relevante para tu perfil y tus necesidades, proporcionamos los siguientes tipos de guías de arquitectura:
- Guías de diseño: Orientación prescriptiva y de productos cruzados para ayudarte a planificar y diseñar tu arquitectura de nube.
- Arquitecturas de referencia: Ejemplos de arquitectura detallados y recomendaciones de diseño para cargas de trabajo específicas.
- Casos de uso: Ejemplos de arquitectura de alto nivel para resolver problemas empresariales específicos.
- Guías de implementación: Son instrucciones paso a paso o código para implementar una arquitectura específica.
IA de agentes
Las aplicaciones de IA agéntica resuelven problemas abiertos a través de la planificación autónoma y los flujos de trabajo de varios pasos.
Para crear aplicaciones de IA agéntica en Google Cloud, comienza con las siguientes guías:
- Guía de diseño: Elige los componentes de tu arquitectura de IA agéntica
- Guía de diseño: Elige un patrón de diseño para tu sistema de IA agéntica
- Arquitectura de referencia: Sistema de IA de agentes múltiples en Google Cloud
- Arquitectura de referencia: Sistema de IA de agente único con ADK y Cloud Run
Explora más guías de arquitectura de IA agéntica.
IA generativa
Las aplicaciones de IA generativa permiten usar la IA para crear resúmenes, descubrir correlaciones ocultas complejas o generar contenido nuevo.
Para compilar aplicaciones de IA generativa en Google Cloud, comienza con las siguientes guías:
- Guía de diseño: Implementa y opera aplicaciones de IA generativa
- Guía de diseño: Elige modelos y la infraestructura para tu aplicación de IA generativa
- Arquitecturas de referencia: IA generativa con RAG
Explora más guías de arquitectura de IA generativa.
Aplicaciones y operaciones de ML
Las operaciones de aprendizaje automático (MLOps) sólidas son la base de todas las iniciativas de IA, desde los modelos de clasificación y regresión hasta los sistemas complejos de IA generativa y de IA agéntica.
Para compilar y operar aplicaciones de ML en Google Cloud, comienza con las siguientes guías:
- Plano: Crea e implementa modelos de IA generativa y aprendizaje automático en una empresa
- Arquitectura de referencia: Compila una solución de estadísticas de visión de AA con Dataflow y la API de Cloud Vision
- Arquitectura de referencia: Aprendizaje federado entre dispositivos aislados y multidispositivo en Google Cloud
Explora más guías de arquitectura de operaciones y aplicaciones de ML.
Infraestructura de IA y AA
El rendimiento, el costo y la escalabilidad de tus aplicaciones de IA y ML dependen directamente de la infraestructura subyacente. Cada etapa del ciclo de vida del ML tiene requisitos únicos de cómputo, almacenamiento y redes.
Los siguientes recursos te ayudan a diseñar y seleccionar una infraestructura adecuada para tus cargas de trabajo de IA y AA:
- Guía de diseño: Diseña almacenamiento para cargas de trabajo de IA y AA en Google Cloud
- Arquitectura de referencia: Optimiza las cargas de trabajo de IA y ML con Cloud Storage FUSE
- Arquitectura de referencia: Optimiza las cargas de trabajo de IA y AA con Google Cloud Managed Lustre