Risorse di AI e machine learning

Last reviewed 2025-11-25 UTC

Questo documento fornisce una panoramica delle guide all'architettura per progettare, creare ed eseguire il deployment di applicazioni di AI e ML.

Per aiutarti a trovare le indicazioni giuste per la tua persona e le tue esigenze, forniamo i seguenti tipi di guide all'architettura:

  • Guide alla progettazione: indicazioni prescrittive e interprodotto per aiutarti a pianificare e progettare la tua architettura cloud.
  • Architetture di riferimento: esempi di architettura dettagliati e suggerimenti di progettazione per workload specifici.
  • Casi d'uso: esempi di architettura di alto livello per risolvere problemi aziendali specifici.
  • Guide al deployment: istruzioni o codice passo passo per eseguire il deployment di un'architettura specifica.

AI agentica

Le applicazioni di AI agentica risolvono problemi aperti attraverso la pianificazione autonoma e workflow in più passaggi.

Per creare applicazioni di AI agentica su Google Cloud, inizia con le seguenti guide:

Esplora altre guide all'architettura dell'AI agentica.

AI generativa

Le applicazioni di AI generativa consentono di utilizzare l'AI per creare riepiloghi, scoprire correlazioni nascoste complesse o generare nuovi contenuti.

Per creare applicazioni di AI generativa su Google Cloud, inizia con le seguenti guide:

Esplora altre guide all'architettura dell'AI generativa.

Applicazioni e operazioni di ML

Le operazioni di machine learning (MLOps) solide sono alla base di ogni iniziativa di AI, dai modelli di classificazione e regressione ai sistemi di AI generativa e AI agentica complessi.

Per creare e gestire applicazioni ML su Google Cloud, inizia con le seguenti guide:

Scopri altre guide all'architettura delle applicazioni e delle operazioni di ML.

Infrastruttura AI e ML

Le prestazioni, i costi e la scalabilità delle tue applicazioni di AI e ML dipendono direttamente dall'infrastruttura sottostante. Ogni fase del ciclo di vita del ML ha requisiti unici per computing, archiviazione e networking.

Le seguenti risorse ti aiutano a progettare e selezionare un'infrastruttura appropriata per i tuoi workload di AI e ML: