El Centro de arquitectura proporciona recursos de contenido sobre una amplia variedad de temas de IA y aprendizaje automático. En esta página, se proporciona información para ayudarte a comenzar con la IA generativa, la IA tradicional y el aprendizaje automático. También proporciona una lista de todo el contenido de IA y aprendizaje automático (AA) en el Centro de arquitectura.
Comenzar
Los documentos que se enumeran en esta página pueden ayudarte a comenzar a diseñar, compilar y, luego, implementar soluciones de IA y AA en Google Cloud.
Explorar la IA generativa
Comienza por aprender sobre los aspectos básicos de la IA generativa en Google Cloud, en el sitio de documentación de Cloud:
- Para conocer las etapas del desarrollo de una aplicación de IA generativa y explorar los productos y las herramientas de tu caso de uso, consulta Compila una aplicación de IA generativa en Google Cloud.
- Para identificar cuándo la IA generativa, la IA tradicional (que incluye la predicción y la clasificación) o una combinación de ambas podrían adaptarse a tu caso de uso empresarial, consultaCuándo usar la IA generativa o la IA tradicional.
- Para definir un caso de uso empresarial de IA con un enfoque de decisión basado en el valor empresarial, consulta Evalúa y define tu caso de uso empresarial de IA generativa.
- Para abordar los desafíos de la selección, la evaluación, el ajuste y el desarrollo de modelos, consulta Desarrolla una aplicación de IA generativa.
Para explorar un plano de IA generativa y aprendizaje automático que implementa una canalización para crear modelos de IA, consulta Compila e implementa modelos de IA generativa y aprendizaje automático en una empresa. En la guía, se explica todo el ciclo de vida del desarrollo de IA, desde la exploración y experimentación preliminar de datos hasta el entrenamiento, la implementación y la supervisión de modelos.
Explora las siguientes arquitecturas de ejemplo que usan IA generativa:
- Resumen de documentos de la IA generativa
- Base de conocimiento de sobre la IA generativa
- RAG de IA generativa con Cloud SQL
- Infraestructura para una aplicación de IA generativa compatible con RAG mediante GKE
- Infraestructura para una aplicación de IA generativa compatible con RAG mediante Vertex AI
- Desarrollo de modelos y etiquetado de datos con Google Cloud y Labelbox
Para obtener información sobre las ofertas de IA generativa de Google Cloud, consulta Vertex AI, API de Gemini y ejecuta tu modelo base en GKE.
Diseña y construye
Si deseas seleccionar la mejor combinación de opciones de almacenamiento para tu carga de trabajo de IA, consulta Diseña el almacenamiento para cargas de trabajo de IA y AA en Google Cloud.
Google Cloud proporciona un paquete de servicios de IA y aprendizaje automático para ayudarte a resumir documentos con IA generativa, compilar canalizaciones de procesamiento de imágenes y, además, innovar con soluciones de IA generativa.
Sigue explorando
Los documentos que se enumeran más adelante en esta página y en el panel de navegación izquierdo pueden ayudarte a compilar una solución de IA o AA. Los documentos están organizados en las siguientes categorías:
- IA generativa: Sigue estas arquitecturas para diseñar y compilar soluciones de IA generativa.
- Entrenamiento de modelos: Implementa el aprendizaje automático, el aprendizaje federado y las experiencias inteligentes personalizadas.
- MLOps: Implementa y automatiza la integración continua, la entrega continua y el entrenamiento continuo para sistemas de aprendizaje automático.
- Aplicaciones de IA y AA: Compila aplicaciones en Google Cloud personalizadas para tus cargas de trabajo de IA y AA.
Recursos de IA y aprendizaje automático en el Centro de arquitectura
Para filtrar la siguiente lista de recursos de IA y aprendizaje automático, escribe un nombre de producto o una frase en el título o la descripción del recurso.
|
Arquitectura para MLOps mediante TensorFlow Extended, Vertex AI Pipelines y Cloud Build En este documento, se describe la arquitectura general de un sistema de aprendizaje automático (AA) mediante las bibliotecas de TensorFlow Extended (TFX). También se analiza cómo configurar una integración continua (CI), una entrega continua (CD) y un entrenamiento continuo (CT) para... Productos usados: Cloud Build |
|
Prácticas recomendadas para implementar el aprendizaje automático en Google Cloud En este documento, se presentan prácticas recomendadas para implementar el aprendizaje automático (AA) en Google Cloud, con un enfoque en modelos de entrenamiento personalizado basados en tus datos y código. Productos usados: Vertex AI, Vertex AI, Vertex AI, Vertex Explainable AI, Vertex Feature Store, Vertex Pipelines, Vertex TensorBoard |
|
Crea e implementa modelos de IA generativa y aprendizaje automático en una empresa Describe el plano de IA generativa y aprendizaje automático (AA), que implementa una canalización para crear modelos de IA. |
|
Compila una solución de estadísticas de vision de AA con Dataflow y la API de Cloud Vision Cómo implementar una canalización de Dataflow para procesar archivos de imagen a gran escala con Cloud Vision. Dataflow almacena los resultados en BigQuery para que puedas usarlos para entrenar modelos compilados con anterioridad de BigQuery ML. Productos usados: BigQuery, Cloud Build, Cloud Pub/Sub, Cloud Storage, Cloud Vision, Dataflow |
|
Aprendizaje federado entre dispositivos aislados y multidispositivo en Google Cloud Proporciona orientación para ayudarte a crear una plataforma de aprendizaje federado que admita una arquitectura de varios sistemas aislados o multidispositivo. |
|
Ciencia de datos con R en Google Cloud: instructivo exploratorio de análisis de datos Te muestra cómo comenzar a usar la ciencia de datos a gran escala con R en Google Cloud. Esto está dirigido a aquellos usuarios que tengan experiencia con R y con notebooks de Jupyter, que se sientan cómodos con SQL. Productos usados: BigQuery, Cloud Storage, Notebooks |
|
Diseña almacenamiento para cargas de trabajo de IA y AA en Google Cloud Asigna las etapas de carga de trabajo de IA y AA a las opciones de almacenamiento de Google Cloud y selecciona las opciones de almacenamiento recomendadas para tus cargas de trabajo de IA y AA. Productos usados: Cloud Storage, Filestore, Persistent Disk |
|
Arquitectura de estadísticas geoespaciales Obtén información sobre las capacidades geoespaciales de Google Cloud y cómo puedes usarlas en tus aplicaciones de estadísticas geoespaciales. Productos usados: BigQuery, Dataflow |
|
Copia de seguridad de Google Workspace con Afi.ai Describe cómo configurar una copia de seguridad automática de Google Workspace con Afi.ai. Productos usados: Cloud Storage |
|
Lineamientos para desarrollar soluciones de AA de alta calidad Intercala algunos lineamientos para ayudarte a evaluar, garantizar y controlar la calidad en las soluciones de aprendizaje automático (AA). |
|
Procesamiento de imágenes mediante microservicios y mensajería asíncrona Muestra cómo implementar microservicios mediante Google Kubernetes Engine (GKE) y Pub/Sub para invocar procesos de larga duración de forma asíncrona. Productos usados: Artifact Registry, Cloud Build, Cloud Pub/Sub, Cloud SQL, Cloud Storage, Cloud Vision, Compute Engine, Container Registry, Google Kubernetes Engine (GKE) |
|
Infraestructura para una aplicación de IA generativa compatible con RAG mediante GKE En este documento se muestra cómo diseñar la infraestructura para una aplicación de IA generativa con RAG mediante GKE. Productos usados: Cloud SQL, Cloud Storage, Google Kubernetes Engine (GKE) |
|
Infraestructura para una aplicación de IA generativa compatible con RAG mediante Vertex AI Diseña infraestructura para ejecutar una aplicación de IA generativa con generación aumentada de recuperación. Productos usados: BigQuery, Cloud Logging, Cloud Monitoring, Cloud Pub/Sub, Cloud Run, Cloud Storage, Document AI, Vertex AI |
|
Intelligent Product Essentials: Arquitectura de referencia En este documento, se describe una arquitectura de referencia para los encargados de la toma de decisiones técnicas que desean conectar dispositivos y compilar aplicaciones Cloud IoT en Google Cloud que usan Intelligent Products Essentials. Productos usados: BigQuery, Cloud Pub/Sub, Firebase, Intelligent Products Essentials, Looker, Run, Scheduler |
|
Solución de inicio rápido: Procesamiento de imágenes mediante IA y AA en Cloud Functions Analiza imágenes con modelos de aprendizaje automático previamente entrenados y una app de procesamiento de imágenes implementada en Cloud Functions. |
|
Solución de inicio rápido: lakehouse de Analytics Unifica los data lakes y los almacenes de datos mediante la creación de un lakehouse de análisis con BigQuery para almacenar, procesar, analizar y activar datos. |
|
Solución de inicio rápido: almacén de datos con BigQuery Crea un almacén de datos con un panel y una herramienta de visualización mediante BigQuery. |
|
Solución de inicio rápido: resumen de documentos de IA generativa Procesa y resume documentos a pedido con la IA generativa de Vertex AI y los modelos de lenguaje grandes (LLM). |
|
Solución de inicio rápido: Base de conocimiento de la IA generativa Extrae pares de preguntas y respuestas de documentos a pedido mediante la IA generativa de Vertex AI y los modelos de lenguaje grande (LLMs)… |
|
Solución de inicio rápido: RAG de IA generativa con Cloud SQL Implementa una aplicación de generación de aumento de recuperación (RAG) con incorporaciones vectoriales y Cloud SQL. |
|
MLOps con Intelligent Products Essentials Describe una arquitectura de referencia para implementar MLOps mediante Intelligent Products Essentials y Vertex AI. Productos usados: BigQuery, Cloud Scheduler, Dataflow, Dataproc, Intelligent Products Essentials, Vertex AI |
|
MLOps: Entrega continua y canalizaciones de automatización en el aprendizaje automático En este documento, se analizan las técnicas empleadas con el fin de implementar y automatizar la integración continua (CI), la entrega continua (CD) y el entrenamiento continuo (CT) para sistemas de aprendizaje automático (AA). |
|
Desarrollo de modelos y etiquetado de datos con Google Cloud y Labelbox Se proporciona orientación para compilar una canalización estandarizada que ayude a acelerar el desarrollo de modelos de AA. |
|
Supervisa datos de series temporales con OpenTSDB en Bigtable y GKE Los datos de serie temporal son un activo muy valioso que puedes usar para varias aplicaciones, que incluyen tendencias, supervisión y aprendizaje automático. Puedes generar datos de series temporales a partir de la infraestructura del servidor, el código de la aplicación y otras fuentes. OpenTSDB... Productos usados: Bigtable, Google Kubernetes Engine (GKE) |
|
Protege datos confidenciales en los notebooks administrados por el usuario de Vertex AI Workbench Describe los controles y las capas de seguridad que puedes usar para proteger los datos confidenciales en los notebooks administrados por el usuario de Vertex AI Workbench. Productos usados: BigQuery, Notebooks |
|
Reduce tu huella de carbono de Google Cloud Explica el enfoque de Google Cloud para la sustentabilidad ambiental. Incluye información y otros recursos que puedes usar para comprender tu huella de carbono en Google Cloud. Productos usados: BigQuery, Compute Engine, Google Kubernetes Engine (GKE) |
|
Sistema de inferencia de TensorFlow escalable Se describe cómo diseñar e implementar un sistema de inferencia en línea de alto rendimiento para modelos de aprendizaje profundo mediante una GPU NVIDIA® T4 y Triton Inference Server. Productos usados: Cloud Load Balancing, Google Kubernetes Engine (GKE) |
|
Entrega modelos de AA de Spark con Vertex AI Muestra cómo entregar (ejecutar) predicciones en línea a partir de modelos de aprendizaje automático (AA) que se compilan mediante Spark MLlib y se administran mediante Vertex AI. Productos usados: Vertex AI |
|
Usa Kubeflow Pipelines para el modelado de propensión en Google Cloud Describe un ejemplo de una canalización automatizada en Google Cloud que realiza modelado de propensión. Productos usados: BigQuery, Cloud Functions, Vertex AI |