AI 和機器學習資源

Architecture Center 根據各種 AI 和機器學習主題，提供實用的內容資源本頁面提供相關資訊，協助您開始使用生成式 AI、傳統 AI 和機器學習。此外，還提供架構中心所有 AI 和機器學習 (ML) 內容的清單。

開始使用

本頁面列出的文件可協助您開始在 Google Cloud上設計、建構及部署 AI 和機器學習解決方案。

探索生成式 AI

首先，請前往 Cloud 說明文件網站，瞭解生成式 AI 的基本概念：Google Cloud

• 如要瞭解開發生成式 AI 應用程式的各個階段，並探索適合您用途的產品和工具，請參閱「在 Google Cloud 上建構生成式 AI 應用程式」。
• 如要判斷生成式 AI、傳統 AI (包括預測和分類) 或兩者組合是否適合您的業務用途，請參閱「生成式 AI 或傳統 AI 的使用時機」。
• 如要採用以業務價值為導向的決策方法，定義 AI 業務用途，請參閱「評估及定義生成式 AI 業務用途」。
• 如要解決模型選取、評估、調整及開發方面的難題，請參閱「開發生成式 AI 應用程式」。

如要瞭解如何部署管道來建立 AI 模型，請參閱在企業中建構及部署生成式 AI 和機器學習模型。本指南說明整個 AI 開發生命週期，從初步資料探索和實驗，到模型訓練、部署和監控，無一不包。

瀏覽下列使用生成式 AI 的架構範例：

• 生成式 AI 文件摘要
• 生成式 AI 知識庫
• 搭配運用生成式 AI RAG 和 Cloud SQL
• 使用 Vertex AI 和 Vector Search 建構具備 RAG 功能的生成式 AI 應用程式基礎架構
• 使用 Vertex AI 和 AlloyDB for PostgreSQL 建構具備 RAG 功能的生成式 AI 應用程式基礎架構
• 使用 GKE 和 Cloud SQL 建構具備 RAG 功能的生成式 AI 應用程式基礎架構
• 使用 Google Cloud 和 Labelbox 開發模型及標記資料

如要瞭解 Google Cloud 生成式 AI 產品，請參閱 Vertex AI 和在 GKE 上執行基礎模型。

設計及建構

如要為 AI 工作負載選取最佳儲存空間選項組合，請參閱「在 Google Cloud中設計 AI 和 ML 工作負載的儲存空間」。

Google Cloud 提供一系列 AI 和機器學習服務，協助您透過生成式 AI 產生文件摘要、建構影像處理管線，以及運用生成式 AI 解決方案進行創新。

繼續探索

左側導覽列「AI 和機器學習」部分列出的文件，可協助您建構 AI 或 ML 解決方案。文件分為以下幾類：

• 生成式 AI：設計及建構生成式 AI 解決方案。
• 模型訓練：導入機器學習、聯合學習和個人化智慧體驗。
• 機器學習運作：實作及自動化處理機器學習系統的持續整合、持續推送軟體更新和持續訓練作業。
• AI 和機器學習應用程式：在 Google Cloud上建構應用程式，並針對 AI 和機器學習工作負載進行自訂。