Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Last reviewed 2025-05-02 UTC
Im Architekturzentrum werden Inhaltsressourcen für eine Vielzahl von KI- und ML-Themen bereitgestellt. Auf dieser Seite finden Sie Informationen zum Einstieg in generative KI, herkömmliche KI und maschinelles Lernen. Außerdem wird eine Liste aller KI- und ML-Inhalte im Architekturzentrum bereitgestellt.
Jetzt starten
Die auf dieser Seite aufgeführten Dokumente erleichtern Ihnen den Einstieg in das Entwerfen, Erstellen und Bereitstellen von KI- und ML-Lösungen in Google Cloud.
Generative KI kennenlernen
Machen Sie sich zuerst mit den Grundlagen der generativen KI inGoogle Cloudvertraut:
Informationen zu den Phasen der Entwicklung einer generativen KI-Anwendung sowie der Produkte und Tools für Ihren Anwendungsfall finden Sie unter Generative KI-Anwendung in Google Cloud erstellen.
Informationen dazu, wann generative KI, herkömmliche KI (einschließlich Vorhersage und Klassifizierung) oder eine Kombination aus beidem für Ihren Anwendungsfall geeignet ist, finden Sie unter
Wann werden generative oder herkömmliche KI verwendet?.
Informationen zum Beheben der Herausforderungen bei der Auswahl, Bewertung, Feinabstimmung und Entwicklung von Modellen finden Sie unter Generative KI-Anwendung entwickeln.
Einen Blueprint für generative KI und maschinelles Lernen, mit dem eine Pipeline zum Erstellen von KI-Modellen bereitgestellt wird, finden Sie unter Modelle für generative KI und maschinelles Lernen in einem Unternehmen erstellen und bereitstellen. Der Leitfaden beschreibt den gesamten Lebenszyklus der KI-Entwicklung, von der explorativen Datenanalyse und Experimentierung über das Modelltraining, die Bereitstellung und Überwachung.
Hier finden Sie Beispielarchitekturen, in denen generative KI verwendet wird:
Google Cloud bietet eine Reihe von KI- und ML-Diensten, mit denen Sie Dokumente mit generativer KI zusammenfassen, Bildverarbeitungspipelines erstellen und Innovationen mit generativen KI-Lösungen vorantreiben können.
Weiter erkunden
Die Dokumente, die im Abschnitt „KI und maschinelles Lernen“ der linken Navigationsleiste aufgeführt sind, helfen Ihnen beim Erstellen einer KI- oder ML-Lösung. Die Dokumente sind in folgende Kategorien unterteilt:
Generative KI: Lösungen mit generativer KI entwerfen und erstellen.
Modelltraining: Implementieren Sie maschinelles Lernen, föderiertes Lernen und personalisierte, intelligente Umgebungen.
MLOps: Implementieren und automatisieren Sie Continuous Integration, Continuous Delivery und kontinuierliches Training für ML-Systeme.
KI- und ML-Anwendungen: Erstellen Sie in Google CloudAnwendungen, die auf Ihre KI- und ML-Arbeitslasten zugeschnitten sind.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-05-02 (UTC)."],[[["\u003cp\u003eThis Architecture Center page offers resources for understanding and implementing AI and machine learning (ML) solutions, including generative AI, traditional AI, and MLOps.\u003c/p\u003e\n"],["\u003cp\u003eThe content provides guidance on designing, building, and deploying AI and ML solutions on Google Cloud, with a focus on various generative AI applications and use cases.\u003c/p\u003e\n"],["\u003cp\u003eThe page includes a range of example architectures, like document summarization and knowledge bases, as well as RAG implementations across several products like Cloud SQL, Vertex AI, and GKE.\u003c/p\u003e\n"],["\u003cp\u003eResources are categorized into generative AI, model training, MLOps, and AI/ML applications, offering a comprehensive overview of available content.\u003c/p\u003e\n"],["\u003cp\u003eYou can explore various AI/ML solutions and filter resources based on product names or descriptions to find relevant information for specific needs and build your AI and ML applications.\u003c/p\u003e\n"]]],[],null,["# AI and machine learning resources\n\n\u003cbr /\u003e\n\nThe Architecture Center provides content resources across a wide variety of AI\nand machine learning subjects. This page provides information to help you get\nstarted with generative AI, traditional AI, and machine learning. It also\nprovides a list of all the AI and machine learning (ML) content in the\nArchitecture Center.\n\nGet started\n-----------\n\nThe documents listed on this page can help you get started with designing,\nbuilding, and deploying AI and ML solutions on Google Cloud.\n\n### Explore generative AI\n\nStart by learning about the fundamentals of generative AI on\nGoogle Cloud, on the Cloud documentation site:\n\n- To learn the stages of developing a generative AI application and explore the products and tools for your use case, see [Build a generative AI application on Google Cloud](/docs/ai-ml/generative-ai).\n- To identify when generative AI, traditional AI (which includes prediction and classification), or a combination of both might suit your business use case, see [When to use generative AI or traditional AI](/docs/ai-ml/generative-ai/generative-ai-or-traditional-ai).\n- To define an AI business use case with a business value-driven decision approach, see [Evaluate and define your generative AI business use case](/docs/ai-ml/generative-ai/evaluate-define-generative-ai-use-case).\n- To address the challenges of model selection, evaluation, tuning, and development, see [Develop a generative AI application](/docs/ai-ml/generative-ai/develop-generative-ai-application).\n\nTo explore a generative AI and machine learning blueprint that deploys a pipeline for creating AI models, see [Build and deploy generative AI and machine learning models in an enterprise](/architecture/blueprints/genai-mlops-blueprint). The guide explains the entire AI development lifecycle, from preliminary data exploration and experimentation through model training, deployment, and monitoring.\n\nBrowse the following example architectures that use generative AI:\n\n- [Generative AI document summarization](/architecture/ai-ml/generative-ai-document-summarization)\n- [Generative AI knowledge base](/architecture/ai-ml/generative-ai-knowledge-base)\n- [Generative AI RAG with Cloud SQL](/architecture/ai-ml/generative-ai-rag)\n- [Infrastructure for a RAG-capable generative AI application using Vertex AI and Vector Search](/architecture/gen-ai-rag-vertex-ai-vector-search)\n- [Infrastructure for a RAG-capable generative AI application using Vertex AI and AlloyDB for PostgreSQL](/architecture/rag-capable-gen-ai-app-using-vertex-ai)\n- [Infrastructure for a RAG-capable generative AI application using GKE and Cloud SQL](/architecture/rag-capable-gen-ai-app-using-gke)\n- [Model development and data labeling with Google Cloud and Labelbox](/architecture/partners/model-development-data-labeling-labelbox-google-cloud)\n\nFor information about Google Cloud generative AI offerings, see\n[Vertex AI](/vertex-ai/generative-ai/docs/multimodal/overview)\nand\n[running your foundation model on GKE](/kubernetes-engine/docs/integrations/ai-infra).\n\n### Design and build\n\nTo select the best combination of storage options for your AI workload, see\n[Design storage for AI and ML workloads in Google Cloud](/architecture/ai-ml/storage-for-ai-ml).\n\nGoogle Cloud provides a\n[suite of AI and machine learning services](/products/ai)\nto help you summarize documents with generative AI, build image processing\npipelines, and innovate with generative AI solutions.\n\nKeep exploring\n--------------\n\nThe documents that are listed in the \"AI and machine learning\" section of the\nleft navigation can help you build an AI or ML solution."]]
