משאבים בנושא AI ולמידת מכונה

Last reviewed 2025-11-25 UTC

במסמך הזה מפורטת סקירה כללית של מדריכי ארכיטקטורה לתכנון, לפיתוח ולפריסה של אפליקציות AI ו-ML.

כדי לעזור לכם למצוא את ההנחיות המתאימות שרלוונטיות לפרסונה ולצרכים שלכם, אנחנו מספקים את הסוגים הבאים של מדריכי ארכיטקטורה:

  • מדריכי עיצוב: הנחיות מפורטות למוצרים שונים שיעזרו לכם לתכנן ולעצב את ארכיטקטורת הענן.
  • דוגמאות לארכיטקטורות: דוגמאות מפורטות לארכיטקטורות והמלצות לעיצוב של עומסי עבודה ספציפיים.
  • תרחישים לדוגמה: דוגמאות לארכיטקטורה ברמה גבוהה לפתרון בעיות עסקיות ספציפיות.
  • מדריכי פריסה: הוראות מפורטות או קוד לפריסת ארכיטקטורה ספציפית.

AI אקטיבי

אפליקציות של AI אקטיבי פותרות בעיות פתוחות באמצעות תכנון אוטונומי ותהליכי עבודה עם כמה שלבים.

כדי לפתח אפליקציות של AI אקטיבי ב- Google Cloud, התחילו עם המדריכים הבאים:

עולם תוכן מורחב מדריכים בנושא ארכיטקטורה של AI אקטיבי

‫AI גנרטיבי

אפליקציות של AI גנרטיבי מאפשרות להשתמש ב-AI כדי ליצור סיכומים, לחשוף קשרים מורכבים ונסתרים או ליצור תוכן חדש.

כדי לפתח אפליקציות של AI גנרטיבי ב- Google Cloud, התחילו עם המדריכים הבאים:

עולם תוכן מורחב בנושא ארכיטקטורה של AI גנרטיבי

אפליקציות ופעולות של ML

תפעול יעיל של למידת מכונה (MLOps) הוא הבסיס לכל יוזמה בתחום ה-AI, החל ממודלים של סיווג ורגרסיה ועד למערכות מורכבות של AI גנרטיבי ו-AI אקטיבי.

כדי ליצור ולהפעיל אפליקציות ML ב- Google Cloud, כדאי להתחיל עם המדריכים הבאים:

מדריכים נוספים בנושא ארכיטקטורה של אפליקציות ופעולות למידת מכונה

תשתית AI ו-ML

הביצועים, העלות והיכולת להרחיב את האפליקציות שלכם בתחום ה-AI ולמידת המכונה תלויים ישירות בתשתית הבסיסית. לכל שלב במחזור החיים של ML יש דרישות ייחודיות למשאבי מחשוב, אחסון ורישות.

המשאבים הבאים יעזרו לכם לתכנן ולבחור תשתית מתאימה לעומסי העבודה של AI ו-ML: