Documentación : https://googlecloudplatform.github.io/applied-ai-engineering-samples/
Código fuente : https://github.com/GoogleCloudPlatform/applied-ai-engineering-samples
Bienvenido al repositorio de Ingeniería de IA aplicada de Google Cloud. Este repositorio contiene guías de referencia, planos, ejemplos de código y laboratorios prácticos desarrollados por el equipo de ingeniería de IA aplicada de Google Cloud.
Esta sección contiene ejemplos de código y laboratorios prácticos que demuestran el uso de modelos y herramientas de IA generativa en Vertex AI.
Modelos de cimentación | Evaluación | RAG y puesta a tierra | Agentes | Otros |
---|---|---|---|---|
|
|
|
|
|
Esta sección contiene guías de referencia y planos que recopilan las mejores prácticas y orientación prescriptiva para ejecutar cargas de trabajo de AI/ML a gran escala en la infraestructura de AI/ML de Google Cloud.
Esta sección tiene ejemplos de código que demuestran la puesta en funcionamiento de los últimos modelos o marcos de investigación de Google DeepMind y los equipos de investigación en Google Cloud, incluido Vertex AI.
Además de los ejemplos de código de este repositorio, es posible que desee consultar las siguientes soluciones publicadas por Google Cloud Applied AI Engineering.
Solución | Descripción |
---|---|
GenAI para la modernización de la experiencia del cliente | Esta solución muestra cómo los clientes pueden tener interacciones modernas y atractivas con las marcas, y cómo las empresas pueden mejorar las experiencias del usuario final, los agentes y los clientes con una plataforma moderna de servicio al cliente en Google Cloud. |
Estudio Creativo | IA de vértice | Creative Studio es una experiencia de usuario de ejemplo de medios generativos de Vertex AI para resaltar el uso de Imagen y otras API de medios generativos en Google Cloud. |
Patio de juegos RAG | RAG Playground es una plataforma para experimentar con técnicas RAG (Retrieval Augmented Generation). Se integra con LangChain y Vertex AI, lo que le permite comparar diferentes métodos de recuperación y/o LLM en sus propios conjuntos de datos. Esto le ayuda a crear, perfeccionar y evaluar aplicaciones basadas en RAG. |
Si tiene alguna pregunta o si encontró algún problema con este repositorio, informe a través de problemas de GitHub.
Este no es un producto de Google con soporte oficial. El código de este repositorio tiene únicamente fines demostrativos.