Documentation : https://googlecloudplatform.github.io/applied-ai-engineering-samples/
Code source : https://github.com/GoogleCloudPlatform/applied-ai-engineering-samples
Bienvenue dans le référentiel Google Cloud Applied AI Engineering. Ce référentiel contient des guides de référence, des plans, des exemples de code et des ateliers pratiques développés par l'équipe Google Cloud Applied AI Engineering.
Cette section contient des exemples de code et des ateliers pratiques illustrant l'utilisation des modèles et des outils Generative AI dans Vertex AI.
Modèles de fondation | Évaluation | CHIFFON et mise à la terre | Agents | Autres |
---|---|---|---|---|
|
|
|
|
|
Cette section contient des guides de référence et des plans qui compilent les bonnes pratiques, ainsi que des conseils prescriptifs pour exécuter des charges de travail d'IA/ML à grande échelle sur l'infrastructure Google Cloud AI/ML.
Cette section contient des exemples de code illustrant l'opérationnalisation des derniers modèles ou cadres de recherche de Google DeepMind et des équipes de recherche sur Google Cloud, y compris Vertex AI.
En plus des exemples de code contenus dans ce référentiel, vous souhaiterez peut-être consulter les solutions suivantes publiées par Google Cloud Applied AI Engineering.
Solution | Description |
---|---|
GenAI pour la modernisation de l'expérience client | Cette solution montre comment les clients peuvent avoir des interactions modernes et engageantes avec les marques, et comment les entreprises peuvent améliorer l'expérience des utilisateurs finaux, des agents et des clients grâce à une plate-forme de service client moderne sur Google Cloud. |
Studio de création | Sommet AI | Creative Studio est un exemple d'expérience utilisateur de médias génératifs Vertex AI visant à mettre en évidence l'utilisation d'Imagen et d'autres API de médias génératifs sur Google Cloud. |
Aire de jeux RAG | RAG Playground est une plateforme pour expérimenter les techniques RAG (Retrieval Augmented Generation). Il s'intègre à LangChain et Vertex AI, vous permettant de comparer différentes méthodes de récupération et/ou LLM sur vos propres ensembles de données. Cela vous aide à créer, affiner et évaluer des applications basées sur RAG. |
Si vous avez des questions ou si vous rencontrez des problèmes avec ce référentiel, veuillez signaler les problèmes via GitHub.
Il ne s'agit pas d'un produit Google officiellement pris en charge. Le code de ce référentiel est uniquement à des fins de démonstration.