Ir para o conteúdo principal
Áreas de tecnologia
IA e aprendizagem automática
Desenvolvimento de aplicações
Alojamento de aplicações
Computação
Estatísticas e pipelines de dados
Bases de dados
Sistema distribuído, híbrido e de várias nuvens
IA generativa
Soluções para setores
Trabalho em rede
Observabilidade e monitorização
Segurança
Storage
Ferramentas de produtos cruzados
Gestão de acesso e recursos
Gestão de custos e utilização
Infraestrutura como código
Migração
SDK, linguagens, frameworks e ferramentas
/
Console
English
Deutsch
Español
Español – América Latina
Français
Indonesia
Italiano
Português
Português – Brasil
עברית
中文 – 简体
中文 – 繁體
日本語
한국어
Data analytics
Cloud Dataflow
Começar gratuitamente
Vista geral
Guias
Dataflow ML
Referência
Amostras
Recursos
Áreas de tecnologia
Mais
Vista geral
Guias
Dataflow ML
Referência
Amostras
Recursos
Ferramentas de produtos cruzados
Mais
Console
Dataflow ML
Começar
Acerca do Dataflow ML
Orquestração de fluxos de trabalho de ML
Todos os blocos de notas de ML do Dataflow
Processamento de dados
Processe dados com MLTransform
Tutoriais de tratamento de dados do MLTransform
Calcule e aplique o vocabulário
Dados da balança
Processe dados de ML com o Dataflow e o Cloud Storage FUSE
Geração de incorporações
Gere incorporações com o MLTransform
Gere tutoriais de incorporações
Gere incorporações de texto com o Vertex AI
Gere incorporações de texto com o Hugging Face
Carregamento de incorporações de vetores com o Apache Beam e o AlloyDB
Incorporação da carregamento e da pesquisa vetorial com o Apache Beam e o BigQuery
Previsão e inferência
Práticas recomendadas de transformação RunInference
Execute a inferência com modelos pré-preparados
Use o RunInference com o PyTorch
Use o RunInference com o scikit-learn
Use o RunInference com o TensorFlow
Use o RunInference com o Vertex AI
Use RunInference com vLLM
Use o RunInference com bibliotecas partilhadas básicas do TFX
Use o RunInference para IA generativa
Registos de modelos
Use o RunInference com modelos do Hugging Face
Use o RunInference com modelos do TensorFlow Hub
Crie um controlador de modelo personalizado
Execute a inferência com um modelo remoto
Execute vários modelos num pipeline
Acerca dos modelos de conjunto
Tutorial do modelo de conjunto
Execute modelos por coorte
Atualização automática do modelo
Acerca da atualização automática do modelo
Tutorial de atualização automática de modelos
Avalie e compare modelos
Deteção de anomalias
Deteção de anomalias com métodos estatísticos
Use modelos Gemma
Use modelos Gemma com o Dataflow
Execute a inferência com um modelo Gemma
Faça uma análise de sensação geral com um modelo Gemma
IA e aprendizagem automática
Desenvolvimento de aplicações
Alojamento de aplicações
Computação
Estatísticas e pipelines de dados
Bases de dados