Ir para o conteúdo principal
Google Cloud Documentation
Documentação
  • Começar
  • Começar a usar o Google Cloud
  • Lista de produtos
  • Cloud Customer Care
  • Produtos em destaque
  • Agent Platform
  • Gerenciamento de APIs da Apigee
  • BigQuery
  • Compute Engine
  • Cloud CDN
  • Cloud Run
  • Cloud Storage
  • Cloud SQL
  • Gemini Enterprise
  • Google Kubernetes Engine
  • Looker
  • Ferramentas de vários produtos
  • Gerenciamento de recursos e acesso
  • Gerenciamento de custos e uso
  • Infraestrutura como código
  • SDK, linguagens, frameworks e ferramentas
  • Áreas de tecnologia
  • IA e ML
  • Desenvolvimento de aplicativos
  • Hospedagem de aplicativos
  • Computação
  • Pipelines e análises de dados
  • Bancos de dados
  • Distribuído, híbrido e multicloud
  • Soluções por setor
  • Migração
  • Rede
  • Observabilidade e monitoramento
  • Segurança
  • Storage
/
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
Fazer login
  • Cloud Dataflow
Comece sem custos financeiros
Visão geral Guias ML do Dataflow Referência Exemplos Recursos
Google Cloud Documentation
  • Documentação
    • Mais
    • Visão geral
    • Guias
    • ML do Dataflow
    • Referência
    • Exemplos
    • Recursos
  • Console
  • ML do Dataflow
  • Começar
  • Sobre a ML do Dataflow
  • Orquestração do fluxo de trabalho de ML
  • Todos os notebooks da ML do Dataflow
  • Tratamento de dados
  • Processar dados com o MLTransform
  • Tutoriais de processamento de dados do MLTransform
    • Computar e aplicar vocabulário
    • Dimensionar dados
  • Processar dados de ML usando o Dataflow e o Cloud Storage FUSE
  • Geração de embeddings
  • Gerar embeddings com o MLTransform
  • Tutoriais sobre como gerar embeddings
    • Gerar embeddings de texto com a Vertex AI
    • Gerar embeddings de texto com a Hugging Face
    • Ingestão de embeddings de vetor com o Apache Beam e o AlloyDB
    • Ingestão de embeddings e pesquisa vetorial com Apache Beam e BigQuery
  • Previsão e inferência
  • Práticas recomendadas para a transformação RunInference
  • Executar inferência com modelos pré-treinados
    • Usar o RunInference com o PyTorch
    • Usar o RunInference com o scikit-learn
    • Usar o RunInference com o TensorFlow
    • Usar o RunInference com a Vertex AI
    • Usar o RunInference com o vLLM
    • Usar o RunInference com Bibliotecas compartilhadas básicas do TFX
    • Usar o RunInference para IA generativa
    • Registros de modelo
      • Usar o RunInference com modelos de Hugging Face
      • Usar o RunInference com modelos do TensorFlow Hub
  • Criar um gerenciador de modelo personalizado
  • Executar inferência com um modelo remoto
  • Executar vários modelos em um pipeline
    • Sobre modelos de ensemble
    • Tutorial de modelo de ensemble
    • Executar modelos por coorte
  • Atualização automática de modelo
    • Sobre a atualização automática de modelo
    • Tutorial de atualização automática de modelo
  • Avaliar e comparar modelos
  • Detecção de anomalias
    • Detecção de anomalias com métodos estatísticos
  • Usar modelos Gemma
  • Usar modelos Gemma com o Dataflow
  • Executar inferência com um modelo Gemma
  • Fazer análise de sentimento com um modelo Gemma
  • Começar
  • Começar a usar o Google Cloud
  • Lista de produtos
  • Cloud Customer Care