KI-Architekturanleitungen für die Azure-Plattformdienste (PaaS) für KI erhalten

Dieser Artikel hilft Organisationen beim Aufbau von KI-Workloads auf der Azure-Plattform für Platform-as-a-Service (PaaS)-Lösungen. Diese Dienste unterstützen sowohl generative als auch nichtgenerative KI-Workloads mit Sicherheit und Skalierbarkeit auf Unternehmensniveau.

Verwenden von generativen KI-Architekturen und Leitfäden

Generative KI-Architekturen erstellen neue Inhalte und ermöglichen Unterhaltungserfahrungen über große Sprachmodelle. Die Architekturen bieten unterschiedliche Komplexitätsstufen, um den Anforderungen und der technischen Reife Ihrer Organisation gerecht zu werden. Sie müssen die entsprechende Architektur basierend auf den Größen, Complianceanforderungen und vorhandenen Azure Infrastruktur Ihrer Organisation auswählen. Gehen Sie dazu wie folgt vor:

1. Beginnen Sie mit Basisarchitekturen, die bewährte Entwurfsmuster für Produktionsworkloads bereitstellen. Zu diesen Architekturen gehören Sicherheitskonfigurationen, Netzwerkdesigns und Betriebspraktiken, die Unternehmen für zuverlässige KI-Bereitstellungen benötigen. Sie behandeln häufige Herausforderungen wie Modellgovernance, Kostenmanagement und Datenschutz.

   Artikel	Artikeltyp	Zielorganisation
   Baseline Foundry Chat-Referenzarchitektur in einer Azure Landing Zone	Architektur	Unternehmen
   AI-Anwendungszielzone	Architektur	Beliebig
   Referenzarchitektur des Basis-Foundry-Chats	Architektur	Beliebig
   Grundlegende Referenzarchitektur des Foundry-Chats	Architektur	Unternehmensgründung

2. Wenden Sie betriebliche Richtlinien an, die das KI-Entwicklungslebenszyklus-Management unterstützen. Diese Leitfäden richten Methoden für modellbasierte Bereitstellung, Überwachung und kontinuierliche Verbesserung in entwicklungsübergreifenden Umgebungen ein. Sie sorgen für konsistente Qualität und Zuverlässigkeit, da KI-Anwendungen sich entwickeln.

   Artikel	Artikeltyp	Zielorganisation
   GenAIOps	Guide	Beliebig
   Entwickeln von RAG-Lösungen	Guide	Beliebig
   Proxy Azure OpenAI-Verwendung	Guide	Beliebig

3. Implementieren Sie Well-Architected Designbereiche, die bestimmte technische Bedenken für KI-Workloads ansprechen. Diese Entwurfsbereiche bieten detaillierte Empfehlungen für Anwendungsdesign, Datenmanagement und operative Exzellenz, die die Architekturmuster ergänzen.

   Artikel	Artikeltyp	Zielorganisation
   Anwendungsentwurf	Designbereich	Beliebig
   Anwendungsplattform	Designbereich	Beliebig
   Entwurf von Trainingsdaten	Designbereich	Beliebig
   Entwurf von Groundingdaten	Designbereich	Beliebig
   Datenplattform	Designbereich	Beliebig
   MLOps und GenAIOps	Designbereich	Beliebig
   Operations	Designbereich	Beliebig
   Testen und Auswerten	Designbereich	Beliebig
   Verantwortungsvolle KI	Designbereich	Beliebig

Verwenden von nichtgenerativen KI-Architekturen und Leitfäden

Nichtgenerative KI-Architekturen konzentrieren sich auf Klassifizierungs-, Vorhersage- und Analyseaufgaben, ohne neue Inhalte zu erstellen. Diese Architekturen verarbeiten vorhandene Daten, um Erkenntnisse zu extrahieren, Entscheidungen zu automatisieren und Geschäftsprozesse zu verbessern. Sie müssen Architekturen auswählen, die ihren spezifischen Anforderungen an die Datenverarbeitung und Analyse entsprechen.

Gehen Sie dazu wie folgt vor:

1. Wählen Sie spezielle Architekturen aus, die bestimmte Anwendungsfälle für die Datenverarbeitung und -analyse behandeln. Diese Architekturen zeigen bewährte Muster für gängige Geschäftsszenarien wie Dokumentverarbeitung, Medienanalyse und Predictive Analytics. Sie bieten Implementierungsleitfaden für die Integration von KI-Funktionen in bestehende Geschäftsprozesse.

   Artikel	Artikeltyp	Zielorganisation
   Architekturen für die Dokumentenverarbeitung	Architektur	Beliebig
   Architektur für die Video- und Bildklassifizierung	Architektur	Beliebig
   Audioverarbeitungsarchitektur	Architektur	Beliebig
   Predictive Analytics-Architektur	Architektur	Beliebig

2. Wenden Sie betriebstechnische Frameworks an, die die Lebenszyklusverwaltung des Machine Learning-Modells unterstützen. Diese Leitfäden richten bewährte Methoden für Modellschulungen, Bereitstellung und Überwachung ein, die eine konsistente Leistung und Zuverlässigkeit in Produktionsumgebungen gewährleisten.

   Artikel	Artikeltyp	Zielorganisation
   Azure Machine Learning	Guide	Beliebig
   MLOps	Guide	Beliebig

KI-Standards übernehmen

Die folgenden Artikel enthalten bewährte Methoden für die Einführung von KI-Workloads mit Azure PaaS-Lösungen. Diese Methoden stellen sicher, dass Ihre KI-Workloads anforderungen für Sicherheit, Governance und operative Exzellenz in schlüsselkategorien erfüllen.

• Ressourcenauswahl – Verwenden Sie bewährte Methoden, um geeignete KI-Dienste auszuwählen und Ressourcen zu berechnen.
• Netzwerk – Wenden Sie bewährte Methoden an, um sichere und leistungsfähige Netzwerkkonnektivität zu entwerfen.
• Governance – Befolgen Sie bewährte Methoden zum Einrichten von Richtlinien und Kontrollen für das KI-Ressourcenmanagement.
• Management – Implementieren bewährter Methoden für Überwachung und Betriebspraktiken.
• Sicherheit – Setzen Sie bewährte Methoden zur Anwendung von Sicherheitskontrollen und Compliance-Anforderungen um.

ressourcen Azure

Nächste Schritte