※ 他の問題集は「タグ:Professional Machine Learning Engineer の模擬問題集」から一覧いただけます。
Google Cloud 認定資格 – Professional Machine Learning Engineer – 模擬問題集(全 60問)
Question 1
リアルタイムセンサーデータの異常を検出するためのMLモデルを構築しています。
Google Cloud Pub / Sub を使用して着信リクエストの処理を行い、 分析と視覚化のために結果を保存したい考えています。
パイプラインをどのように構成すればいいでしょうか?
- A. 1 = Google Cloud Dataflow、2 = Google Cloud AI Platform、3 = Google BigQuery
- B. 1 = Google Cloud Dataproc、2 = Google Cloud AutoML、3 = Google Cloud Bigtable
- C. 1 = Google BigQuery、2 = Google Cloud AutoML、3 = Google Cloud Functions
- D. 1 = Google BigQuery、2 = Google Cloud AI Platform、3 = Google Cloud Storage
Correct Answer: C
Reference:
– Dataflow、BigQuery ML、Cloud Data Loss Prevention を使用した安全な異常検出ソリューションの構築
Question 2
会社は内部シャトルサービスのルートをより効率的にしたいと考えています。
現在、シャトルは午前 7時から午前 10時まで 30分ごとに市内のすべての停留ポイントに停車します。 開発チームはすでに Google Kubernetes Engine でアプリケーションを構築しており、ユーザーは前日に自分のポイントと停留所を確認する必要があります。
どのようなアプローチを取るべきでしょうか?
- A.
- 各停留所でピックアップされる乗客の数を予測するツリーベースの回帰モデルを構築します。
- 予測に基づいて適切なサイズのシャトルを派遣し、地図上に必要な停車地を示します。
- B.
- シャトルが各停留所で乗客を迎えに行くべきかどうかを予測するツリーベースの分類モデルを構築します。
- 予測に基づいて利用可能なシャトルを派遣し、地図上に必要な停車地を示します。
- C.
- 最適なルートを容量制約の下で指定された時間に出席が確認されたすべての停留所を通過する最短ルートとして定義します。
- 適切なサイズのシャトルを派遣し、地図上に必要な停車地を示します。
- D.
- エージェントとしての停留所での乗客のポイントを予測するツリーベースの分類モデルと距離ベースのメトリックの周りの報酬関数を使用して強化学習モデルを構築します。
- 適切なサイズのシャトルを派遣し、シミュレートされた結果に基づいて地図上に必要な停車地を示します。
Correct Answer: A
Question 3
センサーの読み取り値に基づいて生産ラインでの部品の故障を調査するように依頼されました。
データセットを受け取った後、読み取り値の 1%未満が故障インシデントを表す正例であることがわかりました。いくつかの分類モデルをトレーニングしましたがどれも収束しませんでした。
クラスの不均衡問題をどのように解決するべきでしょうか?
- A. クラス分布を使用して 10%の正例を生成します。
- B. 最大プーリングとソフトマックス活性化を備えた畳み込みニューラル ネットワークを使用します。
- C. 10%の肯定的な例を含むサンプルを作成するためにアップウェイトを使用してデータをダウンサンプリングします。
- D. 正例と負例の数が等しくなるまで負例を削除します。