CertPass

Question 136

あなたはチームでモデルプロトタイプの共同開発を行っています。チームメンバーのためにVertex AI Workbench環境を作成し、プロジェクト内の他の従業員からのアクセスを制限する必要があります。どうすればよいですか？

1. 新しいサービスアカウントを作成し、そのアカウントにNotebook閲覧者ロールを付与します。 2. 各チームメンバーに、そのサービスアカウントに対するサービスアカウントユーザーロールを付与します。 3. 各チームメンバーにVertex AIユーザーロールを付与します。 4. 新しいサービスアカウントを使用するVertex AI Workbenchユーザー管理ノートブックインスタンスをプロビジョニングします。

1. デフォルトのCompute EngineサービスアカウントにVertex AIユーザーロールを付与します。 2. 各チームメンバーに、デフォルトのCompute Engineサービスアカウントに対するサービスアカウントユーザーロールを付与します。 3. デフォルトのCompute Engineサービスアカウントを使用するVertex AI Workbenchユーザー管理ノートブックインスタンスをプロビジョニングします。

1. 新しいサービスアカウントを作成し、そのアカウントにVertex AIユーザーロールを付与します。 2. 各チームメンバーに、そのサービスアカウントに対するサービスアカウントユーザーロールを付与します。 3. 各チームメンバーにNotebook閲覧者ロールを付与します。 4. 新しいサービスアカウントを使用するVertex AI Workbenchユーザー管理ノートブックインスタンスをプロビジョニングします。

1. 主要なチームメンバーにVertex AIユーザーロールを付与します。 2. 他のチームメンバーにNotebook閲覧者ロールを付与します。 3. 主要なユーザーのアカウントを使用するVertex AI Workbenchユーザー管理ノートブックインスタンスをプロビジョニングします。

Question 137

あなたは、最先端のアルゴリズムを様々なユースケースのために開発している、ある大手ヘルスケア企業に勤務しています。あなたには、カスタムラベルが付与された非構造化テキストデータがあります。これらのラベルを使用して、様々な医療関連のフレーズを抽出し、分類する必要があります。何をすべきでしょうか？

Healthcare Natural Language APIを使用して医療エンティティを抽出する

BERTベースのモデルを使用して医療エンティティ抽出モデルをファインチューニングする

AutoML Entity Extractionを使用して医療エンティティ抽出モデルをトレーニングする

TensorFlowを使用してカスタム医療エンティティ抽出モデルを構築する

Question 138

あなたは、アプリケーションのユーザー解約率を予測するために、Vertex AIを使用してカスタムモデルを開発しました。スキュー検出のためにVertex AIモデルモニタリングを使用しています。BigQueryに保存されているトレーニングデータには、人口統計学的特徴と行動的特徴の2つの特徴セットが含まれています。その後、各特徴セットで個別にトレーニングされた2つのモデルが、元のモデルよりも性能が良いことを発見しました。2つのモデル間でトラフィックを分割する新しいモデルモニタリングパイプラインを設定する必要があります。各モデルに同じ予測サンプリングレートとモニタリング頻度を使用したいと考えています。また、管理の手間を最小限に抑えたいと考えています。どうすべきでしょうか？

トレーニングデータセットは現状のまま維持します。モデルを2つの別々のエンドポイントにデプロイし、適切に選択された特徴しきい値パラメータを持つ2つのVertex AIモデルモニタリングジョブを送信します。

トレーニングデータセットは現状のまま維持します。両方のモデルを同じエンドポイントにデプロイし、モデルIDと特徴選択を考慮した`monitoring-config-from-file`パラメータを持つVertex AIモデルモニタリングジョブを送信します。

トレーニングデータセットを人口統計学的特徴と行動的特徴に基づいて2つのテーブルに分離します。モデルを2つの別々のエンドポイントにデプロイし、2つのVertex AIモデルモニタリングジョブを送信します。

トレーニングデータセットを人口統計学的特徴と行動的特徴に基づいて2つのテーブルに分離します。両方のモデルを同じエンドポイントにデプロイし、モデルIDとトレーニングデータセットを考慮した`monitoring-config-from-file`パラメータを持つVertex AIモデルモニタリングジョブを送信します。

Question 139

あなたはカナダに拠点を置く製薬会社に勤務しています。あなたのチームは、カナダにおける翌月のインフルエンザ感染者数を予測するためのBigQuery MLモデルを開発しました。気象データは毎週公開され、インフルエンザ感染統計は毎月公開されます。コストを最小限に抑えるモデル再トレーニングポリシーを設定する必要があります。どうすべきでしょうか？

気象データとインフルエンザデータを毎週ダウンロードします。Cloud Scheduler を設定して、モデルを毎週再トレーニングする Vertex AI パイプラインを実行します。

気象データとインフルエンザデータを毎月ダウンロードします。Cloud Scheduler を設定して、モデルを毎月再トレーニングする Vertex AI パイプラインを実行します。

気象データとインフルエンザデータを毎週ダウンロードします。Cloud Scheduler を設定して、モデルを毎月再トレーニングする Vertex AI パイプラインを実行します。

気象データを毎週、インフルエンザデータを毎月ダウンロードします。特徴ドリフト監視を備えた Vertex AI エンドポイントにモデルをデプロイし、監視アラートが検出された場合にモデルを再トレーニングします。

Question 140

あなたは、会社のML実験とモデルの再トレーニングを自動化するためのMLOpsプラットフォームを構築しています。数十のパイプラインのアーティファクトを整理する必要があります。パイプラインのアーティファクトはどのように保存すべきですか？

パラメータをCloud SQLに保存し、モデルのソースコードとバイナリをGitHubに保存する。

パラメータをCloud SQLに保存し、モデルのソースコードをGitHubに保存し、モデルのバイナリをCloud Storageに保存する。

パラメータをVertex ML Metadataに保存し、モデルのソースコードをGitHubに保存し、モデルのバイナリをCloud Storageに保存する。

パラメータをVertex ML Metadataに保存し、モデルのソースコードとバイナリをGitHubに保存する。

Professional Machine Learning Engineer