CertPass

Question 151

あなたは小売企業に勤務しており、BigQuery MLで構築された回帰モデルを使用して製品の売上を予測しています。このモデルはオンライン予測を提供するために使用されています。最近、あなたは異なるアーキテクチャ（カスタムモデル）を使用するモデルの新しいバージョンを開発しました。初期分析では、両方のモデルが期待どおりに動作していることが明らかになりました。あなたは新しいバージョンのモデルを本番環境にデプロイし、今後2ヶ月間にわたってパフォーマンスを監視したいと考えています。既存および将来のモデルユーザーへの影響を最小限に抑える必要があります。どのようにモデルをデプロイすべきですか？

新しいモデルを、既存モデルの異なるバージョンとして同じVertex AIモデルレジストリにインポートします。新しいモデルを既存モデルと同じVertex AIエンドポイントにデプロイし、トラフィックスプリッティングを使用して、本番トラフィックの95%をBigQuery MLモデルに、5%を新しいモデルにルーティングします。

新しいモデルを既存モデルとして同じVertex AIモデルレジストリにインポートします。モデルを1つのVertex AIエンドポイントにデプロイします。本番トラフィックの95%をBigQuery MLモデルに、5%を新しいモデルにルーティングします。

新しいモデルを既存モデルとして同じVertex AIモデルレジストリにインポートします。各モデルを別々のVertex AIエンドポイントにデプロイします。

新しいモデルを別のVertex AIエンドポイントにデプロイします。入力特徴量の値に基づいて、対応するエンドポイントに予測リクエストをルーティングするCloud Runサービスを作成します。

Question 152

あなたはVertex AIとTensorFlowを使用して、カスタム画像分類モデルを開発しています。モデルの決定とその根拠を、あなたの会社のステークホルダーに理解可能にする必要があります。また、結果を調査して、何らかの問題や潜在的なバイアスを特定したいと考えています。どうすべきでしょうか？

1. TensorFlowを使用して特徴量と統計情報を生成し、可視化します。 2. 標準的なモデル評価指標とともに結果を分析します。

1. TensorFlow Profilerを使用してモデルの実行を可視化します。 2. 誤った予測と実行のボトルネックとの関係を分析します。

1. Vertex Explainable AIを使用してサンプルベースの説明を生成します。 2. データセット全体からのサンプル入力の結果を、標準的なモデル評価指標とともに可視化します。

1. Vertex Explainable AIを使用して特徴量アトリビューションを生成します。データセット全体にわたって特徴量アトリビューションを集計します。 2. 集計結果を標準的なモデル評価指標とともに分析します。

Question 153

あなたは大手小売企業に勤務しており、顧客離反を予測するモデルを構築する必要があります。会社は、顧客の属性情報、購入履歴、ウェブサイトの活動履歴を含む過去の顧客データのデータセットを保有しています。あなたはBigQuery MLでモデルを作成し、そのパフォーマンスを徹底的に評価する必要があります。どうすべきですか？

BigQuery MLで線形回帰モデルを作成し、Vertex AI Model Registryにモデルを登録します。Vertex AIでモデルのパフォーマンスを評価します。

BigQuery MLでロジスティック回帰モデルを作成し、Vertex AI Model Registryにモデルを登録します。Vertex AIでモデルのパフォーマンスを評価します。

BigQuery MLで線形回帰モデルを作成します。ML.EVALUATE関数を使用してモデルのパフォーマンスを評価します。

BigQuery MLでロジスティック回帰モデルを作成します。ML.CONFUSION_MATRIX関数を使用してモデルのパフォーマンスを評価します。

Question 154

あなたは、車両のダッシュボードから撮影された動画から抽出された画像内の交通標識を識別するモデルを開発しています。10種類の異なる交通標識のうち1つを示すように切り抜かれた10万枚の画像のデータセットがあります。これらの画像はモデルトレーニング用に適切にラベル付けされ、Cloud Storageバケットに保存されています。各トレーニング実行中にモデルを調整できる必要があります。モデルをどのようにトレーニングすべきですか？

Vertex AI AutoMLを使用して物体検出モデルをトレーニングする。

Vertex AI AutoMLを使用して画像分類モデルをトレーニングする。

物体検出用のモデルトレーニングコードを開発し、Vertex AIカスタムトレーニングを使用してモデルをトレーニングする。

画像分類用のモデルトレーニングコードを開発し、Vertex AIカスタムトレーニングを使用してモデルをトレーニングする。

Question 155

あなたは、カスタムモデルサーバーを使用してscikit-learnモデル（原文：scikit-team model、scikit-learnのタイポと思われます）をVertex AIエンドポイントにデプロイしました。オートスケーリングを有効にしましたが、デプロイされたモデルは1つのレプリカを超えてスケールせず、リクエストがドロップされる結果となりました。高負荷時でもCPU使用率が低いままであることに気づきました。どうすべきでしょうか？

予測ノードにGPUを接続する

モデルサーバーのワーカー数を増やす

予測される需要に合わせてノードのスケーリングをスケジュールする

DeployedModel設定でminReplicaCountを増やす

Professional Machine Learning Engineer