Professional Machine Learning Engineer

あなたは最近、組織のフレームワークに固有の重要な依存関係を使用するカスタムニューラルネットワークを設計・構築しました。このモデルをGoogle Cloudのマネージドトレーニングサービスを使用してトレーニングする必要があります。しかし、使用しているMLフレームワークと関連する依存関係はAI Platform Trainingではサポートされていません。また、モデルとデータの両方が単一マシンのメモリに収まらないほど大きいです。あなたが選択したMLフレームワークは、スケジューラ、ワーカー、サーバーの分散構造を使用しています。どうすべきでしょうか？

モデル訓練中のGPU使用率を監視している際に、ネイティブな同期実装であることが判明しました。訓練データは複数のファイルに分割されています。入力パイプラインの実行時間を短縮したい場合、どうすべきですか？

あなたのデータサイエンスチームは、事前学習済みのResNetモデルに基づいて、画像分類用のPyTorchモデルをトレーニングしています。いくつかのパラメータを最適化するためにハイパーパラメータチューニングを実行する必要があります。何をすべきですか？

技術サポート、請求サポート、またはその他の問題の3つの異なるカテゴリに分類できる、記述式のサポートケースの大規模なコーパスがあります。将来の記述式リクエストをこれらのカテゴリのいずれかに自動的に分類するサービスを、迅速に構築、テスト、デプロイする必要があります。パイプラインをどのように構成すべきですか？

コードを書かずに、カスタムカテゴリで顧客レビューの感情を予測するモデルを迅速に構築し、トレーニングする必要があります。モデルを一からトレーニングするのに十分なデータがありません。結果として得られるモデルは、高い予測性能を持つ必要があります。どのサービスを使用すべきですか？