Associate Data Practitioner
Question 71
あなたはeコマース企業に勤務しており、顧客の購入履歴、人口統計情報、ウェブサイトのインタラクションを含むBigQueryデータセットを保有しています。どの顧客が翌月に購入する可能性が最も高いかを予測する機械学習（ML）モデルを構築する必要があります。エンジニアリングリソースは限られており、ソリューションに必要なMLの専門知識を最小限に抑える必要があります。どうすべきですか？
A.
BigQuery MLを使用して、購入予測のためのロジスティック回帰モデルを作成する。B.
Vertex AI Workbenchを使用して、購入予測のためのカスタムモデルを開発する。C.
Colab Enterpriseを使用して、購入予測のためのカスタムモデルを開発する。D.
データをCloud Storageにエクスポートし、AutoML Tablesを使用して購入予測のための分類モデルを構築する。Question 72
あなたは、毎日午前3時までにCloud Storageに到着するデータファイルを処理するパイプラインを設計しています。データ処理はステージ単位で実行され、あるステージの出力が次のステージの入力となります。各ステージの実行には時間がかかります。時々ステージが失敗し、その問題に対処する必要があります。最終的な出力ができるだけ迅速に生成されるようにする必要があります。どうすればよいですか？
A.
Dataprocで実行されるSparkプログラムを設計します。エラーが検出された場合にユーザーの入力を待つようにプログラムをコーディングします。ステージ出力データのエラーを修正した後、最後のアクションを再実行します。B.
Dataflowの一連のPTransformとしてパイプラインを設計します。ステージ出力データのエラーを修正した後、パイプラインを再起動します。C.
Cloud Workflowインスタンスとしてワークフローを設計します。入力パラメータに基づいて特定のステージにジャンプするようにワークフローをコーディングします。ステージ出力データのエラーを修正した後、ワークフローを再実行します。D.
Cloud Composerで有向非巡回グラフ（DAG）として処理を設計します。ステージ出力データのエラーを修正した後、失敗したタスクの状態をクリアします。