正解はBです。BigQuery MLを使用し、SQLでモデルを作成します。理由は次のとおりです。
* 質問の背景: 組織は、今後の繁忙期の物件の人気を予測したいと考えていますが、データ サイエンス チームがなく、社内のデータベース管理スキルに依存しています。
* Google Cloud プロダクトの関連性:
* BigQuery MLを使用すると、データアナリストやデータベース管理者は、BigQuery内で直接SQLクエリを使用して機械学習モデルを構築・実行できます。これにより、SQLに精通したユーザーが利用しやすくなり、高度なデータサイエンススキルが不要になります。
* BigQuery ML は、カスタム機械学習フレームワークや Python などの言語でのコーディングの複雑さなしに、既存の SQL スキルを活用して予測モデルを構築できるため、この組織に最適です。
* 他の選択肢を選ばない理由:
* A. Vertex AI で TensorFlow を使用したカスタム トレーニングを使用する: これには TensorFlow と機械学習の専門知識が必要ですが、組織にはそれが不足しています。
* C. ラベル付きデータを使用してAutoMLでモデルを構築する：AutoMLはMLモデルの構築プロセスを簡素化しますが、基本的なSQLよりも多くの知識が必要です。また、BigQuery MLでは既存のSQLスキルを活用できるため、このシナリオではそれが推奨されます。
* D. 事前トレーニング済みの API をアプリケーションに統合する: 事前トレーニング済みの API は、画像認識や自然言語処理などの一般的なユースケースには適していますが、物件の人気度などの固有のデータに基づくカスタム予測には適していません。
Google Cloud デジタルリーダー リファレンス:
* SQL を使用して ML モデルを作成および使用する方法の詳細については、BigQuery ML のドキュメントを参照してください。

説明
BigQuery は、大量のリレーショナル構造化データに対応するエンタープライズ データ ウェアハウスです。ビジネスの俊敏性を高めるために設計された、サーバーレスでスケーラビリティとコスト効率に優れたマルチクラウド データ ウェアハウスです。

IDaaS - 企業が管理するIDプロバイダーにより、セキュリティとプライバシーをより適切に管理できます。セキュリティとアクセスは一元管理されながらも、きめ細かく設定できます。複数の認証情報を管理する必要がありません。