[2024-06-07更新,281問] 無料Google Professional-Data-Engineer試験問題集、Professional-Data-Engineer試験情報(ページ 41)

Professional-Data-Engineer 試験問題 196

基本的な役割を使用して不可能なのは次のうちどれですか?

A. ユーザーに BigQuery への閲覧者アクセス権を付与し、所有者に Google Compute Engine インスタンスへのアクセス権を付与します。

B. UserA にプロジェクト内のすべてのデータセットに対する所有者アクセス権と UserB 編集者アクセス権を与えます。

C. プロジェクト内のすべてのデータセットを表示するためのアクセス権をユーザーに与えますが、データセットに対してクエリを実行することはできません。

D. プロジェクト内のすべてのデータセットに対するグループ A の所有者アクセス権とグループ B の編集者アクセス権を与えます。

Professional-Data-Engineer 試験問題 197

Flowlogistic は、リアルタイム在庫追跡システムを展開しています。すべての追跡デバイスはパッケージ追跡メッセージを送信し、Apache Kafka クラスターではなく単一の Google Cloud Pub/Sub トピックに送信されるようになります。その後、サブスクライバーアプリケーションがリアルタイムレポート用にメッセージを処理し、履歴分析のために Google BigQuery に保存します。パッケージデータを長期にわたって確実に分析できるようにしたいと考えています。
どのアプローチを取るべきですか?

A. Cloud Pub/Sub サブスクライバアプリケーションの各メッセージを受信したときにタイムスタンプを添付します。

B. Clod Pub/Sub に送信されるときに、各パブリッシャーデバイスからの送信メッセージにタイムスタンプとパッケージ ID を添付します。

C. BigQuery の NOW () 関数を使用して、イベントの時刻を記録します。

D. Cloud Pub/Sub から自動的に生成されたタイムスタンプを使用してデータを並べ替えます。

正解: B

トピック 2、MJTelco のケーススタディ
会社概要
MJTelco は、急速に成長している世界中の十分なサービスが提供されていない市場にネットワークを構築することを計画している新興企業です。同社は革新的な光通信ハードウェアに関する特許を取得しています。これらの特許に基づいて、安価なハードウェアを使用して信頼性の高い高速バックボーンリンクを多数作成できます。
会社背景
経験豊富な通信会社幹部によって設立された MJTelco は、もともと宇宙での通信の課題を克服するために開発されたテクノロジーを使用しています。運用の基礎として、リアルタイム分析を推進し、機械学習を組み込んでトポロジを継続的に最適化する分散データインフラストラクチャを作成する必要があります。同社のハードウェアは安価であるため、場所の可用性とコストに対する動的な地域政治の影響を考慮して、ネットワークを過剰に展開することを計画しています。
同社の管理および運用チームは世界中に配置されており、システム内のデータ利用者と提供の間に多対多の関係を構築しています。慎重に検討した結果、パブリッククラウドがニーズをサポートするのに最適な環境であると判断しました。
ソリューションコンセプト
MJTelco は、自社の研究所で概念実証 (PoC) プロジェクトを成功させています。彼らには 2 つの主要なニーズがあります。
インストール数が 50,000 を超えた場合に生成される大幅に多くのデータフローをサポートするために、PoC を拡張および強化します。
機械学習サイクルを改良して、トポロジー定義の制御に使用する動的モデルを検証および改善します。
また、MJTelco は、実験の実行、新機能の導入、実稼働顧客へのサービスのニーズを満たすために、開発/テスト、ステージング、実稼働という 3 つの異なるオペレーティング環境を使用します。
ビジネス要件
最小限のコストで運用環境をスケールアップし、予測不可能な分散型通信ユーザーコミュニティで必要なときに必要な場所でリソースをインスタンス化します。
独自のデータのセキュリティを確保して、最先端の機械学習と分析を保護します。
分散した研究員が分析用データに確実かつタイムリーにアクセスできるようにする
顧客に影響を与えることなく、機械学習モデルの迅速な反復をサポートする隔離された環境を維持します。
技術的要件
テレメトリデータの安全かつ効率的な転送と保存を確保します。
インスタンスを迅速に拡張して、それぞれ複数のフローを持つ 10,000 ～ 100,000 のデータプロバイダーをサポートします。
1 日あたり約 100m のレコードを保存する最大 2 年間のデータを追跡するデータテーブルに対する分析とプレゼンテーションが可能
テレメトリフローと実稼働学習サイクルの両方におけるデータパイプラインの問題の認識に重点を置いたモニタリングインフラストラクチャの迅速な反復をサポートします。
CEOの声明
当社のビジネスモデルは、特許、分析、動的機械学習に依存しています。当社の安価なハードウェアは信頼性が高くなるように構成されているため、コスト面でのメリットが得られます。信頼性と容量の約束を満たすために、大規模な分散データパイプラインを迅速に安定させる必要があります。
CTO ステートメント
当社のパブリッククラウドサービスは、宣伝どおりに動作する必要があります。データを拡張し、安全に保つためのリソースが必要です。データサイエンティストがモデルを注意深く研究し、迅速に適応できる環境も必要です。私たちは自動化に依存してデータを処理しているため、反復中に機能する開発環境とテスト環境も必要です。
CFO ステートメント
プロジェクトが大きすぎるため、データと分析に必要なハードウェアとソフトウェアを維持できません。また、非常に多くのデータフィードを監視するための運用チームに人員を配置する余裕はないため、自動化とインフラストラクチャに依存することになります。Google Cloud の機械学習により、定量的研究者はデータパイプラインの問題ではなく、価値の高い問題に取り組むことができるようになります。

Professional-Data-Engineer 試験問題 198

あなたのチームは二項分類問題に取り組んでいます。デフォルトのパラメーターを使用してサポートベクターマシン (SVM) 分類器をトレーニングし、検証セットで 0.87 の曲線下面積 (AUC) を受け取りました。
モデルの AUC を増やしたいと考えています。あなたは何をするべきか？

A. ハイパーパラメータ調整を実行します。

B. ニューラルネットワークは常に SVM に勝るため、ディープニューラルネットワークを使用して分類器をトレーニングします。

C. モデルをデプロイし、現実世界の AUC を測定します。一般化により常に高くなります

D. 最高の AUC を得るために、モデルから取得した予測をスケールします (ハイパーパラメーターとしてスケール係数を調整します)。

Professional-Data-Engineer 試験問題 199

Cloud Dataproc でサポートされているジョブタイプは次のうちどれですか (回答を 3 つ選択してください)。

A. ハイブ

B. 豚

C. 糸

D. スパーク

Professional-Data-Engineer 試験問題 200

あなたは、メディアストリーミングサービスであるモバイルアプリケーション用の新しいストレージシステムを展開しています。最適なのは Google Cloud Datastore であると判断します。複数のプロパティを持つエンティティがあり、その一部は複数の値を取ることができます。たとえば、エンティティ「Movie」では、プロパティ「actors」とプロパティ「tags」には複数の値がありますが、プロパティ「date release」には複数の値がありません。一般的なクエリでは、actor=<actorname> を持つすべての映画を date_release 順に並べるか、tag=Comedy を持つすべての映画を date_release 順に要求します。インデックス数の組み合わせ爆発をどのように回避すべきでしょうか?