あなたは、カスタマー サポートの電子メールを分類するモデルを開発しています。オンプレミス システム上の小規模なデータセットを使用して TensorFlow Estimator でモデルを作成しましたが、高いパフォーマンスを確保するには大規模なデータセットを使用してモデルをトレーニングする必要があります。モデルを Google Cloud に移植し、オンプレミスからクラウドへの移行を容易にするために、コードのリファクタリングとインフラストラクチャのオーバーヘッドを最小限に抑えたいと考えています。あなたは何をするべきか？

あなたは、新しいビデオ ストリーミング プラットフォームを開発している会社で働いています。あなたは、ユーザーが次に見る動画を提案するレコメンデーション システムを作成するように依頼されました。AI 倫理チームによる審査の後、開発を開始することが承認されます。会社のカタログ内の各ビデオ資産には有用なメタデータ (コンテンツ タイプ、リリース日、国など) がありますが、過去のユーザー イベント データはありません。製品の最初のバージョンの推奨システムをどのように構築すればよいでしょうか?

あなたは雑誌出版社で働いており、顧客が年間定期購読をキャンセルするかどうかを予測する任務を負っています。探索的データ分析では、個人の 90% が毎年サブスクリプションを更新し、サブスクリプションをキャンセルする個人は 10% のみであることがわかりました。NN 分類器をトレーニングした後、モデルはサブスクリプションをキャンセルするユーザーを 99% の精度で予測し、サブスクリプションを更新するユーザーを 82% の精度で予測します。これらの結果をどのように解釈すればよいでしょうか?

データ サイエンティストは雇用データを分析する必要があります。このデータセットには、10 の異なる特徴にわたる人々に関する約 1,000 万件の観察結果が含まれています。予備分析中に、データ サイエンティストは、収入と年齢の分布が正規ではないことに気づきました。所得水準は予想どおり右の偏りを示し、高所得者が少なくなる一方で、年齢分布も右の偏りを示し、労働力に参加する高齢者が少なくなります。
データ サイエンティストは、誤って偏ったデータを修正するためにどの特徴変換を適用できますか? (2つお選びください。)

あなたは、Google Kubernetes Engine で Kubeflow パイプラインを開発しています。パイプラインの最初のステップは、BigQuery に対してクエリを発行することです。そのクエリの結果をパイプラインの次のステップへの入力として使用することを計画しています。これをできるだけ簡単な方法で達成したいと考えています。あなたは何をするべきか？