あなたは、Web サイト上の広告掲載を他の企業にも販売しているオンライン旅行代理店で働いています。
あなたは、ユーザーが次に見るはずの最も関連性の高い Web バナーを予測するように求められました。セキュリティは会社にとって重要です。モデルのレイテンシ要件は 300ms@p99 で、インベントリは数千の Web バナーであり、探索的分析により、ナビゲーション コンテキストが優れた予測子であることが示されました。
最も単純なソリューションを実装したいと考えています。予測パイプラインはどのように構成すればよいでしょうか?

あなたは最近、Keras を使用して深層学習モデルを開発し、現在さまざまなトレーニング戦略を実験しています。まず、単一の GPU を使用してモデルをトレーニングしましたが、トレーニング プロセスが遅すぎました。次に、tf.distribute.MirroredStrategy を使用してトレーニングを 4 つの GPU に分散しました (その他の変更はなし) が、トレーニング時間の減少は観察されませんでした。あなたは何をするべきか？

Google Cloud 上で構造化データ用の ML パイプラインを再構築したいと考えています。あなたは PySpark を使用して大規模なデータ変換を行っていますが、パイプラインの実行に 12 時間以上かかっています。開発とパイプラインの実行時間を短縮するには、サーバーレス ツールと SQL 構文を使用する必要があります。生データはすでに Cloud Storage に移動されています。速度と処理の要件を満たしながら、Google Cloud 上にパイプラインを構築するにはどうすればよいでしょうか?

あなたは、規制対象の保険会社の ML エンジニアです。潜在顧客からの保険申請を承認または拒否する保険承認モデルを開発するように求められます。モデルを構築する前にどのような要素を考慮する必要がありますか?

あなたは、コンタクト センターを最新化したいと考えている大規模なテクノロジー企業に勤めています。あなたは、リクエストをより迅速に適切なサポート チームに転送できるように、着信コールを製品ごとに分類するソリューションを開発するように依頼されました。Speech-to-Text API を使用して通話をすでに文字に起こしています。データの前処理と開発時間を最小限に抑えたいと考えています。モデルをどのように構築すればよいでしょうか?