Professional-Machine-Learning-Engineer 試験問題 191
あなたはオンライン衣料品店向けのレコメンデーションエンジンを開発しています。顧客の過去の取引データはBigQueryとCloud Storageに保存されています。探索的データ分析（EDA）、前処理、およびモデルトレーニングを実行する必要があります。さまざまな種類のアルゴリズムを試す際に、これらのEDA、前処理、およびトレーニングの手順を繰り返し実行する予定です。実験中にこれらの手順を実行する際のコストと開発作業を最小限に抑えたいと考えています。環境をどのように構成すればよいでしょうか？
Professional-Machine-Learning-Engineer 試験問題 192
貴チームはDNN回帰モデルのトレーニングとテストを行い、良好な結果を得ました。しかし、導入から6か月後、入力データの分布の変化により、モデルのパフォーマンスが低下しています。本番環境における入力データの差異にどのように対処すべきでしょうか？
Professional-Machine-Learning-Engineer 試験問題 193
あなたは、5000万人以上の読者にニュース記事を配信するオンライン出版社に勤務しています。あなたは、会社の週刊ニュースレター向けにコンテンツを推奨するAIモデルを構築しました。推奨記事が成功したとみなされるのは、ニュースレターの発行日から2日以内に記事が開かれ、かつユーザーがページに1分以上滞在した場合です。
成功指標の計算に必要なすべての情報はBigQueryに格納されており、1時間ごとに更新されます。モデルは8週間分のデータで学習され、平均して5週間後には許容ベースラインを下回るパフォーマンスに低下します。学習時間は12時間です。コストを最小限に抑えつつ、モデルのパフォーマンスが許容ベースラインを上回るようにしたいと考えています。再学習が必要なタイミングを判断するために、モデルをどのように監視すればよいでしょうか？
成功指標の計算に必要なすべての情報はBigQueryに格納されており、1時間ごとに更新されます。モデルは8週間分のデータで学習され、平均して5週間後には許容ベースラインを下回るパフォーマンスに低下します。学習時間は12時間です。コストを最小限に抑えつつ、モデルのパフォーマンスが許容ベースラインを上回るようにしたいと考えています。再学習が必要なタイミングを判断するために、モデルをどのように監視すればよいでしょうか？
Professional-Machine-Learning-Engineer 試験問題 194
You are building a model to predict daily temperatures. You split the data randomly and then transformed the training and test datasets. Temperature data for model training is uploaded hourly. During testing, your model performed with 97% accuracy; however, after deploying to production, the model's accuracy dropped to 66%.
How can you make your production model more accurate?
How can you make your production model more accurate?
Professional-Machine-Learning-Engineer 試験問題 195
あなたは広告会社に勤務しており、自社の最新の広告キャンペーンの効果を理解したいと考えています。500 MB のキャンペーンデータを BigQuery にストリーミングしました。テーブルに対してクエリを実行し、その結果を AI Platform ノートブック内の pandas データフレームで操作したいと考えています。どうすればよいでしょうか？