企業は、ユーザーの行動を不正または通常のいずれかに分類したいと考えています。内部調査に基づいて、機械学習スペシャリストは、アカウントの年齢とトランザクション月の2つの機能に基づいてバイナリ分類器を構築したいと考えています。これらの機能のクラス分布は、提供された図に示されています。

この情報に基づいて、どのモデルが最も精度が高いでしょうか？

あなたのチームは、畳み込みニューラルネットワーク（CNN）ベースのアーキテクチャをゼロから構築しています。オンプレミスのCPUのみのインフラストラクチャで実行された予備実験は有望でしたが、収束が遅くなりました。市場投入までの時間を短縮するために、モデルトレーニングをスピードアップするように求められました。より強力なハードウェアを活用するために、Google Cloudで仮想マシン（VM）を試してみたいと考えています。コードには手動のデバイス配置が含まれておらず、Estimatorモデルレベルの抽象化にラップされていません。モデルをトレーニングする環境はどれですか？

金融サービス会社は、AmazonS3上に堅牢なサーバーレスデータレイクを構築しています。データレイクは柔軟性があり、次の要件を満たす必要があります。
*AmazonAthenaおよびAmazonRedshiftSpectrumを介したAmazonS3の新旧データのクエリをサポートします。
*イベント駆動型ETLパイプラインをサポート
*メタデータを理解するための迅速かつ簡単な方法を提供します
これらの要件を満たすアプローチはどれですか？

機械学習スペシャリストは、アプリケーション用のカスタムビデオレコメンデーションモデルを開発しています。このモデルのトレーニングに使用されるデータセットは非常に大きく、数百万のデータポイントがあり、AmazonS3バケットでホストされています。
スペシャリストは、移動に数時間かかり、ノートブックインスタンスに接続されている5GBのAmazonEBSボリュームを超えるため、このすべてのデータをAmazonSageMakerノートブックインスタンスにロードしないようにしたいと考えています。
スペシャリストがすべてのデータを使用してモデルをトレーニングできるようにするアプローチはどれですか？

Al Platformを使用してMLモデルを開発し、それを本番環境に移行したいと考えています。1秒あたり数千のクエリを処理し、遅延の問題が発生しています。着信リクエストは、Google Kubernetes Engine（GKE）で実行されている複数のKubeflowCPU専用ポッドに分散するロードバランサーによって処理されます。目標は、基盤となるインフラストラクチャを変更せずに、サービスのレイテンシを改善することです。あなたは何をするべきか？