무료 온라인 액세스 Google.Associate-Data-Practitioner.v2025-10-09.q48 모의 시험 (Page 2)

Associate-Data-Practitioner 문제 1

귀사는 현재 온프레미스 네트워크 파일 시스템(NFS)을 사용하고 있으며 Google Cloud로 데이터를 마이그레이션하고 있습니다. 마이그레이션 상태에 대한 자세한 보고서를 확보하는 동시에 데이터 마이그레이션에 사용되는 대역폭을 제어할 수 있기를 원합니다. 어떻게 해야 할까요?

A. 전송 어플라이언스를 사용하세요.

B. 클라우드 스토리지 FUSE를 사용하세요.

C. 저장소 전송 서비스를 사용하세요.

D. gcloud storage 명령을 사용하세요.

Associate-Data-Practitioner 문제 2

여러 Google Cloud 리전에 있는 애플리케이션의 이벤트 정보를 BigQuery로 스트리밍하여 거의 실시간 분석을 수행하는 데이터 파이프라인을 만들어야 합니다. 데이터를 로드하기 전에 변환이 필요합니다. 시각적 인터페이스를 사용하여 파이프라인을 만들고 싶습니다. 어떻게 해야 할까요?

A. 이벤트 정보를 Pub/Sub 주제로 푸시합니다. Dataflow 작업 빌더를 사용하여 Dataflow 작업을 생성합니다.

B. Pub/Sub 주제에 이벤트 정보를 푸시합니다. Pub/Sub 주제를 구독하고, 변환을 적용하고, BigQuery에 데이터를 삽입하는 Cloud Run 함수를 생성합니다.

C. 이벤트 정보를 Pub/Sub 주제로 푸시합니다. Pub/Sub에서 BigQuery 구독을 생성합니다.

D. 이벤트 정보를 Cloud Storage에 푸시하고 BigQuery에 외부 테이블을 생성합니다. 변환을 적용하기 위해 매일 한 번 실행되는 BigQuery 예약 작업을 생성합니다.

정답: A

이벤트 정보를 Pub/Sub 토픽에 푸시한 다음 Dataflow 작업 빌더를 사용하여 Dataflow 작업을 생성하는 것이 가장 적합한 솔루션입니다. Dataflow 작업 빌더는 파이프라인을 설계할 수 있는 시각적 인터페이스를 제공하여 변환을 정의하고 BigQuery에 데이터를 로드할 수 있도록 합니다. 이 방식은 실시간에 가까운 변환 및 분석이 필요한 스트리밍 데이터 파이프라인에 이상적입니다. 여러 리전에 걸친 확장성을 보장하고 이벤트 수집을 위한 Pub/Sub 및 분석을 위한 BigQuery와 원활하게 통합됩니다.
여러 Google Cloud 리전에서 BigQuery로 이벤트 정보를 스트리밍하여 변환을 포함한 거의 실시간 분석을 위한 시각적 인터페이스를 갖춘 데이터 파이프라인을 만드는 가장 좋은 솔루션은 다음과 같습니다. 이벤트 정보를 Pub/Sub 주제로 푸시합니다. Dataflow 작업 빌더를 사용하여 Dataflow 작업을 생성합니다.
그 이유는 다음과 같습니다.
* Pub/Sub 및 데이터 흐름:
* Pub/Sub은 특히 여러 지역에서 실시간 메시지를 수집하는 데 이상적입니다.
* Dataflow는 특히 Dataflow 작업 빌더를 통해 실시간 스트림 처리 및 변환을 수행할 수 있는 데이터 파이프라인을 만드는 데 필요한 시각적 인터페이스를 제공합니다.
* Dataflow 작업 빌더를 사용하면 시각적 도구로 파이프라인을 만들 수 있으므로 시각적 인터페이스의 요구 사항을 충족합니다.
* Dataflow는 실시간 스트리밍과 변환 적용을 위해 구축되었습니다.
다른 옵션이 덜 적합한 이유를 살펴보겠습니다.
* B. 이벤트 정보를 Cloud Storage에 푸시하고 BigQuery에 외부 테이블을 생성합니다. 변환을 적용하기 위해 매일 한 번 실행되는 BigQuery 예약 작업을 생성합니다.
* 이는 실시간이 아닌 일괄 처리 방식입니다.
* 클라우드 스토리지와 예약된 작업은 실시간 분석을 위해 설계되지 않았습니다.
* 이는 질문의 실시간 요구 사항을 충족하지 않습니다.
* C. Pub/Sub 주제에 이벤트 정보를 푸시합니다. Pub/Sub 주제를 구독하고, 변환을 적용하고, BigQuery에 데이터를 삽입하는 Cloud Run 함수를 생성합니다.
* Cloud Run은 변환을 처리할 수 있지만, 복잡한 스트리밍 파이프라인의 경우 Dataflow보다 더 많은 코딩이 필요하고 확장성과 관리 용이성이 떨어집니다.
* 클라우드 런은 시각적 인터페이스를 제공하지 않습니다.
* D. 이벤트 정보를 Pub/Sub 주제로 푸시합니다. Pub/Sub에서 BigQuery 구독을 생성합니다.
* Pub/Sub의 BigQuery 구독은 변환을 수행할 수 없는 기능 없이 Pub/Sub 메시지를 BigQuery에 직접 로드하기 위한 것입니다.
* 이 옵션은 어떠한 변환 기능도 제공하지 않습니다.
따라서 수집을 위한 Pub/Sub와 시각적 파이프라인 생성 및 변환을 위한 작업 빌더를 갖춘 Dataflow가 가장 적합한 솔루션입니다.

Associate-Data-Practitioner 문제 3

귀사에서 IoT 이벤트 데이터를 Pub/Sub 토픽으로 전송합니다. 구독자 애플리케이션은 메시지를 읽고 변환한 후 데이터 웨어하우스에 저장합니다. 특히 토픽에 더 많은 데이터가 기록되는 바쁜 시간대에는 구독자 애플리케이션이 마감 시간 내에 메시지를 확인하지 못하는 것을 발견했습니다. 이러한 활동 급증을 처리하고 메시지 처리를 계속할 수 있도록 파이프라인을 수정해야 합니다. 어떻게 해야 할까요?

A. 메시지가 확인될 때까지 메시지를 다시 시도합니다.

B. 구독자에 대한 흐름 제어를 구현합니다.

C. 확인되지 않은 메시지를 배달 못한 편지 주제로 전달합니다.

D. 마지막으로 확인된 메시지를 다시 찾습니다.

Associate-Data-Practitioner 문제 4

소매업체에서 고객 리뷰를 분석하여 고객의 감정을 파악하고 개선할 부분을 파악하고자 합니다. BigQuery에 저장된 방대한 고객 피드백 텍스트 데이터세트에는 다양한 언어 패턴, 이모티콘, 속어가 포함되어 있습니다. 피드백 텍스트에서 고객 감정을 분류하는 솔루션을 구축하려고 합니다. 어떻게 해야 할까요?

A. SQL 함수를 사용하여 BigQuery에서 텍스트 데이터를 전처리합니다. 처리된 데이터를 AutoML Natural Language로 내보내 모델 학습 및 배포를 수행합니다.

B. BigQuery에서 원시 데이터를 내보냅니다. AutoML Natural Language를 사용하여 맞춤형 감정 분석 모델을 학습합니다.

C. Dataproc을 사용하여 Spark 클러스터를 생성하고, Spark NLP를 사용하여 텍스트 전처리를 수행하고, Spark MLlib을 사용하여 감성 분석 모델을 구축합니다.

D. TensorFlow를 사용하여 맞춤형 감정 분석 모델을 개발하고, Compute Engine 인스턴스에 배포합니다.

Associate-Data-Practitioner 문제 5

소매업체에서 BigQuery에 저장된 과거 구매 데이터를 사용하여 고객 이탈률을 예측하려고 합니다. 데이터세트에는 고객 인구 통계, 구매 내역, 그리고 고객 이탈 여부를 나타내는 레이블이 포함되어 있습니다. 이탈 위험이 있는 고객을 식별하는 머신러닝 모델을 구축하려고 합니다. customer_data 테이블의 'churned' 열을 대상 레이블로 사용하여 고객 이탈을 예측하는 로지스틱 회귀 모델을 만들고 학습시켜야 합니다. 어떤 BigQuery ML 쿼리를 사용해야 할까요?

A. 모델 churn_prediction_model OPTIONS(model_uype='logisric_reg') AS SELECT * from cusromer_data를 생성 또는 교체합니다.

B. 모델 생성 또는 교체 churn_prediction_model 옵션(rr.odel_type=' logisric_reg *) AS select * except(churned), churned AS label FROM customer_data;

C. 모델 생성 또는 교체 churn_prediction_model 옵션(모델 유형='logistic_reg') AS select churned as label FROM customer_data;

D. 고객 데이터에서 churn_prediction_model options(model_type='logistic_reg*) as select ' except(churned)를 생성 또는 교체합니다.