A. 다중 지역 Cloud Storage 버킷에 데이터를 저장합니다. Cloud Dataproc, BigQuery, Compute Engine을 사용하여 데이터에 직접 액세스하세요.

B. 고가용성을 갖춘 Cloud Dataproc 클러스터를 만듭니다. 데이터를 HDFS에 저장하고 필요에 따라 분석을 수행합니다.

C. BigQuery에 데이터를 저장합니다. BigQuery 커넥터나 Cloud Dataproc 및 Compute Engine을 사용하여 데이터에 액세스합니다.

D. 지역 Cloud Storage 버킷에 데이터를 저장합니다. Cloud Dataproc, BigQuery, Compute Engine을 사용하여 버킷에 직접 액세스하세요.

A. [0, 5, 0, 0, 0, 0]

B. [0, 0, 0, 1, 0, 0, 1]

C. [0, 1]

D. [1, 0, 0, 0, 0, 0, 0]

A. 선형 회귀

B. 물류 분류

C. 순환 신경망

D. 피드포워드 신경망

A. Cloud Dataprep을 사용하여 샘플 소스 데이터에서 null 값을 찾습니다. Cloud Dataprep 작업을 사용하여 모든 null을 0으로 변환합니다.

B. Cloud Dataflow를 사용하여 샘플 소스 데이터에서 null 값을 찾습니다. Cloud Dataprep 작업을 사용하여 모든 null을 '없음'으로 변환합니다.

C. Cloud Dataprep을 사용하여 샘플 소스 데이터에서 null 값을 찾습니다. Cloud Dataproc 작업을 사용하여 모든 null을 '없음'으로 변환합니다.

D. Cloud Dataflow를 사용하여 샘플 소스 데이터에서 null 값을 찾습니다. 모든 null을 사용자 정의 스크립트를 사용하도록 변환합니다.

A. us-central1에서 실행되도록 Cloud Dataflow 파이프라인의 영역을 변경합니다.

B. 새 데이터에 대한 버퍼 역할을 할 임시 테이블을 Cloud Bigtable에 만듭니다. 먼저 이 테이블에 쓰기 위해 파이프라인에 새 단계를 만든 다음 Cloud Bigtable에서 BigQuery로 쓰기 위한 새 파이프라인을 만듭니다.

C. Cloud Dataflow 작업자에 더 큰 인스턴스 유형을 사용합니다.

D. 최대 작업자 수 늘리기

E. Cloud Spanner에서 새 데이터의 버퍼 역할을 할 임시 테이블을 만듭니다. 먼저 이 테이블에 쓰기 위해 파이프라인에 새 단계를 만든 다음 Cloud Spanner에서 BigQuery로 쓰기 위한 새 파이프라인을 만듭니다.