A. 일괄 작업, PubSubIO, 부차 입력

B. 스트리밍 작업, PubSubIO, JdbcIO, 부차 출력

C. 스트리밍 작업, PubSubIO, BigQueryIO, 부차 출력

D. 스트리밍 작업, PubSubIO, BigQueryIO, 부차 입력

A. 1조직의 데이터 저장을 위한 프로젝트를 생성합니다.
2 각 부서의 파일을 저장할 세 개의 폴더가 있는 중앙 Cloud Storage 버킷을 생성합니다.
3. 부서 이름이 앞에 붙은 테이블을 사용하여 중앙 BigQuery 데이터세트를 만듭니다.
4 소속 부서의 사용자에게 스토리지 프로젝트에 대한 뷰어 권한을 부여하세요.

B. 1각 부서의 데이터 저장을 위한 프로젝트를 생성합니다.
2 각 부서에서 Cloud Storage 버킷 및 BigQuery 데이터 세트를 생성할 수 있도록 합니다.
3. 각 버킷 및 데이터 세트에 대해 승인된 독자에 대한 사용자 그룹을 생성합니다.
4 IT 팀이 사용자 그룹을 관리하여 부서의 요청에 따라 사용자를 추가하거나 제거할 수 있도록 합니다.

C. 1 각 부서의 애플리케이션에 대한 데이터 저장을 위해 여러 프로젝트를 생성합니다.
2 각 부서에서 Cloud Storage 버킷 및 BigQuery 데이터 세트를 생성할 수 있도록 합니다.
3. 각 부서가 공유한 데이터를 Analytics Hub에 게시합니다.
4 모든 부서가 Analytics Hub에서 필요한 데이터를 검색하고 구독할 수 있도록 합니다.

D. 1 각 부서의 애플리케이션에 대한 데이터 저장을 위해 여러 프로젝트를 생성합니다.
2 각 부서에서 Cloud Storage 버킷 및 BigQuery 데이터 세트를 생성할 수 있도록 합니다.
3 Dataplex에서 각 부서를 데이터 레이크 및 Cloud Storage 버킷에 매핑하고 BigQuery 데이터세트를 영역에 매핑합니다.
4 각 부서가 데이터 레이크의 데이터를 소유하고 공유할 수 있도록 합니다.

A. Google BigQuery TableSchema 및 TableFieldSchema 클래스를 모두 사용합니다.

B. TableRow객체를 반환하는 변환을 호출합니다. 여기서 PCollection의 각 요소는 테이블의 단일 행을 나타냅니다.

C. 코드에 TableReference객체를 지정합니다.

D. 테이블에서 특정 필드를 읽으려면 .fromQueryOperation을 사용합니다.

A. 거래 위치를 예측하기 위한 지도 학습입니다.

B. 거래 위치를 예측하기 위한 비지도 학습.

C. 거래 위치를 예측하기 위한 강화 학습입니다.

D. 사기 가능성이 가장 높은 거래를 결정하기 위한 비지도 학습.

E. 사기 가능성이 가장 높은 거래를 결정하기 위한 지도 학습.

F. 기능 유사성을 기준으로 트랜잭션을 N개 범주로 나누는 클러스터링입니다.

A. BigQuery의 모든 테이블을 스캔하고 Pll이 있는 데이터를 마스킹합니다.

B. 모든 Pll 데이터를 수정하고 수정되지 않은 데이터 버전을 잠긴 버킷에 저장합니다.

C. Pll 데이터를 암호화 형식 보존 토큰으로 대체하여 가명을 만듭니다.

D. Pll 데이터를 암호화 토큰으로 대체하여 가명을 생성하고 토큰화되지 않은 데이터를 잠긴 버튼에 저장합니다.