A. K-평균 클러스터링을 사용하여 픽셀에서 얼굴을 감지합니다.

B. 특징 엔지니어링을 사용하여 입력 데이터에 눈, 코, 입에 대한 특징을 추가합니다.

C. 여러 개의 은닉층을 가진 신경망을 생성하여 딥러닝을 활용해 얼굴 특징을 자동으로 감지합니다.

D. 픽셀을 입력층으로, 은닉층으로, 그리고 두 가지 범주를 출력층으로 하는 신경망을 구축합니다.

A. 워커 노드에 SSD를 사용하여 작업 속도를 향상시키세요.

B. 작업 속도를 높이기 위해 메모리 용량이 더 큰 노드를 사용합니다.

C. 클러스터에 선점형 가상 머신(VM)을 사용합니다.

D. 워크로드를 Google Cloud Dataflow로 마이그레이션

A. HBase 셸은 테이블 생성 및 삭제와 같은 관리 작업을 수행하는 GUI 기반 인터페이스입니다.

B. HBase 셸은 테이블 생성 및 삭제와 같은 관리 작업을 수행하는 명령줄 도구입니다.

C. HBase 셸은 새로운 가상화 인스턴스를 생성 및 삭제하는 등의 관리 작업을 수행하는 하이퍼바이저 기반 셸입니다.

D. HBase 셸은 클라우드 빅테이블 인스턴스에 대한 액세스 권한을 부여하기 위한 사용자 계정 관리 기능만 수행하는 명령줄 도구입니다.

A. 1. 분석을 위해 과거 데이터를 BigQuery에 저장합니다.
2. 구체화된 뷰를 사용하여 제품의 최종 상태를 미리 계산합니다.
3. BigQuery에서 API로 최신 상태 데이터를 직접 제공합니다.

B. 1. 분석을 위해 과거 데이터를 BigQuery에 저장합니다.
2. 클라우드 SQL 테이블에 제품 변경 후 제품의 최종 상태를 저장합니다.
3. 클라우드 SQL에서 API로 최신 상태 데이터를 직접 제공합니다.

C. 1. 각 제품에 대한 변경 내역을 포함하는 컬렉션 형태로 Firestore에 제품을 저장합니다.
2. 분석을 위해 단순 쿼리와 복합 쿼리를 사용하십시오.
3. 최신 상태 데이터를 Firestore에서 API로 직접 제공합니다.

D. 1. 분석을 위해 과거 데이터를 클라우드 SQL에 저장합니다.
2. 별도의 표에 제품 변경 후 제품의 최종 상태를 저장하십시오.
3. 클라우드 SQL에서 API로 최신 상태 데이터를 직접 제공합니다.

A. 행 키: 날짜#장치_ID
컬럼 데이터: data_point

B. 행 키: 날짜
컬럼 데이터: device_id, data_point

C. 행 키: device_id
컬럼 데이터: 날짜, 데이터 포인트

D. 행 키: 데이터 포인트
컬럼 데이터: device_id, date

E. 행 키: 날짜#데이터 포인트
컬럼 데이터: device_id