Professional-Machine-Learning-Engineer 문제 56
고객 지원 티켓이 지원 에이전트에게 라우팅되기 전에 유익한 메타데이터로 고객 지원 티켓을 강화하기 위해 서버 ML 시스템으로 아키텍처를 설계하고 있습니다. 티켓 우선 순위를 예측하고, 티켓 해결 시간을 예측하고, 감정 분석을 수행하여 상담원이 지원 요청을 처리할 때 전략적 결정을 내리는 데 도움이 되는 일련의 모델이 필요합니다. 티켓에는 도메인 관련 용어나 전문 용어가 없어야 합니다.
제안된 아키텍처의 흐름은 다음과 같습니다.
Enrichment Cloud Functions는 어떤 엔드포인트를 호출해야 합니까?
제안된 아키텍처의 흐름은 다음과 같습니다.
Enrichment Cloud Functions는 어떤 엔드포인트를 호출해야 합니까?
Professional-Machine-Learning-Engineer 문제 57
Google Cloud에서 구조화된 데이터용 ML 파이프라인을 다시 빌드하려고 합니다. PySpark를 사용하여 대규모 데이터 변환을 수행하고 있지만 파이프라인을 실행하는 데 12시간 이상이 걸립니다. 개발 및 파이프라인 실행 시간의 속도를 높이려면 서버리스 도구와 SQL 구문을 사용하려고 합니다. 원시 데이터를 이미 Cloud Storage로 이동했습니다. 속도 및 처리 요구사항을 충족하면서 Google Cloud에서 파이프라인을 구축하려면 어떻게 해야 하나요?
Professional-Machine-Learning-Engineer 문제 58
Compute Engine에서 GPU 기반 가상 머신을 사용하여 주어진 이미지에 있는 정부 ID 유형을 예측하는 컴퓨터 비전 모델을 학습시켜야 합니다. 다음 매개변수를 사용합니다.
* 옵티마이저: SGD
* 이미지 모양 = 224x224
* 배치 크기 = 64
* 에포크 = 10
* 장황함 = 2
훈련 중에 다음 오류가 발생합니다. ResourceExhaustedError: 텐서를 할당할 때 메모리 부족(oom). 당신은 무엇을해야합니까?
* 옵티마이저: SGD
* 이미지 모양 = 224x224
* 배치 크기 = 64
* 에포크 = 10
* 장황함 = 2
훈련 중에 다음 오류가 발생합니다. ResourceExhaustedError: 텐서를 할당할 때 메모리 부족(oom). 당신은 무엇을해야합니까?
Professional-Machine-Learning-Engineer 문제 59
당신의 팀은 CNN(Convolutional Neural Network) 기반 아키텍처를 처음부터 구축하고 있습니다. 온프레미스 CPU 전용 인프라에서 실행되는 예비 실험은 고무적이지만 수렴 속도가 느립니다. 출시 시간을 단축하기 위해 모델 교육 속도를 높이라는 요청을 받았습니다. 더 강력한 하드웨어를 활용하기 위해 GCP에서 가상 머신(VM)을 실험하려고 합니다. 코드에 수동 장치 배치가 포함되어 있지 않으며 Estimator 모델 수준 추상화로 래핑되지 않았습니다. 어떤 환경에서 모델을 훈련해야 합니까?
Professional-Machine-Learning-Engineer 문제 60
Google Cloud에서 심층 신경망 모델을 학습했습니다. 모델은 훈련 데이터에 대한 손실이 낮지만 검증 데이터 a에서는 더 나쁜 성능을 보입니다. 모델이 과적합에 대한 탄력성을 갖기를 원합니다. 모델을 재학습할 때 어떤 전략을 사용해야 합니까?