무료 온라인 액세스 Google.Professional-Machine-Learning-Engineer.v2022-07-01.q63 모의 시험 (Page 14)

Professional-Machine-Learning-Engineer 문제 61

데이터 세트를 정리하고 Cloud Storage 버킷에 저장하는 파이프라인을 개발한 데이터 엔지니어링 팀과 협력합니다. ML 모델을 생성했으며 새 데이터가 제공되는 즉시 데이터를 사용하여 모델을 새로 고치려고 합니다. CI/CD 워크플로의 일부로 Google Kubernetes Engine(GKE)에서 Kubeflow Pipelines 교육 작업을 자동으로 실행하려고 합니다. 이 워크플로를 어떻게 설계해야 합니까?

A. App Engine을 사용하여 Cloud Storage에서 새 파일을 지속적으로 폴링하는 경량 python 클라이언트 생성 파일이 도착하는 즉시 학습 작업 시작

B. 스토리지 버킷에서 새 파일을 사용할 수 있을 때 Pub/Sub 주제에 메시지를 보내도록 Cloud Storage 트리거를 구성합니다. Pub/Sub 트리거 Cloud Function을 사용하여 GKE 클러스터에서 학습 작업 시작

C. Cloud Scheduler를 사용하여 일정 간격으로 작업을 예약합니다. 작업의 첫 번째 단계입니다. Cloud Storage 버킷에 있는 객체의 타임스탬프를 확인합니다. 마지막 실행 이후에 새 파일이 없으면 작업을 중단합니다.

D. Cloud Storage에 파일을 저장하는 Dataflow로 파이프라인 구성 파일 저장 후 GKE 클러스터에서 학습 작업 시작

Professional-Machine-Learning-Engineer 문제 62

고객 지원 이메일을 분류하는 모델을 개발 중입니다. 온프레미스 시스템에서 작은 데이터 세트를 사용하여 TensorFlow Estimators로 모델을 생성했지만 이제 고성능을 보장하기 위해 큰 데이터 세트를 사용하여 모델을 훈련해야 합니다. 모델을 GCP로 이식하고 온프렘에서 클라우드로 쉽게 마이그레이션할 수 있도록 코드 리팩토링 및 인프라 오버헤드를 최소화하려고 합니다. 당신은 무엇을해야합니까?

A. Kubeflow Pipelines를 사용하여 Google Kubernetes Engine 클러스터에서 학습합니다.

B. 학습을 위해 Dataproc에 클러스터 생성

C. 자동 확장으로 관리형 인스턴스 그룹 생성

D. 분산 교육에 Al Platform 사용

Professional-Machine-Learning-Engineer 문제 63

모바일 네트워크 운영자는 Amazon Athena 및 Amazon S3를 사용하여 회사 운영을 분석하고 최적화하기 위한 분석 플랫폼을 구축하고 있습니다.
소스 시스템은 실시간으로 .CSV 형식의 데이터를 보냅니다. 데이터 엔지니어링 팀은 데이터를 Amazon S3에 저장하기 전에 Apache Parquet 형식으로 변환하려고 합니다.
구현에 가장 적은 노력이 필요한 솔루션은 무엇입니까?

A. Amazon EC2 인스턴스에서 Apache Kafka Streams를 사용하여 .CSV 데이터를 수집하고 Kafka Connect S3를 사용하여 데이터를 Parquet으로 직렬화

B. Amazon Kinesis Data Streams에서 .CSV 데이터를 수집하고 Amazon Glue를 사용하여 데이터를 Parquet으로 변환합니다.

C. Amazon EMR 클러스터에서 Apache Spark Structured Streaming을 사용하여 .CSV 데이터를 수집하고 Apache Spark를 사용하여 데이터를 Parquet으로 변환합니다.

D. Amazon Kinesis Data Streams에서 .CSV 데이터를 수집하고 Amazon Kinesis Data Firehose를 사용하여 데이터를 Parquet으로 변환합니다.

다른 버전: 1119Google.Professional-Machine-Learning-Engineer.v2024-09-10.q112; 2358Google.Professional-Machine-Learning-Engineer.v2024-03-06.q113; 1549Google.Professional-Machine-Learning-Engineer.v2023-07-12.q107; 1257Google.Professional-Machine-Learning-Engineer.v2023-03-02.q80; 1359Google.Professional-Machine-Learning-Engineer.v2022-06-22.q67; 1881Google.Professional-Machine-Learning-Engineer.v2021-12-22.q66

최근 업로드: 145Nokia.SRAN-Radio-Network-Performance-Optimization.v2026-10-16.q18; 161Pegasystems.PEGACPRSA22V1.v2026-10-16.q33; 177PaloAltoNetworks.XSIAM-Analyst.v2026-10-15.q75; 213Splunk.SPLK-1002.v2026-10-15.q187; 139Workday.Workday-Adaptive-Planning.v2026-10-15.q23; 143AIChE.CCPSC.v2026-10-15.q37; 211API.API-571.v2026-10-15.q131; 134Microsoft.AB-210.v2026-10-14.q58; 135Huawei.H12-893_V1.0.v2026-10-14.q46; 172UiPath.UiPath-ADPv1.v2026-10-14.q114