A. FM(인수분해 기계) 알고리즘

B. LDA(Latent Dirichlet Allocation) 알고리즘

C. 주성분 분석(PCA) 알고리즘

D. k-평균 알고리즘

E. RCF(Random Cut Forest) 알고리즘

A. 사용자의 과거 행동을 기반으로 사용자에게 기사를 추천하는 협업 필터링 시스템을 만듭니다.

B. word2vec을 사용하여 모든 기사를 벡터로 인코딩하고 벡터 유사성을 기반으로 기사를 반환하는 모델을 구축합니다.

C. 기사가 사용자에게 추천되어야 하는지 여부를 예측하는 각 사용자에 대한 로지스틱 회귀 모델을 구축합니다.

D. 수백 개의 기사에 수동으로 레이블을 지정한 다음 추가 기사를 해당 카테고리로 분류하는 수동으로 분류된 기사를 기반으로 SVM 분류기를 교육합니다.

A. 녹 반점을 국지화할 수 있는 객체 감지 모델을 만듭니다.

B. 녹 반점의 경계를 찾기 위해 이미지 분할 ML 모델을 개발합니다.

C. 기존 컴퓨터 비전 라이브러리를 사용하여 템플릿 일치 알고리즘을 개발합니다.

D. 질병의 존재를 예측하기 위한 이미지 분류 ML 모델을 개발합니다.

A. Vertex AI Pipelines를 사용하여 매일 모델의 지속적인 재학습을 구현합니다.

B. 들어오는 예측의 10%가 매시간 샘플링되는 모델 모니터링 작업을 추가합니다.

C. 들어오는 예측의 90%가 24시간 동안 샘플링되는 모델 모니터링 작업을 추가합니다.

D. 들어오는 예측의 10%가 24시간 동안 샘플링되는 모델 모니터링 작업을 추가합니다.

A. VM에 모델 파일을 저장합니다. 예측 요청이 있을 때마다 모델 파일을 로드하고 VM에서 추론 작업을 실행합니다.

B. Cloud Storage 버킷에 모델 파일을 저장합니다. Cloud 함수를 생성하여 모델 파일을 읽고 Cloud 함수에 대한 온라인 추론 요청을 수행합니다.

C. 모델을 Vertex Al 모델 레지스트리로 가져옵니다. 모델을 호스팅하고 온라인 추론 요청을 수행하는 Vertex Al 엔드포인트를 생성합니다.

D. 모델을 Vertex Al 모델 레지스트리로 가져옵니다. Vertex Batch Prediction 서비스를 사용하여 일괄 추론 작업을 실행하세요.