Google Professional Machine Learning Engineer (PMLE) ダンプと解説

あなたはus-central1のVertex AI Predictionエンドポイントに、autoscalingを有効にしたTensorFlowのレコメンデーションモデルをデプロイしました。過去1週間、営業時間中に1時間あたり約1,200リクエスト（約20 RPS）の持続的なトラフィックを観測しており、これは当初の見積もりの2倍です。今後のスパイク時にもP95レイテンシを150 ms未満に維持する必要があります。ユーザーに見えるレイテンシを発生させることなく、この高いベースラインと今後のスパイクに効率的に対応するようにエンドポイントをスケールさせたい。どうすべきですか？

事前学習済みの ResNet-50 バックボーンを用いた転移学習で、動画フレーム分類器をファインチューニングする予定です。 ラベル付きデータセットは 1080p のフレームが 18,000 枚含まれており、モデルは 1 日に 1 回再学習します。各トレーニング実行は 4 つの V100 GPU で 60 分未満で完了します。インフラコストと運用オーバーヘッドを最小化する必要があります。 どのプラットフォーム構成と設定を選ぶべきですか？

あなたのチームは、BigQuery のデータを用いて不正検知モデルの学習を準備しており、そのデータには PII を含む複数のフィールド（例: card_number、customer_email、phone_number）が含まれています。データセットは約2億5千万行で、すべてのカラムが特徴量として必要です。セキュリティ要件として、学習前に PII の機微性を低減しつつ、下流の SQL の結合や検証が引き続き機能するように、各カラムのフォーマットと長さを保持する必要があります。変換は決定的でなければならず、同じ入力が常に同じ保護済みの値に対応する必要があり、また、監査のために認可されたチームが復号できなければなりません。どのように対応すべきですか？

あなたのチームは、工業用チラーの時間ごとの水使用量を予測する回帰モデルをデプロイしました。リリースから4か月後、ベンダーのファームウェア更新により、3つの入力特徴量でセンサーのサンプリングと単位が変更され、実運用の特徴量分布が乖離しました。現在、18個中5個の特徴量で Population Stability Index (PSI) が0.25を超え、温度の測定値の27%が学習時の範囲外となり、本番環境のRMSEは0.62から1.45に増加しています。本番環境における入力の相違にはどのように対処すべきですか？

あなたは都市交通機関のデータサイエンティストで、再配置の最適化のために各ステーションごとの時間単位のシェアサイクル需要を予測する担当です。 BigQuery の過去の乗車履歴テーブルには、24か月分（約2,200万行）のデータがあり、列は timestamp、station_id、neighborhood、weather_condition（sunny/rainy/snow）、special_event（boolean）、surge_pricing_flag（boolean）です。 週次/季節的パターンを捉えつつ複数のカテゴリ変数を適切に扱い、RMSEを最小化できる BigQuery ML のモデルと特徴量エンジニアリングの最も効果的な組み合わせはどれですか？