「Databricks Certified Machine Learning Professional」の記事一覧

【シナリオ】AutoMLを実行したいが、データセットが非常に大きく（数TB）、タイムアウト内に終わらない可能性が高い。サンプリング（Downsampling）を行わずに、全データを使用して学習させるための適切な戦略はどれか。

【シナリオ】Model Servingエンドポイントのレスポンスに、デバッグ用の追加情報（例：使用された特徴量のバージョン）を含めたい。これを実現するカスタムモデルの実装方法はどれか。

【シナリオ】Spark MLlibの `GMM` (Gaussian Mixture Model) を使用してクラスタリングを行っているが、初期値によって結果が大きく変動してしまう。結果の安定性を高めるために調整すべきパラメータはどれか。

【シナリオ】Databricks上で、複数のGPUノードを使用して巨大な言語モデル（LLM）のファインチューニングを行いたい。DeepSpeedやMegatron-LMのような技術を簡単に適用するために、推奨されるDatabricksのライブラリ/構成はどれか。

【シナリオ】Feature Storeで、ストリーミングソース（Kafka等）からリアルタイムに特徴量を計算し、オンラインストアへ書き込みたい。これを実現するために使用するFeature StoreのAPIはどれか。

【シナリオ】数千の並列タスクを実行し、それぞれがMLflowにメトリクスをログする大規模な分散処理において、「APIレート制限」のエラーが頻発している。コードを変更せずにこの負荷を軽減する設定はどれか。

【シナリオ】Hyperoptでのパラメータ探索において、特定のパラメータ（例：`num_layers`）が探索範囲の境界値（上限または下限）に張り付いていることがわかった。次に取るべきアクションはどれか。

【シナリオ】複数のジョブ（A, B, C）があり、A -> B -> C の順で実行したいが、これらは別々のチームが管理しており、1つのジョブ定義にまとめることができない。これを疎結合に連携させる方法はどれか。

【シナリオ】Deltaテーブルの履歴が肥大化し、メタデータの読み込みが遅くなっている。過去の履歴を保持しつつ、最新のスナップショットのクエリパフォーマンスを改善するために定期的に実行すべきコマンドはどれか。

【シナリオ】監視ダッシュボードで「特定のモデルバージョンだけエラー率が高い」ことがわかった。この原因が「特定の入力データパターン」に起因するかどうかを調査するために、Inference Tableに対してどのようなクエリを実行すべきか。