HOME
Google Cloud Professional Machine Learning Engineer

「Google Cloud Professional Machine Learning Engineer」の記事一覧

BigQuery MLで学習したモデルをCloud Storageにエクスポートする際、デフォルトで生成される主なディレクトリ構成はどれか。

BigQuery MLは、他のGoogle Cloudサービスと互換性の高いSavedModel形式でエクスポートを行います。

2026年3月11日

回帰モデルの評価指標で、モデルの予測が平均値による予測に対してどれだけ優れているかを示す、0から1の範囲をとる指標はどれか。

R-squaredは1に近いほどモデルの説明力が高く、0は平均値で予測するのと同等の性能であることを示します。

2026年3月11日

Vertex AI Endpointで「スケーリング」を管理する際、最小ノード数を1以上に設定する最大の理由はどれか。

最小ノードを確保しておくことで、常にリクエストを処理可能な状態を維持し応答時間を安定させます。

2026年3月11日

Google Cloudで機械学習パイプラインを構築する際、TFX（TensorFlow Extended）がKubeflow Pipelines（KFP）よりも適している主な理由はどれか。

TFXは本番レベルのMLシステムに必要なコンポーネントが事前に定義されており、高い信頼性を提供します。

2026年3月11日

Cloud Dataflowにおいて、パイプラインの実行中にワーカー間で共有される一時的な変数（カウンターなど）を定義する機能はどれか。

Metricsを使用すると、処理された行数やエラー数などをパイプラインの実行中にモニタリングできます。

2026年3月11日

時系列予測において、過去の「t-1, t-2…」の値を特徴量として追加する処理を何と呼ぶか。

ラグ特徴量は過去の状態を直接入力に含めることで、モデルが時間的なトレンドや周期性を捉える助けとなり…

2026年3月11日

Vertex AIで大規模なTransformerモデルを学習する際、メモリ不足を回避するためにモデルを複数のデバイスに分割して配置する手法はどれか。

1つのGPUに収まらない巨大なモデルは、層ごとに異なるGPUへ分割して配置する必要があります。

2026年3月11日

継続的トレーニング（CT）において、新しいデータの到着をトリガーにパイプラインを動かすために使用されるイベントハブはどれか。

データのアップロードをPub/Subで検知し、Cloud Functions経由でパイプラインを起動するのが一般的な構成…

2026年3月11日

特徴量エンジニアリングにおいて、緯度と経度の情報を特定のサイズの「タイル」や「ハッシュ」に変換する手法を何と呼ぶか。

連続的な位置情報を離散的なエリアIDに変換することで、機械学習モデルが空間的な特徴を扱いやすくなりま…

2026年3月11日

画像生成タスクにおいて、潜在空間から画像を生成する際に「自己アテンション」を導入したCNN（SAGAN）の主な効果はどれか。

通常のCNNは局所的な特徴に強い一方、アテンションを導入することで画像全体の整合性を保ちやすくなります…

2026年3月11日