「Lv027」の記事一覧

【シナリオ】`ALS` モデルの学習において、ユーザーやアイテムのIDが文字列（UUIDなど）であるため、直接ALSに入力できない。パイプライン内でこれを処理する最も効率的な方法はどれか。

【シナリオ】本番の推論ジョブにおいて、使用するモデルのバージョンを「最新のProduction」に自動追従させたいが、意図しないバージョンアップによる事故も防ぎたい。バランスの取れたアプローチはどれか。

【シナリオ】Feature Storeの特徴量テーブルに、外部キーとして `user_id` と `session_id` の複合キー（Composite Key）を設定したい。`create_table` での正しい指定方法はどれか。

【シナリオ】機械学習の特徴量テーブルとしてDeltaテーブルを使用しているが、頻繁な更新によりストレージコストが急増している。タイムトラベルの要件は「過去2日分」だけである。コスト削減のために設定すべきテーブルプロパティはどれか。

【シナリオ】Hyperoptでの探索中、あるパラメータの組み合わせでメモリエラーが発生し、Sparkタスクが失敗した。探索全体を停止させず、その試行だけを「失敗」として扱い、探索を継続させるにはどうすればよいか。

【シナリオ】監視対象のモデルが「画像の物体検出モデル」であり、表形式データのような統計的ドリフト（平均値のズレなど）が定義しづらい。画像の入力変化を監視するためのアプローチとして適切なものはどれか。

【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。