最新的Google Professional-Data-Engineer日本語免費考試真題

問題1

AI モデルに広告データを提供するには広告データが必要で、分析には履歴データが必要です。ロングテールと外れ値のデータポイントを識別する必要があります。AI モデルを実行する前に、ほぼリアルタイムでデータをクレンジングする必要があります。どうすればよいですか?

A. Cloud Storage をデータウェアハウスシェルスクリプトとして使用して処理し、BigQuery を使用して目的のデータセットのビューを作成します。

B. Cloud Composer を使用してロングテールと外れ値のデータポイントを識別し、使用可能なデータセットを BigQuery に出力します。

C. BigQuery を使用してデータを取り込み、準備し、分析し、クエリを実行してビューを作成します。

D. Dataflow を使用して、BigQuery をシンクとしてプログラムでロングテールおよびアウトバーのデータポイントを識別します。

正確答案: C

問題2

名前や住所などの機密情報を含む顧客データを含む BigQuery テーブルがあります。顧客データをデータ分析チームおよび消費者サポートチームと安全に共有する必要があります。データ分析チームはすべての顧客のデータにアクセスする必要がありますが、機密データにはアクセスできないようにする必要があります。消費者サポートチームはすべてのデータ列にアクセスする必要がありますが、契約が無効になった顧客にはアクセスできないようにする必要があります。承認済みデータセットとポリシータグを使用して、これらの要件を適用しました。これらの手順を実装した後、データ分析チームから、機密列にまだアクセスできることが報告されました。データ分析チームが制限されたデータにアクセスできないようにする必要があります。どうすればよいですか?
2つの回答を選択してください

A. ポリシータグ分類でアクセス制御を適用します。

B. 承認されたデータセットのデータ分析チームから bigquery.dataViewer ロールを削除します。

C. データ分析チームのメンバーに、ポリシータグに対する Data Catalog Fine-Grained Reader ロールがないことを確認します。

D. 承認されたデータセットを承認されたビューに置き換えます。行レベルのセキュリティを使用し、filter_ 式を適用してデータアクセスを制限します。

E. 承認済みのデータセットを 2 つ別々に作成します。1 つはデータ分析チーム用、もう 1 つはコンシューマーサポートチーム用です。

正確答案: A,C

說明：（僅 Fast2test 成員可見）

問題3

組織全体のデータセットを準備しています。Cloud Storage の制限付きバケットに保存されている顧客データを前処理する必要があります。このデータは消費者分析を作成するために使用されます。特定の機密データ要素を保護するなど、データプライバシー要件に従う必要がありますが、同時に将来の潜在的なユースケースのためにすべてのデータを保持する必要があります。どうすればよいでしょうか。

A. Cloud Data Loss Prevention API と Dataflow を使用して、Cloud Storage のデータから機密フィールドを検出して削除します。フィルタリングされたデータを BigQuery に書き込みます。

B. Dataflow と Cloud KMS を使用して機密フィールドを暗号化し、暗号化されたデータを BigQuery に書き込みます。最小権限の原則に従って暗号化キーを共有します。

C. 顧客管理の暗号鍵 (CMEK) を使用して、Cloud Storage 内のデータを直接暗号化します。BigQuery からの連携クエリを使用します。最小権限の原則に従って暗号鍵を共有します。

D. Dataflow と Cloud Data Loss Prevention API を使用して機密データをマスクします。処理されたデータを BigQuery に書き込みます。

正確答案: D

說明：（僅 Fast2test 成員可見）

問題4

あなたのチームは、Google Cloud 上にデータレイクプラットフォームを構築しています。データ基盤設計の一環として、すべての生データを Cloud Storage に保存することを計画しています。1 日に約 25 GB のデータが取り込まれると予想されており、請求部門は古いデータを保存するコストの増加を懸念しています。現在のビジネス要件は次のとおりです。
* 古いデータはいつでも削除できます
* 視覚化レイヤーを現在のレポートと過去のレポートに使用することを計画している
* 古いデータはアクセスするとすぐに利用可能になる
* データの取得には料金はかかりません。
コストを最適化するにはどうすればよいでしょうか?

A. オブジェクトライフサイクル管理ポリシーを作成し、30 日以上経過したデータのストレージクラスを nearlme、45 日以上経過したデータのストレージクラスを coldline、60 日以上経過したデータのストレージクラスに変更します。必要に応じて古いデータを削除します。

B. Autoclass ストレージクラス機能を使用してバケットを作成します。

C. オブジェクトライフサイクル管理ポリシーを作成し、30 日以上経過したデータのストレージクラスをコールドライン、90 日以上経過したデータのストレージクラスをニアラインに変更します。365 日以上経過したデータのストレージクラスをアーカイブに変更し、必要に応じて古いデータを削除します。

D. オブジェクトライフサイクル管理ポリシーを作成し、30 日以上経過したデータのストレージクラスをニアライン、90 日以上経過したデータのストレージクラスをコールドライン、365 日以上経過したデータのストレージクラスに変更します。必要に応じて古いデータを削除します。

正確答案: D

說明：（僅 Fast2test 成員可見）

問題5

あなたのスタートアップは、現在アジアの単一地域にサービスを提供しているウェブアプリケーションを運用しています。世界中の顧客にサービスを提供できるよう、資金調達を目指しています。現在の目標はコストの最適化で、資金調達後の目標はグローバル展開とパフォーマンスの最適化です。ネイティブJDBCドライバーを使用する必要があります。どうすればよいでしょうか？

A. 最初に Cloud SQL for PostgreSQL ゾーンインスタンスを使用し、資金を確保した後で米国、ヨーロッパ、アジアで Bigtable を使用します。

B. まず、Cloud SQL for PostgreSQLの高可用性インスタンスを使用し、米国、ヨーロッパ、アジアのBigTableレプリケーションで資金を確保します。

C. 最初に Cloud SOL for PostgreSQL ゾーンインスタンスを使用し、資金を確保した後は高可用性構成の Cloud SOL for PostgreSQL を使用します。

D. 最初に Cloud Spanner を使用して単一リージョンインスタンスを構成し、資金を確保した後でマルチリージョン Cloud Spanner インスタンスを構成します。

正確答案: D

說明：（僅 Fast2test 成員可見）

問題6

BigQueryのML.GENERATE_TEXT関数を使って、新製品発売に向けたマーケティング資料を作成しています。問題は、AIが製品に必ずしも関連しないランダムなテキストを生成することです。マーケティングコピーを生成するための出力を改善する最も簡単な方法を探しています。どうすればよいでしょうか？

A. ML.GENERATE_TEXT の温度設定にさまざまな値を試します。

B. 製品機能のデータセット上で、より特化した言語モデルを微調整します。

C. ML.GENERATE_TEXT の top_p 設定にさまざまな値を試します。

D. 類似製品の製品説明の例をプロンプトに表示します。

正確答案: A

說明：（僅 Fast2test 成員可見）

問題7

複数のGoogle Cloudサービスでパイプラインをオーケストレーションする必要があります。まずバッチDataflowジョブ、次にBigQueryクエリジョブ、そしてVertex AIバッチ予測です。ロジックはシーケンシャルです。運用オーバーヘッドを最小限に抑えた、軽量でサーバーレスなオーケストレーションソリューションが必要です。どのサービスを使用すべきでしょうか？

A. Cloud Workflows を選択します。

B. cron で Compute Engine を選択します。

C. Cloud Composer を選択します。

D. Apache Oozie を使用した Dataproc を選択します。

正確答案: A

說明：（僅 Fast2test 成員可見）

問題8

Cloud Machine Learning Engine ではどのソフトウェアライブラリがサポートされていますか?

A. テンソルフロー

B. Theano と TensorFlow

C. TensorFlow と Torch

D. テアノとトーチ

正確答案: A

說明：（僅 Fast2test 成員可見）

問題9

組織内の各分析チームは、独自のプロジェクトで BigQuery ジョブを実行しています。各チームがプロジェクト内のスロットの使用状況を監視できるようにしたいと考えています。どうすればよいでしょうか。

A. BigQuery メトリック slots/allocated_for_project に基づいて Stackdriver Monitoring ダッシュボードを作成する

B. BigQuery メトリック query/scanned_bytes に基づいて Stackdriver Monitoring ダッシュボードを作成する

C. 組織レベルで集約されたログエクスポートを作成し、BigQuery ジョブ実行ログをキャプチャし、totalSlotMs に基づいてカスタム指標を作成し、カスタム指標に基づいて Stackdriver Monitoring ダッシュボードを作成します。

D. 各プロジェクトのログエクスポートを作成し、BigQuery ジョブ実行ログをキャプチャし、totalSlotMs に基づいてカスタム指標を作成し、カスタム指標に基づいて Stackdriver Monitoring ダッシュボードを作成します。

正確答案: C

問題10

サードパーティから毎月CSV形式のデータファイルを受け取ります。このデータをクレンジングする必要がありますが、ファイルのスキーマは3ヶ月ごとに変更されます。これらの変換を実装するための要件は次のとおりです。
スケジュールに従って変換を実行する
開発者以外のアナリストが変換を変更できるようにする
変換を設計するためのグラフィカルツールの提供
何をすべきでしょうか?

A. 各月のCSVデータをBigQueryに読み込み、SQLクエリを記述してデータを標準スキーマに変換します。変換されたテーブルをSQLクエリで結合します。

B. Cloud Dataprep を使用して変換レシピを構築および維持し、スケジュールに従って実行します。

C. Cloud Dataproc 上の Apache Spark を使用して、データフレームを作成する前に CSV ファイルのスキーマを推測します。次に、データを Cloud Storage に書き出して BigQuery に読み込む前に、Spark SQL で変換を実装します。

D. アナリストが変換を実行するためのPythonでCloud Dataflowパイプラインを作成できるよう支援します。Pythonコードはリビジョン管理システムに保存し、入力データのスキーマ変更に応じて修正する必要があります。

正確答案: B

最新的Google Certified Professional Data Engineer Exam (Professional-Data-Engineer日本語版) - Professional-Data-Engineer日本語免費考試真題

聯系我們

站內鏈接

最新更新