問題集を購入するなら最新の2022年01月09日 Professional-Data-Engineer日本語試験問題と解答PDFで一年間無料更新
時間限定無料ダウンロード！最新のProfessional-Data-Engineer日本語問題集で2022年最新のProfessional-Data-Engineer日本語試験問題
質問 133
あなたの会社の事業主はあなたに銀行取引のデータベースを与えました。各行には、ユーザーID、トランザクションタイプ、トランザクションの場所、およびトランザクションの金額が含まれています。データに適用できる機械学習の種類を調査するように求められます。どの3つの機械学習アプリケーションを使用できますか？ （3つ選択してください。）
- A. トランザクションの場所を予測するための教師あり学習。
- B. トランザクションの場所を予測するための教師なし学習。
- C. どのトランザクションが不正である可能性が最も高いかを判断するための教師なし学習。
- D. どのトランザクションが不正である可能性が最も高いかを判断するための教師あり学習。
- E. 機能の類似性に基づいてトランザクションをN個のカテゴリに分割するクラスタリング。
- F. トランザクションの場所を予測するための強化学習。
正解: C,E,F
質問 134
外部の顧客は、データベースからのデータの毎日のダンプを提供します。データは、カンマ区切り値（CSV）ファイルとしてGoogle Cloud StorageGCSに流れ込みます。このデータをGoogleBigQueryで分析したいのですが、データの行が正しくフォーマットされていないか、破損している可能性があります。このパイプラインをどのように構築する必要がありますか？
- A. gcloud CLIを使用してデータをBigQueryにインポートし、max_bad_recordsを0に設定します。
- B. Google StackdriverでBigQueryモニタリングを有効にして、アラートを作成します。
- C. Google Cloud Dataflowバッチパイプラインを実行してデータをBigQueryにインポートし、分析のためにエラーを別の配信不能テーブルにプッシュします。
- D. 連合データソースを使用し、SQLクエリのデータを確認します。
正解: C
質問 135
Cloud Dataprocは、マネージドApacheHadoopおよびApache_____サービスです。
- A. 火
- B. イグナイト
- C. スパーク
- D. ブレイズ
正解: C
解説:
Explanation
Cloud Dataproc is a managed Apache Spark and Apache Hadoop service that lets you use open source data tools for batch processing, querying, streaming, and machine learning.
Reference: https://cloud.google.com/dataproc/docs/
質問 136
あなたの会社は、リアルタイムのセンサーデータを工場のフロアからBigtableにストリーミングしていますが、パフォーマンスが非常に低いことに気づきました。リアルタイムダッシュボードに入力するクエリでBigtableのパフォーマンスを向上させるには、行キーをどのように再設計する必要がありますか？
- A. <timestamp>形式の行キーを使用します。
- B. >＃<sensorid>＃<timestamp>の形式の行キーを使用します。
- C. <timestamp>＃<sensorid>の形式の行キーを使用します。
- D. <sensorid>形式の行キーを使用します。
正解: B
質問 137
コンピューターのWebブラウザーからCloudDataprocクラスターにWebトラフィックデータを安全に転送するには、a（n）_____を使用する必要があります。
- A. 専用ブラウザ
- B. FTP接続
- C. SSHトンネル
- D. VPN接続
正解: C
解説:
Explanation
To connect to the web interfaces, it is recommended to use an SSH tunnel to create a secure connection to the master node.
Reference:
https://cloud.google.com/dataproc/docs/concepts/cluster-web-interfaces#connecting_to_the_web_interfaces
質問 138
これらのソースのうち、BigQueryにデータを読み込めないのはどれですか？
- A. Google Cloud SQL
- B. ファイルのアップロード
- C. Google Cloud Storage
- D. Googleドライブ
正解: A
解説:
Explanation
You can load data into BigQuery from a file upload, Google Cloud Storage, Google Drive, or Google Cloud Bigtable. It is not possible to load data into BigQuery directly from Google Cloud SQL. One way to get data from Cloud SQL to BigQuery would be to export data from Cloud SQL to Cloud Storage and then load it from there.
Reference: https://cloud.google.com/bigquery/loading-data
質問 139
Cloud Bigtableは、非常に大量のデータを保存するための推奨オプションです。
____________________________？
- A. レイテンシが非常に高いマルチキーデータ
- B. レイテンシが非常に低いシングルキーデータ
- C. レイテンシが非常に高いシングルキーデータ
- D. レイテンシが非常に短いマルチキーデータ
正解: B
解説:
Explanation
Cloud Bigtable is a sparsely populated table that can scale to billions of rows and thousands of columns, allowing you to store terabytes or even petabytes of data. A single value in each row is indexed; this value is known as the row key. Cloud Bigtable is ideal for storing very large amounts of single-keyed data with very low latency. It supports high read and write throughput at low latency, and it is an ideal data source for MapReduce operations.
Reference: https://cloud.google.com/bigtable/docs/overview
質問 140
あなたの会社は、カンマ区切り値（CSV）ファイルをGoogleBigQueryに読み込んでいます。データは完全に正常にインポートされます。ただし、インポートされたデータは、バイトごとにソースファイルと一致していません。この問題の最も可能性の高い原因は何ですか？
- A. BigQueryに読み込まれたCSVデータは、BigQueryのデフォルトのエンコーディングを使用していません。
- B. BigQueryに読み込まれたCSVデータにはCSVのフラグが付けられていません。
- C. CSVデータに、インポート時にスキップされた無効な行があります。
- D. CSVデータはBigQueryに読み込まれる前にETLフェーズを通過していません。
正解: A
質問 141
3つの診療所の数百人の患者を対象とするパイロットプロジェクトとして、患者記録のデータベースを設計しました。
設計では、単一のデータベーステーブルを使用してすべての患者とその訪問を表し、自己結合を使用してレポートを生成しました。サーバーリソースの使用率は50％でした。それ以来、プロジェクトの範囲は拡大しました。
データベースには、100倍以上の患者記録を保存する必要があります。レポートに時間がかかりすぎるか、計算リソースが不十分なためにエラーが発生したため、レポートを実行できなくなりました。データベース設計をどのように調整する必要がありますか？
- A. データベースサーバーに200のオーダーで容量（メモリとディスク容量）を追加します。
- B. クリニックごとに1つずつ、テーブルを小さなテーブルに分割します。小さいテーブルペアに対してクエリを実行し、統合レポートに共用体を使用します。
- C. マスター患者記録テーブルを患者テーブルと訪問テーブルに正規化し、自己結合を回避するために他の必要なテーブルを作成します。
- D. 日付範囲に基づいてテーブルを小さいテーブルに分割し、事前に指定された日付範囲のレポートのみを生成します。
正解: C
質問 142
2PBの履歴データをオンプレミスストレージアプライアンスからクラウドストレージに6か月以内に移動する必要があり、アウトバウンドネットワーク容量は20Mb /秒に制限されています。このデータをクラウドストレージにどのように移行する必要がありますか？
- A. gsutil cpとともにトリクルまたはイオニスを使用して、gsutilが使用する帯域幅の量を20 Mb /秒未満に制限し、本番トラフィックに干渉しないようにします。
- B. 履歴データのプライベートURLを作成し、ストレージ転送サービスを使用してデータをクラウドストレージにコピーします
- C. TransferApplianceを使用してデータをCloudStorageにコピーします
- D. gsutil cp -Jを使用して、CloudStorageにアップロードされているコンテンツを圧縮します
正解: C
質問 143
組織サンプルに関する情報のデータベースを使用して、将来の組織サンプルを正常または変異として分類する必要があります。組織サンプルを分類するための教師なし異常検出方法を評価しています。この方法をサポートする2つの特性はどれですか？ （2つ選択してください。）
- A. データベースには、正常なサンプルと変異したサンプルの両方がほぼ同じように出現します。
- B. 将来の変異には、データベース内の変異したサンプルとは異なる機能があると予想されます。
- C. サンプルが変更され、データベース内で正常なラベルが既にあります。
- D. 正常なサンプルと比較して突然変異の発生は非常に少ないです。
- E. 将来の変異には、データベース内の変異したサンプルと同様の機能があると予想されます。
正解: A,B
質問 144
時系列トランザクションデータをコピーするデータパイプラインを作成して、分析のためにデータサイエンスチームがBigQuery内からクエリを実行できるようにする必要があります。 1時間ごとに、何千ものトランザクションが新しいステータスで更新されます。初期データセットのサイズは1.5PBで、1日あたり3TBずつ増加します。データは高度に構造化されており、データサイエンスチームはこのデータに基づいて機械学習モデルを構築します。データサイエンスチームのパフォーマンスと使いやすさを最大化する必要があります。どの2つの戦略を採用する必要がありますか？
2つの答えを選択してください。
- A. ステータスの更新が更新される代わりにBigQueryに追加されるデータパイプラインを開発します。
- B. データの構造を可能な限り維持します。
- C. BigQuery UPDATEを使用して、データセットのサイズをさらに縮小します。
- D. トランザクションデータの毎日のスナップショットをCloud Storageにコピーし、Avroファイルとして保存します。クエリを実行するには、外部データソースに対するBigQueryのサポートを使用します。
- E. 可能な限りデータを非正規化します。
正解: D,E
質問 145
天気アプリは15分ごとにデータベースにクエリを実行して、現在の気温を取得します。フロントエンドは、Google AppEngineとサーバーの数百万のユーザーによって強化されています。データベース障害に対応するためにフロントエンドをどのように設計する必要がありますか？
- A. データベースがオンラインに戻るまで、クエリの頻度を1時間に1回に減らします。
- B. コマンドを発行してデータベースサーバーを再起動します。
- C. データの古さを最小限に抑えるために、オンラインに戻るまでクエリを1秒ごとに再試行します。
- D. 最大15分の上限で、指数バックオフを使用してクエリを再試行します。
正解: D
解説:
Explanation
https://cloud.google.com/sql/docs/mysql/manage-connections#backoff
質問 146
グローバルに配布されているオークションアプリケーションを使用すると、ユーザーはアイテムに入札できます。時折、ユーザーはほぼ同じ時間に同じ入札を行い、異なるアプリケーションサーバーがそれらの入札を処理します。各入札イベントには、アイテム、金額、ユーザー、およびタイムスタンプが含まれます。これらの入札イベントをリアルタイムで1つの場所に照合して、どのユーザーが最初に入札したかを判断する必要があります。あなたは何をするべきか？
- A. 共有ファイルにファイルを作成し、アプリケーションサーバーにすべての入札イベントをそのファイルに書き込ませます。 Apache Hadoopでファイルを処理して、最初に入札したユーザーを特定します。
- B. 入札イベントを書き込むアプリケーションサーバーごとにMySQLデータベースを設定します。これらの分散MySQLデータベースのそれぞれに定期的にクエリを実行し、入札イベント情報でマスターMySQLデータベースを更新します。
- C. 各アプリケーションサーバーに、発生時に入札イベントをGoogle Cloud Pub / Subに書き込んでもらいます。プルサブスクリプションを使用して、Google CloudDataflowを使用して入札イベントをプルします。最初に処理される入札イベントで、各アイテムの入札をユーザーに提供します。
- D. 各アプリケーションサーバーに、発生時に入札イベントをCloud Pub / Subに書き込んでもらいます。 Cloud Pub / Subから、入札イベント情報をCloudSQLに書き込むカスタムエンドポイントにイベントをプッシュします。
正解: B
質問 147
機械学習データセットをトレーニングデータとテストデータに分割する必要があるのはなぜですか？
- A. コードで単体テストを作成できるようにするため
- B. つまり、ワイドモデルに1つのデータセットを使用し、ディープモデルに1つのデータセットを使用できます。
- C. 2つの異なる機能セットを試すことができます
- D. モデルがトレーニングデータだけでなく一般化されていることを確認する
正解: D
解説:
Explanation
The flaw with evaluating a predictive model on training data is that it does not inform you on how well the model has generalized to new unseen data. A model that is selected for its accuracy on the training dataset rather than its accuracy on an unseen test dataset is very likely to have lower accuracy on an unseen test dataset. The reason is that the model is not as generalized. It has specialized to the structure in the training dataset. This is called overfitting.
Reference: https://machinelearningmastery.com/a-simple-intuition-for-overfitting/
質問 148
Dataprocクラスターには多くの構成ファイルが含まれています。これらのファイルを更新するには、-propertiesオプションを使用する必要があります。オプションの形式は、file_prefix：property = _____です。
- A. id
- B. 値
- C. 詳細
- D. null
正解: B
解説:
Explanation
To make updating files and properties easy, the --properties command uses a special format to specify the configuration file and the property and value within the file that should be updated. The formatting is as follows: file_prefix:property=value.
Reference: https://cloud.google.com/dataproc/docs/concepts/cluster-properties#formatting
質問 149
Bigtableアクセスロールに関して正しくない説明は次のうちどれですか？
- A. プロジェクト内の1つのテーブルのみへのアクセスをユーザーに許可するには、そのテーブルのBigtableエディターロールをユーザーに付与します。
- B. プロジェクト内の1つのテーブルのみへのアクセスをユーザーに許可するには、アプリケーションを介してアクセスを構成する必要があります。
- C. IAMロールを使用して、プロジェクト内のすべてのテーブルではなく、プロジェクト内の1つのテーブルのみへのアクセスをユーザーに許可することはできません。
- D. アクセス制御はプロジェクトレベルでのみ構成できます。
正解: A
解説:
Explanation
For Cloud Bigtable, you can configure access control at the project level. For example, you can grant the ability to:
Read from, but not write to, any table within the project.
Read from and write to any table within the project, but not manage instances.
Read from and write to any table within the project, and manage instances.
Reference: https://cloud.google.com/bigtable/docs/access-control
質問 150
......
検証済みのProfessional-Data-Engineer日本語問題集と解答で一年間無料最速更新：https://www.jpntest.com/shiken/Professional-Data-Engineer-JPN-mondaishu