Professional-Data-Engineer日本語 無料問題集「Google Certified Professional Data Engineer Exam (Professional-Data-Engineer日本語版)」

（A）データフローの Doffs コードで例外処理ブロックを使用して、変換に失敗したメッセージを副出力を介して新しい Pub/Sub トピックにプッシュします。Cloud Monitoring を使用して、この新しいトピックの topic/num_jnacked_messages_by_region 指標をモニタリングします。

（B）Pub/Sub pull サブスクリプションで確認済みメッセージの保持を有効にします。Cloud Monitoring を使用して、このサブスクリプションの subscription/num_retained_acked_messages 指標をモニタリングします。

（C）Pub/Sub pull サブスクリプションでデッドレターを有効にし、新しい Pub/Sub トピックをデッドレター トピックとして指定します。Cloud Monitoring を使用して、pull サブスクリプションの subscription/dead_letter_message_count 指標をモニタリングします。

（D）Pub/Sub pull サブスクリプションのスナップショットを作成します。Cloud Monitoring を使用して、このスナップショットの snapshot/numessages 指標をモニタリングします。

（A）Google CloudStorageの読み取りと書き込み。 Google CloudLoggingに書き込む

（B）Google CloudStorageに書き込みます。 Google CloudLoggingを読む

（C）Google CloudStorageに対して実行します。 Google CloudLoggingを実行する

（D）Google CloudStorageに対して実行します。 Google CloudLoggingに書き込む

（A）Cloud Bigtable

（B）クラウドデータストア

（C）クラウドSQL

（D）BigQuery

（A）豚

（B）YARN

（C）スパーク

（D）ハイブ

（A）厳選されたデータに基づいてモデルをテストおよび評価し、モデルのパフォーマンスがどの程度優れているかを判断します。

（B）モデルのパフォーマンスを監視し、必要な調整を行います。

（C）モデルを使用して、新しい顧客入力データに対して予測を実行します。

（D）どのデータがテストに使用され、どのデータがモデルのトレーニングに使用されるかを説明します。

（A）既存のデータセットでCloud VisionAutoMLを使用します。

（B）Cloud Vision AutoMLを使用しますが、データセットを2回削減します。

（C）認識のヒントとしてカスタムラベルを提供することにより、Cloud VisionAPIを使用します。

（D）転移学習技術を活用して独自の画像認識モデルをトレーニングします。

（A）プロジェクトレベルのエクスポートシンクを介して、監査ログ用に新しく作成されたプロジェクトのCloudStorageバケットにデータアクセスログをエクスポートします。エクスポートされたログを使用して、プロジェクトへのアクセスを制限します。

（B）プロジェクトレベルのエクスポートシンクを介して、データアナリストのプロジェクトのクラウドストレージバケットにデータアクセスログをエクスポートします。 CloudStorageバケットへのアクセスを制限します。

（C）集約されたエクスポートシンクを介して、監査ログ用に新しく作成されたプロジェクトのCloudStorageバケットにデータアクセスログをエクスポートします。エクスポートされたログを含むプロジェクトへのアクセスを制限します。

（D）各データアナリストのプロジェクトでデータアクセスログを有効にします。 CloudIAMロールを介したStackdriverLoggingへのアクセスを制限します。

（A）最初に店舗ID、次に都市、次に州の上位レベルのクラスター。

（B）トランザクション時間による分割。最初に州ごとにクラスター化し、次に都市、次にストアID

（C）最初に店舗ID、次に都市、次に古いものによるトランザクショントームクラスターによるパーティション化

（D）最初に古い、次に都市、次にストアによるトップレベルのクラスター

（A）ジョブを送信します。

（B）ジョブを一覧表示します。

（C）クラスターを削除します。

（D）クラスターを作成します。

（A）銘柄記号とそれに続くタイムスタンプ

（B）非順次数値ID

（C）連続した数値ID

（D）タイムスタンプとそれに続く銘柄記号

（A）クラウドストレージを使用して、主要なデータ保護基準に準拠します。すべてのユーザーが共有する1つのサービスアカウントを使用する

（B）必要なIDおよびアクセス管理（IAM）の役割をすべての従業員に割り当て、保護リソースにアクセスするための単一のサービスアカウントを作成します

（C）1つのサービスアカウントを使用してCloud SQLデータベースにアクセスし、人間のユーザーごとに個別のサービスアカウントを使用します

（D）クラウドストレージを使用して、主要なデータ保護基準に準拠します。IAMグループに関連付けられた複数のサービスアカウントを使用して、各グループに適切なアクセスを許可します

（A）Data Fusion を使用して ETL パイプラインを構築および実行する

（B）Dataform を使用して、SQL パイプラインを構築、管理、スケジュールします。

（C）Dataflow ジョブを使用して Pub/Sub からデータを読み取り、データを変換し、BigQuery にデータを読み込みます。

（D）Cloud Composer を使用してデータを読み込み、BigQuery ジョブ演算子を使用して SQL パイプラインを実行します。

（A）各キー処理ステップの後に出力シンクを挿入し、各ブロックの書き込みスループットを観察します。

（B）各 ParDo 関数のデバッグ情報をログに記録し、実行時にログを分析します。

（C）各処理ステップの後に Reshuffle オペレーションを挿入し、Dataflow コンソールで実行の詳細を監視します。

（D）Dataflow サービス アカウントに、処理されたデータを出力シンクに書き込むための適切な権限があることを確認します。