随着时间推移，在 GCP 上改进电子商务推荐 ML 模型。您应该怎么做？

正确答案是“将推荐请求和结果保留在 BigQuery 中，用作训练数据”。持续改进机器学习模型需要不断地用新数据重新训练模型。将推荐请求和结果存储在 BigQuery 中，可以方便地收集用户行为数据，这些数据是改进推荐模型效果的关键。这些数据可以作为新的训练数据，帮助模型学习最新的用户偏好和趋势，从而提高推荐的准确性和相关性。 将 Cloud ML Engine 性能指标导出到 BigQuery 主要用于性能分析，而非直接改进模型训练数据。将模型训练从 Cloud GPU 迁移到 Cloud TPU 可能提高训练速度，但不直接解决模型数据质量和新鲜度问题。监控 Compute Engine CPU 架构更新并重新部署模型，更多是关于基础设施优化，与模型本身的改进关系不大。