SQL 전처리를 사용하여 BigQuery ML 모델을 훈련하지만, 원시(raw) 및 변환되지 않은 입력에 대해 예측을 실행할 것입니다. 예측 시 데이터 불균형(data skew)을 피하려면 훈련과 예측을 어떻게 구성해야 할까요?

정답은 BigQuery ML의 TRANSFORM 절을 사용하여 훈련 시 전처리 단계를 정의하고, 예측 시에는 원시 입력에 대해 ML.PREDICT (문제에서 ML.EVALUATE로 잘못 언급되었지만, 예측을 위한 올바른 함수는 ML.PREDICT임)를 사용하는 것입니다. TRANSFORM 절은 훈련 및 예측 시 동일한 전처리 로직을 자동으로 적용하여 훈련-예측 스큐를 방지합니다. 오답 설명: 두 번째 옵션은 예측 전에 수동으로 데이터를 변환하도록 요구하므로, TRANSFORM 절의 자동화된 이점을 상실하고 수동 오류 가능성을 높입니다. 세 번째 옵션은 뷰를 사용하지만, 뷰는 모델의 일부가 아니므로 예측 시 동일한 변환이 자동으로 적용되지 않아 훈련-예측 스큐가 발생할 수 있습니다. 네 번째 옵션은 Dataflow를 사용하여 전처리하지만, 이는 BigQuery ML의 통합된 TRANSFORM 기능의 이점을 활용하지 못하며, 예측 시 수동 전처리 파이프라인을 유지해야 하는 복잡성을 추가합니다.