Tıklama oranı tahmini için Spark ML modelleriniz var ve eğitim sürecini BigQuery'den eğitim verilerini okuyarak Google Cloud'a lift-and-shift yapmanız gerekiyor. Ne yapmalısınız?
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: Mevcut Spark ML modellerini eğitmek için Dataproc kullanın ve verileri doğrudan BigQuery'den okuyun.
Neden bu cevap
Doğru cevap, mevcut Spark ML modellerini eğitmek için Dataproc kullanmak ve verileri doğrudan BigQuery'den okumaktır. Dataproc, Google Cloud'da Spark iş yüklerini çalıştırmak için yönetilen bir hizmettir ve mevcut Spark ML modellerinizi minimum değişiklikle kullanmanıza olanak tanır. BigQuery'den doğrudan veri okuma yeteneği, verileri dışa aktarma ihtiyacını ortadan kaldırarak süreci basitleştirir ve verimliliği artırır. Diğer seçenekler neden yanlış: Mevcut Spark ML modellerini eğitmek için Vertex AI kullanmak: Vertex AI, genellikle TensorFlow veya PyTorch gibi çerçevelerle oluşturulmuş modeller için tasarlanmış yönetilen bir ML platformudur. Doğrudan Spark ML modellerini çalıştırmak için optimize edilmemiştir. Modelleri TensorFlow'da yeniden yazmak ve Vertex AI kullanmak: Bu, modelleri yeniden yazmak için önemli bir çaba gerektirecektir ve lift-and-shift stratejisiyle uyumlu değildir. Compute Engine üzerinde bir Spark kümesi sağlamak ve BigQuery'den dışa aktarılan veriler üzerinde eğitim yapmak: Bu, Dataproc'a kıyasla daha fazla yönetim yükü getirir ve verileri BigQuery'den dışa aktarmak, doğrudan okumaya göre daha az verimlidir.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez