FácilMúltipla escolha

Questão de prática de PMLE

Uma empresa deseja prever a rotatividade de clientes usando um conjunto de dados com 10.000 linhas e 20 características. Eles não têm experiência em ML. Qual solução de código baixo (low-code) eles devem usar?

Escolha a melhor resposta.

Resposta correta

  • DVertex AI AutoML Tables

Explicação

O Vertex AI AutoML Tables é a solução de código baixo correta porque permite que usuários sem experiência em ML treinem modelos tabulares de alta qualidade em dados estruturados (10.000 linhas, 20 características) sem escrever código. Ele automatiza a engenharia de características, a seleção de modelos e o ajuste de hiperparâmetros, e fornece uma UI simples para carregar dados e obter previsões. Isso corresponde diretamente ao requisito de uma solução de código baixo e sem experiência para um problema tabular de previsão de rotatividade.

Por que cada alternativa está certa ou errada

A

Incorreta

Kubeflow Pipelines

O Kubeflow Pipelines orquestra fluxos de trabalho de treinamento em containers; ele não fornece seleção automatizada de modelos, manipulação de características ou implantação para não especialistas. É a ferramenta correta quando uma equipe já possui engenheiros de ML que precisam de orquestração de pipeline reprodutível e escalável em vários modelos.

B

Incorreta

Custom TensorFlow model

O TensorFlow exige escrever e ajustar código de treinamento, o que a equipe sem experiência não pode fazer, e não fornece uma interface gerenciada de código baixo. Frameworks personalizados são a escolha certa quando arquiteturas personalizadas ou funções de perda são necessárias além do que um serviço de AutoML oferece.

C

Incorreta

BigQuery ML

O BigQuery ML requer a escrita de instruções SQL CREATE MODEL e a escolha de tipos de modelo, o que excede as necessidades de uma equipe sem experiência em ML; ele atende analistas que já dominam SQL e desejam treinamento dentro do data warehouse. O cenário exige uma ferramenta visual e sem código, como o Vertex AI AutoML.

D

Correta

Vertex AI AutoML Tables

O Vertex AI AutoML Tables atende à restrição de sem experiência: ele seleciona automaticamente algoritmos, projeta características e ajusta hiperparâmetros em dados tabulares, para que a equipe não precise de conhecimento em ML. Ele lida diretamente com 10.000 linhas e 20 características, satisfazendo o requisito de código baixo sem desenvolvimento manual de modelos.

Para se aprofundar

O Vertex AI AutoML Tables treina e ajusta modelos em dados tabulares sem exigir que o usuário selecione algoritmos ou escreva código de treinamento, expondo o fluxo de trabalho por meio do console, gcloud ou Vertex AI SDK. Ele executa automaticamente a engenharia de características, divide os dados e executa a busca de arquitetura, implantando o modelo vencedor em um endpoint para previsão online ou em lote. Uma sutileza: o AutoML Tables requer um mínimo de 1.000 linhas por conjunto de treinamento e um máximo de 100 milhões, e a coluna alvo deve ser categórica ou numérica, de modo que um conjunto de dados de rotatividade de 10.000 linhas e 20 características se encaixa perfeitamente. O BigQuery ML também é de código baixo, mas assume fluência em SQL, enquanto o AutoML Tables é voltado para usuários sem histórico em ML, tornando-o a melhor opção quando a experiência está ausente.

Sobre estas questões de prática

Esta é uma das questões de prática originais de PMLE da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.