PMLE#1(low-code-ai)
小売企業のアナリストが、過去2年分の売上データ（BigQueryに格納済み、約500GB）を用いて翌月の売上を予測するモデルを最短で構築したいと考えています。SQLは扱えますがPythonでのMLパイプライン構築経験はありません。最も適切なアプローチはどれですか。
正解：B
正解の根拠
SQL経験のみのアナリストが、BigQuery上のデータをそのまま使って時系列予測を最短で行う場合、BigQuery MLのARIMA_PLUSモデルが最適です。データ移動が不要でCREATE MODEL文だけで学習・予測まで完結します。
| 観点 | BigQuery ML ARIMA_PLUS |
|---|---|
| 必要スキル | SQLのみ |
| データ移動 | 不要（BQ内で完結） |
| 用途適合 | 時系列予測に最適化 |
不正解の理由
- A: TensorFlowでのカスタム実装はPython経験必須で、最短要件に反します。
- C: Pipelines構築は学習コストが高く、SQLのみのアナリストには過剰です。
- D: データのエクスポート工程が不要であり、表形式AutoMLは時系列特化ではありません。
コメント