MENU
会員登録（無料）
  1. ホーム
  2. 【PMLE】WEB問題集:ローコードAIソリューション編

【PMLE】WEB問題集:ローコードAIソリューション編

WEB問題集

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。

ディスカッション 0

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。

参考：BigQuery ML ARIMA_PLUS チュートリアル

PMLE#2(low-code-ai)

あなたはBigQuery MLでロジスティック回帰モデルを学習しました。学習済みモデルを使い、新しい顧客テーブル new_customers に対してチャーン確率を予測するために実行する関数として正しいものはどれですか。

ディスカッション 0

正解：B

正解の根拠

BigQuery MLで学習済みモデルに対して新しいデータの推論を行うには ML.PREDICT を使用します。SELECT * FROM ML.PREDICT(MODEL my_model, TABLE new_customers) の形式で実行します。

関数用途
ML.PREDICT分類・回帰の推論
ML.FORECAST時系列予測専用
ML.EVALUATEモデル精度評価

不正解の理由

  • A: ML.FORECASTはARIMA系の時系列モデル専用であり、ロジスティック回帰には使えません。
  • C: ML.EVALUATEは評価指標を返す関数で、推論結果は得られません。
  • D: ML.EXPLAINは特徴量寄与度を返す説明関数で、確率予測そのものではありません。

参考：ML.PREDICT 関数リファレンス

PMLE#3(low-code-ai)

ある運送会社が、商品画像から損傷の有無を自動で判別したいと考えています。社内にはMLエンジニアがおらず、ラベル付き画像が約2000枚あります。最も短期間に高精度モデルを得る方法はどれですか。

ディスカッション 0

正解：D

正解の根拠

カスタムラベル（損傷有無）の画像分類で、ML経験が無くノーコードで高精度を得たい場合はVertex AI AutoML Visionが最適です。データをアップロードし学習をクリックするだけでモデルが構築されます。

選択肢適合性
AutoML Visionカスタムラベル対応・ノーコード
Vision API事前定義ラベルのみ

不正解の理由

  • A: スクラッチ学習はML専門知識と長い開発期間を要し、要件に合いません。
  • B: Vision APIは固定ラベルで、損傷有無の独自分類には対応できません。
  • C: 画像内容の特徴を扱うにはピクセル情報が必要で、メタデータだけでは不十分です。

参考：Vertex AI AutoML 画像分類

PMLE#4(low-code-ai)

BigQuery MLで CREATE MODEL を実行する際、モデルの種類を指定するオプションとして正しいものはどれですか。

ディスカッション 0

正解：B

正解の根拠

BigQuery MLのCREATE MODEL構文では、モデル種別をOPTIONS句のmodel_typeに指定します。例：CREATE MODEL `ds.m` OPTIONS(model_type='LOGISTIC_REG') AS SELECT ... のように記述します。

句役割
OPTIONSモデル種別やハイパーパラメータの指定
AS SELECT学習データのクエリ

不正解の理由

  • A: PARAMSはBigQuery MLの構文ではなく、エラーになります。
  • C: WITH句はCTE用であり、モデル種別の指定には使えません。
  • D: USING MODEL TYPEという構文はBigQuery MLには存在しません。

参考：BigQuery ML CREATE MODEL 構文

PMLE#5(low-code-ai)

顧客サポートチームが、問い合わせメール文面を「請求」「技術」「解約」の3カテゴリへ自動分類するモデルを内製したいと考えています。学習用にラベル付きメールが約5000件あります。コーディング工数を最小化したいとき、どのサービスが最適ですか。

ディスカッション 0

正解：C

正解の根拠

独自ラベルでのテキスト分類をノーコードで実装するならVertex AI AutoML Text Classificationが最適です。CSV/JSONLでラベル付きデータを与えるだけで分類モデルが学習されます。

サービスカスタムラベルコード量
AutoML Text可ほぼ不要
Natural Language API不可（事前定義）少

不正解の理由

  • A: エンティティ抽出は単語の意味抽出であり、文書全体の分類には不向きです。
  • B: ルールベースは保守性が低く、5000件の学習データを活用できません。
  • D: スクラッチ構築は工数最小化の要件に反します。

参考：AutoML テキスト分類

前のページ
次のページ