【PMLE】WEB問題集:モデル学習とプロトタイピング編

WEB問題集

PMLE#1(training-prototyping)

データサイエンティストが Jupyter ノートブックで PoC を実施したいと考えています。組織のセキュリティ要件として、ノートブック VM への SSH は無効化し、IAM のみで権限を制御する必要があります。最小運用負荷で要件を満たす選択肢はどれですか。

A. Cloud Shell の Jupyter プレビュー機能を使い、各ユーザのホームディレクトリを共有して PoC 環境として運用します
B. Compute Engine 上に JupyterHub を自前で構築したうえで、OS Login を無効化して鍵認証を強制する運用にします
C. User-managed Notebooks を作成し、SSH キーを VM のメタデータに登録して開発者個別に配布する運用にします
D. Vertex AI Workbench Instances を作成し、IAM で gcloud workbench instances start などの権限を付与します

正解と解説ディスカッション 0

正解：D

正解の根拠

Vertex AI Workbench Instances (managed) は IAM ベースで起動・接続を制御でき、SSH を介さずブラウザから JupyterLab に接続できます。アイドルシャットダウンや IAP 経由のプロキシも標準提供されます。

項目	Workbench Instances
接続	IAP プロキシ経由のブラウザ
権限	IAM ロール

不正解の理由

B は構築・運用負荷が大きく PoC 向きではありません
C は SSH 鍵を使うため要件に反します
D は GPU や永続環境が制限され PoC に不向きです

参考：Workbench Instances 概要

PMLE#2(training-prototyping)

チームで TensorFlow 2 の学習スクリプトを Vertex AI Custom Training で実行します。コンテナ作成の手間を避けつつ、特定の TensorFlow 2.15 バージョンを利用したい場合に最適なアプローチはどれですか。

A. 自前で Dockerfile を書き Artifact Registry に push してから Custom Job を作成し、TensorFlow 2.15 のインストール手順もすべて自分で記述して維持します
B. Deep Learning VM Image を Compute Engine に展開して学習を実行し、ジョブ管理やオートスケールも自前で構築する運用方針に切替えます
C. Pre-built training container の TensorFlow 2.15 用イメージを worker pool 仕様で指定します
D. AutoML Tabular で TensorFlow バージョンを指定して学習させ、独自の学習スクリプトもそのまま渡して実行する構成で TF 2.15 を利用します

正解と解説ディスカッション 0

正解：C

正解の根拠

Vertex AI には TensorFlow / PyTorch / scikit-learn / XGBoost 用の事前ビルド済み学習コンテナが提供されており、コンテナ作成不要でバージョン指定の学習が可能です。

項目	Pre-built container
用途	主要フレームワークの定型学習
運用	イメージ URI を指定するだけ

不正解の理由

B は Vertex AI のマネージド機能を活用できません
C は要件を満たすが手間が増えます
D は AutoML でフレームワーク指定はできません

参考：Pre-built containers

PMLE#3(training-prototyping)

独自の C++ 拡張を含む PyTorch モデルを Vertex AI Training で実行する必要があります。事前ビルドコンテナでは依存関係を満たせません。推奨される手順はどれですか。複数選択してください。

（2つ選択）

A. Dockerfile で nvidia/cuda ベースイメージに依存関係をインストールしビルドします
B. 作成したイメージを Artifact Registry の Docker リポジトリに push します
C. Cloud Source Repositories にソースを置き Vertex AI に直接ビルドさせます
D. Container Registry のみを利用しクロスリージョンレプリケーションを設定します

正解と解説ディスカッション 0

正解：A, B

正解の根拠

カスタムコンテナはローカルまたは Cloud Build でビルドし、Artifact Registry に push して Custom Job の imageUri に指定する流れが標準です。

手順	内容
1	Dockerfile を作成しビルド
2	Artifact Registry に push

不正解の理由

C は Vertex AI が直接ソースをビルドする機能はありません
D は Container Registry は非推奨で Artifact Registry が推奨です

参考：Custom container 作成

PMLE#4(training-prototyping)

Vertex AI Custom Training で大規模モデルを学習させたく、コスト最適化を最優先しています。チェックポイントは Cloud Storage に随時保存しており、再開も実装済みです。最も適した構成はどれですか。

A. Preemptible VM 専用の API である ml.googleapis.com を直接呼び出し、低コストインスタンスを割り当てる構成を採用します
B. オンデマンド VM をあらかじめ予約購入し 1 年契約のコミットメント割引を適用してコストを下げる構成を採用します
C. worker pool の scheduling.strategy に SPOT を指定して Spot VM を使用します
D. AutoML を使うことで内部的に自動的に Spot VM が割り当てられる仕組みになっており、追加設定不要で安価になります

正解と解説ディスカッション 0

正解：C

正解の根拠

Vertex AI Custom Training の worker pool 仕様で scheduling.strategy=SPOT を指定すると Spot VM での学習が可能で、最大 60-91 パーセントのコスト削減になります。中断耐性のあるチェックポイント実装が前提です。

項目	Spot VM
割引	最大 91 パーセント
注意	中断あり、チェックポイント必須

不正解の理由

B は柔軟性が低くプロトタイピングに不向きです
C は旧 API で現行ではありません
D は AutoML の挙動と異なります

参考：Vertex AI Training Spot VMs

PMLE#5(training-prototyping)

研究チームは JAX で TPU を活用した実験を行いたいと考えています。Colab に近い体験で、共同編集と GPU/TPU 切替が可能なマネージドノートブック環境はどれですか。

A. Dataproc Hub でノートブッククラスタを共有します
B. User-managed Workbench で TPU をアタッチしてチームに共有します
C. Cloud Workstations の Jupyter プラグインを使用します
D. Colab Enterprise を使用して Vertex AI とネイティブ統合します

正解と解説ディスカッション 0

正解：D

正解の根拠

Colab Enterprise は Vertex AI 配下のマネージドノートブックサービスで、Colab UX を保ちつつ IAM、共同編集、TPU/GPU ランタイム選択、VPC SC 連携を提供します。

項目	Colab Enterprise
共同編集	同時編集対応
ランタイム	GPU/TPU 切替

不正解の理由

B は同時編集機能が限定的です
C は ML 専用ではなく TPU 統合が弱いです
D は Spark 中心でサポート終了傾向です

参考：Colab Enterprise 概要