Quay lại bộ đề
Question #333 Topic 1
Your organization has thousands of images stored in Cloud Storage. The organization's data analysts need to categorize these images upon analyzing the image content and store the results in a structured format for integration with other BigQuery datasets. You need a solution that allows the analysts to perform this task with the least amount of coding. What should you do?
Tổ chức của bạn có hàng nghìn hình ảnh được lưu trữ trong Cloud Storage. Các nhà phân tích dữ liệu cần phân loại các hình ảnh này dựa trên nội dung hình ảnh và lưu trữ kết quả dưới dạng có cấu trúc để tích hợp với các tập dữ liệu BigQuery khác. Bạn cần một giải pháp cho phép các nhà phân tích thực hiện tác vụ này với lượng lập trình ít nhất. Bạn nên làm gì?
A
Use the Gemini 2.5 Pro model in Vertex AI to analyze the images and store the results in BigQuery.
Sử dụng mô hình Gemini 2.5 Pro trong Vertex AI để phân tích hình ảnh và lưu trữ kết quả trong BigQuery.
B
Use the ML.UNDERSTAND_TEXT function along with object tables to analyze the images, and store the JSON output in a Cloud Storage bucket.
Sử dụng hàm ML.UNDERSTAND_TEXT cùng với các bảng đối tượng (object tables) để phân tích hình ảnh và lưu trữ đầu ra JSON trong một bucket Cloud Storage.
C
Use Vertex AI Vision API to analyze the images and store the results in BigQuery.
Sử dụng Vertex AI Vision API để phân tích hình ảnh và lưu trữ kết quả trong BigQuery.
D
Use the ML.GENERATE_TEXT function along with object tables to analyze the images and store the JSON output in a BigQuery table.
Sử dụng hàm ML.GENERATE_TEXT cùng với các bảng đối tượng (object tables) để phân tích hình ảnh và lưu trữ đầu ra JSON trong một bảng BigQuery.
Giải thích & Tài liệu tham khảo
Yêu cầu đặt ra là phân tích hàng nghìn hình ảnh lưu trữ trên Cloud Storage và đưa vào BigQuery với lượng viết mã ít nhất (least amount of coding).
- Sử dụng BQML với Object Tables (Đáp án D): BigQuery hỗ trợ các bảng đối tượng (Object Tables) để đại diện cho dữ liệu phi cấu trúc (như hình ảnh trên Cloud Storage) dưới dạng một bảng BigQuery. Các nhà phân tích dữ liệu có thể sử dụng SQL thuần túy kết hợp với hàm
ML.GENERATE_TEXT(hoặcAI.GENERATE_TEXT) gọi đến các mô hình đa phương thức (multimodal models như Gemini) của Vertex AI để phân tích hình ảnh và lưu trực tiếp kết quả vào bảng BigQuery mà không cần viết bất kỳ dòng mã Python hay xây dựng pipeline phức tạp nào.
Chi tiết các lựa chọn khác:
- A: Đòi hỏi phải viết code Python/SDK để gọi Vertex AI và lưu kết quả vào BigQuery.
- B: Hàm
ML.UNDERSTAND_TEXTkhông tồn tại hoặc không dùng cho phân tích hình ảnh, và lưu vào Cloud Storage không đáp ứng trực tiếp yêu cầu lưu trữ cấu trúc trong BigQuery. - C: Sử dụng Vertex AI Vision API yêu cầu viết code ứng dụng (ví dụ Cloud Run, Dataflow) để kết nối GCS, gọi API và đẩy dữ liệu vào BigQuery, phức tạp hơn nhiều so với việc chỉ dùng SQL trong BigQuery.
(Đáp án được gợi ý bởi AI)