Quay lại bộ đề
Question #86 Topic 1
You are developing an application that uses a recommendation engine on Google Cloud. Your solution should display new videos to customers based on past views. Your solution needs to generate labels for the entities in videos that the customer has viewed. Your design must be able to provide very fast filtering suggestions based on data from other customer preferences on several TB of data. What should you do?
Bạn đang phát triển một ứng dụng sử dụng công cụ đề xuất trên Google Cloud. Giải pháp của bạn nên hiển thị các video mới cho khách hàng dựa trên các lượt xem trước đó. Giải pháp của bạn cần tạo nhãn cho các thực thể trong video mà khách hàng đã xem. Thiết kế của bạn phải có khả năng cung cấp các gợi ý lọc rất nhanh dựa trên dữ liệu sở thích của các khách hàng khác trên vài TB dữ liệu. Bạn nên làm gì?
A
Build and train a complex classification model with Spark MLlib to generate labels and filter the results. Deploy the models using Cloud Dataproc. Call the model from your application.
Xây dựng và huấn luyện một mô hình phân loại phức tạp với Spark MLlib để tạo nhãn và lọc kết quả. Triển khai các mô hình bằng Cloud Dataproc. Gọi mô hình từ ứng dụng của bạn.
B
Build and train a classification model with Spark MLlib to generate labels. Build and train a second classification model with Spark MLlib to filter results to match customer preferences. Deploy the models using Cloud Dataproc. Call the models from your application.
Xây dựng và huấn luyện một mô hình phân loại với Spark MLlib để tạo nhãn. Xây dựng và huấn luyện một mô hình phân loại thứ hai với Spark MLlib để lọc kết quả nhằm phù hợp với sở thích của khách hàng. Triển khai các mô hình bằng Cloud Dataproc. Gọi các mô hình từ ứng dụng của bạn.
C
Build an application that calls the Cloud Video Intelligence API to generate labels. Store data in Cloud Bigtable, and filter the predicted labels to match the user's viewing history to generate preferences.
Xây dựng một ứng dụng gọi Cloud Video Intelligence API để tạo nhãn. Lưu trữ dữ liệu trong Cloud Bigtable và lọc các nhãn dự đoán để khớp với lịch sử xem của người dùng nhằm tạo ra sở thích.
D
Build an application that calls the Cloud Video Intelligence API to generate labels. Store data in Cloud SQL, and join and filter the predicted labels to match the user's viewing history to generate preferences.
Xây dựng một ứng dụng gọi Cloud Video Intelligence API để tạo nhãn. Lưu trữ dữ liệu trong Cloud SQL, đồng thời join và lọc các nhãn dự đoán để khớp với lịch sử xem của người dùng nhằm tạo ra sở thích.
Giải thích & Tài liệu tham khảo
Yêu cầu đặt ra là: (1) trích xuất nhãn thực thể từ video đã xem, và (2) lọc đề xuất cực nhanh trên quy mô nhiều TB dữ liệu.
- C là đáp án đúng:
- Sử dụng Cloud Video Intelligence API là cách nhanh nhất và chính xác nhất để tự động phát hiện và gán nhãn cho các thực thể trong video mà không cần tự xây dựng mô hình ML phức tạp từ đầu.
- Lưu trữ dữ liệu trong Cloud Bigtable là lựa chọn lý tưởng cho khối lượng công việc hàng TB dữ liệu yêu cầu thời gian đọc/ghi dưới 10 mili giây (độ trễ cực thấp), đáp ứng tốt nhu cầu lọc đề xuất tức thời (real-time filtering).
- A và B không đúng: Việc tự huấn luyện mô hình Spark MLlib để gán nhãn thực thể video rất phức tạp, tốn thời gian và chi phí vận hành hơn nhiều so với việc gọi API được quản lý sẵn.
- D không đúng: Cloud SQL là cơ sở dữ liệu quan hệ, không phù hợp để thực hiện các phép JOIN phức tạp và truy vấn lọc thời gian thực trên quy mô hàng chục Terabyte dữ liệu với độ trễ siêu thấp.
(Đáp án được gợi ý bởi AI)