Google Professional Data Engineer 證照考古題大全20241025

谷歌數據工程師證照題庫彙整 20241112

Google Professional Data Engineer

Google Cloud Platform（GCP 谷歌雲）全系列考古題，2024年最新題庫，持續更新，全網最完整。GCP 證照含金量高，自我進修、跨足雲端產業必備近期版本更新，隨時追蹤最新趨勢變化。

QUESTION 41

MJTelco Case Study Company Overview

MJTelco is a startup that plans to build networks in rapidly growing, underserved markets around the world. The company has patents for innovative optical communications hardware. Based on these patents, they can create many reliable, high-speedbackbone links with inexpensive hardware.

Company Background

Founded by experienced telecom executives, MJTelco uses technologies originally developed to overcome

communications challenges in space. Fundamental to their operation, they need to create a distributed data infrastructure thatdrives real-time analysis and incorporates machine learning to continuously optimize their topologies. Because their hardware is inexpensive, they plan to overdeploy the network allowing them to account for the impact of dynamic regional politics on location availability and cost. Their management and operations teams are situated all around the globe creating many-to-many relationship between data consumers and provides in their system. After careful consideration, they decided public cloud is theperfect environment to support their needs.

Solution Concept

MJTelco is running a successful proof-of-concept (PoC) project in its labs. They have two primary needs: Scale and harden their PoC to support significantly more data flows generated when they ramp to more than 50,000 installations.

Refine their machine-learning cycles to verify and improve the dynamic models they use to control topology definition.

MJTelco will also use three separate operating environments ?development/test, staging, and production ? to meet the needs ofrunning experiments, deploying new features, and serving production customers.

Business Requirements

Scale up their production environment with minimal cost, instantiating resources when and where needed in an unpredictable,distributed telecom user community.

Ensure security of their proprietary data to protect their leading-edge machine learning and analysis. Provide reliable andtimely access to data for analysis from distributed research workers

Maintain isolated environments that support rapid iteration of their machine-learning models without affecting their customers.

Technical Requirements

Ensure secure and efficient transport and storage of telemetry data

Rapidly scale instances to support between 10,000 and 100,000 data providers with multiple flows each. Allow analysis and presentation against data tables tracking up to 2 years of data storing approximately 100m records/day

Support rapid iteration of monitoring infrastructure focused on awareness of data pipeline problems both in telemetry flows and inproduction learning cycles.

CEO Statement

Our business model relies on our patents, analytics and dynamic machine learning. Our inexpensive hardware is organizedto be highly reliable, which gives us cost advantages. We need to quickly stabilize our large distributed data pipelines to meetour reliability and capacity commitments.

CTO Statement

Our public cloud services must operate as advertised. We need resources that scale and keep our data secure. We also needenvironments in which our data scientists can carefully study and quickly adapt our models. Because we rely on automation to process our data, we also need our development and test environments to work as we iterate.

CFO Statement

The project is too large for us to maintain the hardware and software required for the data and analysis. Also, we cannot afford to staff an operations team to monitor so many data feeds, so we will rely on automation and infrastructure. Google Cloud'smachine learning will allow our quantitative researchers to work on our high- value problems instead of problems with our datapipelines.

MJTelco needs you to create a schema in Google Bigtable that will allow for the historical analysis of the last 2 years of records.Each record that comes in is sent every 15 minutes, and contains a unique identifier of the device and a data record. The most common query is for all the data for a given device for a given day. Which schema should you use?

A.       Rowkey: date#device_id Column data:data_point

B.       Rowkey: date

Column data: device_id, data_point

C.      Rowkey: device_id

Column data: date, data_point

D.      Rowkey: data_point

Column data: device_id, date

E.       Rowkey: date#data_point Column data:device_id

Correct Answer: A

Section: (none)

QUESTION 42

Your company has recently grown rapidly and now ingesting data at a significantly higher rate than it was previously. Youmanage the daily batch MapReduce analytics jobs in Apache Hadoop. However, the recent increase in data has meant the batch jobs are falling behind. You were asked to recommend ways the development team could increase the responsiveness of the analytics without increasing costs. What should you recommend they do?

A.       Rewrite the job in Pig.

B.       Rewrite the job in Apache Spark.

C.      Increase the size of the Hadoop cluster.

D.      Decrease the size of the Hadoop cluster but also rewrite the job in Hive.

Correct Answer: B

Section: (none)

QUESTION 43

You work for a large fast food restaurant chain with over 400,000 employees. You store employee information in Google BigQuery in a Users table consisting of a FirstName field and a LastName field. A member of IT is building an application and asks you to modify the schema and data in BigQuery so the application can query a FullName field consisting of thevalue of the FirstName field concatenated with a space, followed by the value of the LastName field for each employee. How can you make that data available while minimizing cost?

A.       Create a view in BigQuery that concatenates the FirstName and LastName field values to produce the . FullName

B.       Add a new column called FullName to the Users table. Run an UPDATE statement that updates the column for eachuser with the concatenation of the FirstName and LastName values.

FullName

C.      Create a Google Cloud Dataflow job that queries BigQuery for the entire Users table, concatenates the value andLastName value for each user, and loads the proper values for FirstName, FirstName

, and FullName into a new table in BigQuery. LastName

D.      Use BigQuery to export the data for the table to a CSV file. Create a Google Cloud Dataproc job to process the CSV fileand output a new CSV file containing the proper values for FirstName, LastName and . Run a BigQuery load job to load thenew CSV file into BigQuery.

FullName

Correct Answer: A

Section: (none)

QUESTION 44

You are deploying a new storage system for your mobile application, which is a media streaming service. You decide the best fitis Google Cloud Datastore. You have entities with multiple properties, some of which can take on multiple values. For example, in the entity `Movie' the property `actors' and the property `tags' have multiple values but the property `date released' does not.A typical query would ask for all movies with actor=<actorname> ordered by date_released or all movies with tag=Comedy ordered by How should you avoid a combinatorial explosion in the number of indexes? date_released.

A.       Manually configure the index in your index config as follows:

B.       Manually configure the index in your index config as follows:

C.       Set the following in your entity options: exclude_from_indexes = `actors, tags'

D.       Set the following in your entity options: exclude_from_indexes = `date_published'

Correct Answer: A

Section: (none)

QUESTION 45

You work for a manufacturing plant that batches application log files together into a single log file once a day at 2:00 AM. Youhave written a Google Cloud Dataflow job to process that log file. You need to make sure the log file in processed once per dayas inexpensively as possible. What should you do?

A.       Change the processing job to use Google Cloud Dataproc instead.

B.       Manually start the Cloud Dataflow job each morning when you get into the office.

C.      Create a cron job with Google App Engine Cron Service to run the Cloud Dataflow job.

D.      Configure the Cloud Dataflow job as a streaming job so that it processes the log data immediately.

Correct Answer: C

Section: (none)

QUESTION 46

You work for an economic consulting firm that helps companies identify economic trends as they happen. As part of youranalysis, you use Google BigQuery to correlate customer data with the average prices of the 100 most common goods sold, including bread, gasoline, milk, and others. The average prices of these goods are updated every 30 minutes. You want to makesure this data stays up to date so you can combine it with other data in BigQuery as cheaply as possible. What should you do?

A.       Load the data every 30 minutes into a new partitioned table in BigQuery.

B.       Store and update the data in a regional Google Cloud Storage bucket and create a federated data source in BigQuery

C.      Store the data in Google Cloud Datastore. Use Google Cloud Dataflow to query BigQuery and combine

the data programmatically with the data stored in Cloud Datastore

D.      Store the data in a file in a regional Google Cloud Storage bucket. Use Cloud Dataflow to query BigQuery andcombine the data programmatically with the data stored in Google Cloud Storage.

Correct Answer: B

Section: (none)

QUESTION 47

You are designing the database schema for a machine learning-based food ordering service that will predict what users want toeat. Here is some of the information you need to store:

The user profile: What the user likes and doesn't like to eat

--The user account information: Name, address, preferred meal times

--The order information: When orders are made, from where, to whom

--The database will be used to store all the transactional data of the product. You want to optimize the data schema. WhichGoogle Cloud Platform product should you use?

A.       BigQuery

B.       Cloud SQL

C.      Cloud Bigtable

D.      Cloud Datastore

Correct Answer: D

Section: (none)

QUESTION 48

Your company is loading comma-separated values (CSV) files into Google BigQuery. The data is fully imported successfully;however, the imported data is not matching byte-to-byte to the source file. What is the most likely cause of this problem?

A.       The CSV data loaded in BigQuery is not flagged as CSV.

B.       The CSV data has invalid rows that were skipped on import.

C.      The CSV data loaded in BigQuery is not using BigQuery's default encoding.

D.      The CSV data has not gone through an ETL phase before loading into BigQuery.

Correct Answer: C

Section: (none)

QUESTION 49

Your company produces 20,000 files every hour. Each data file is formatted as a comma separated values (CSV) file that is less than 4 KB. All files must be ingested on Google Cloud Platform before they can be processed. Your company site has a 200 ms latency to Google Cloud, and your Internet connection bandwidth is limited as 50 Mbps. You currently deploy a secure FTP(SFTP) server on a virtual machine in Google Compute Engine as the data ingestion point. A local SFTP client runs on a dedicated machine to transmit the CSV files as is. The goal is to make reports with data from the previous day available to theexecutives by

10:00 a.m. each day. This design is barely able to keep up with the current volume, even though the bandwidth utilization is ratherlow.

You are told that due to seasonality, your company expects the number of files to double for the next three months. Which twoactions should you take? (Choose two.)

A.       Introduce data compression for each file to increase the rate file of file transfer.

B.       Contact your internet service provider (ISP) to increase your maximum bandwidth to at least 100 Mbps.

C.      Redesign the data ingestion process to use gsutil tool to send the CSV files to a storage bucket in parallel.

D.      Assemble 1,000 files into a tape archive (TAR) file. Transmit the TAR files instead, and disassemble the CSV files in thecloud upon receiving them.

E.       Create an S3-compatible storage endpoint in your network, and use Google Cloud Storage Transfer Service to transferon-premises data to the designated storage bucket.

Correct Answer: CD

Section: (none)

QUESTION 50

You are choosing a NoSQL database to handle telemetry data submitted from millions of Internet-of-Things (IoT) devices. The volume of data is growing at 100 TB per year, and each data entry has about 100 attributes. The data processing pipeline does not require atomicity, consistency, isolation, and durability (ACID).

However, high availability and low latency are required.

You need to analyze the data by querying against individual fields. Which three databases meet your requirements? (Choosethree.)

A.       Redis

B.       HBase

C.      MySQL

D.      MongoDB

E.       Cassandra

F.       HDFS with Hive

Correct Answer: BDE

Section: (none)

QUESTION 51

You are training a spam classifier. You notice that you are overfitting the training data. Which three actions can you take to resolvethis problem? (Choose three.)

A.       Get more training examples

B.       Reduce the number of training examples

C.      Use a smaller set of features

D.      Use a larger set of features

E.       Increase the regularization parameters

F.       Decrease the regularization parameters

Correct Answer: ACE

Section: (none)

QUESTION 52

You are implementing security best practices on your data pipeline. Currently, you are manually executing jobs as the Project Owner. You want to automate these jobs by taking nightly batch files containing non- public information from Google CloudStorage, processing them with a Spark Scala job on a Google Cloud Dataproc cluster, and depositing the results into GoogleBigQuery.

How should you securely run this workload?

A.       Restrict the Google Cloud Storage bucket so only you can see the files

B.       Grant the Project Owner role to a service account, and run the job with it

C.      Use a service account with the ability to read the batch files and to write to BigQuery

D.      Use a user account with the Project Viewer role on the Cloud Dataproc cluster to read the batch files and write toBigQuery

Correct Answer: C

Section: (none)

QUESTION 53

You are using Google BigQuery as your data warehouse. Your users report that the following simple query is running very slowly,no matter when they run the query:

SELECT country, state, city FROM [myproject:mydataset.mytable] GROUP BY country

You check the query plan for the query and see the following output in the Read section of Stage:1:

What is the most likely cause of the delay for this query?

A.       Users are running too many concurrent queries in the system

B.       The [myproject:mydataset.mytable] table has too many partitions

C.      Either the state or the city columns in the [myproject:mydataset.mytable] table have too many NULL values

D.      Most rows in the [myproject:mydataset.mytable] table have the same value in the country column, causing data skew

Correct Answer: D

Section: (none)

QUESTION 54

Your globally distributed auction application allows users to bid on items. Occasionally, users place identical bids at nearly identical times, and different application servers process those bids. Each bid event contains the item, amount, user, and timestamp. You want to collate those bid events into a single location in real time to determine which user bid first. What shouldyou do?

A.       Create a file on a shared file and have the application servers write all bid events to that file. Process the file with ApacheHadoop to identify which user bid first.

B.       Have each application server write the bid events to Cloud Pub/Sub as they occur. Push the events from Cloud Pub/Sub to acustom endpoint that writes the bid event information into Cloud SQL.

C.      Set up a MySQL database for each application server to write bid events into. Periodically query each of those distributedMySQL databases and update a master MySQL database with bid event information.

D.      Have each application server write the bid events to Google Cloud Pub/Sub as they occur. Use a pull subscription to pullthe bid events using Google Cloud Dataflow. Give the bid for each item to the user in the bid event that is processed first.

Correct Answer: B

Section: (none)

QUESTION 55

Your organization has been collecting and analyzing data in Google BigQuery for 6 months. The majority of the data analyzed is placed in a time-partitioned table named events_partitioned. To reduce the cost of queries, your organization created a view called events, which queries only the last 14 days of data. The view is described in legacy SQL. Next month, existing applications will be connecting to BigQuery to read the data via an ODBC connection. You need to ensure the applications can connect. Which two actions events

should you take? (Choose two.)

A.       Create a new view over events using standard SQL

B.       Create a new partitioned table using a standard SQL query

C.      Create a new view over events_partitioned using standard SQL

D.      Create a service account for the ODBC connection to use for authentication

E.       Create a Google Cloud Identity and Access Management (Cloud IAM) role for the ODBC connection and shared"events"

Correct Answer: CD

Section: (none)

QUESTION 56

You have enabled the free integration between Firebase Analytics and Google BigQuery. Firebase now automatically createsa new table daily in BigQuery in the format app_events_YYYYMMDD. You want to query all of the tables for the past 30 daysin legacy SQL. What should you do?

A.       Use the TABLE_DATE_RANGE function

B.       Use the WHERE_PARTITIONTIME pseudo column

C.      Use WHERE date BETWEEN YYYY-MM-DD AND YYYY-MM-DD

D.      Use SELECT IF.(date >= YYYY-MM-DD AND date <= YYYY-MM-DD

Correct Answer: A

Section: (none)

QUESTION 57

Your company is currently setting up data pipelines for their campaign. For all the Google Cloud Pub/Sub streaming data, one ofthe important business requirements is to be able to periodically identify the inputs and their timings during their campaign. Engineers have decided to use windowing and transformation in Google Cloud Dataflow for this purpose. However, when testing this feature, they find that the Cloud Dataflow job fails for the all streaming insert. What is the most likely cause of this problem?

A.       They have not assigned the timestamp, which causes the job to fail

B.       They have not set the triggers to accommodate the data coming in late, which causes the job to fail

C.      They have not applied a global windowing function, which causes the job to fail when the pipeline is created

D.      They have not applied a non-global windowing function, which causes the job to fail when the pipeline is created

Correct Answer: D

Section: (none)

QUESTION 58

You architect a system to analyze seismic data. Your extract, transform, and load (ETL) process runs as a series of MapReduce jobs on an Apache Hadoop cluster. The ETL process takes days to process a data set because some steps are computationally expensive. Then you discover that a sensor calibration step has been omitted. How should you change yourETL process to carry out sensor calibration systematically in the future?

A.       Modify the transformMapReduce jobs to apply sensor calibration before they do anything else.

B.       Introduce a new MapReduce job to apply sensor calibration to raw data, and ensure all other MapReduce jobsare chained after this.

C.      Add sensor calibration data to the output of the ETL process, and document that all users need to apply sensor calibrationthemselves.

D.      Develop an algorithm through simulation to predict variance of data output from the last MapReduce job based oncalibration factors, and apply the correction to all data.

Correct Answer: B

Section: (none)

QUESTION 59

An online retailer has built their current application on Google App Engine. A new initiative at the company mandates that they extend their application to allow their customers to transact directly via the application. They need to manage their shoppingtransactions and analyze combined data from multiple datasets using a business intelligence (BI) tool. They want to use only a single database for this purpose. Which Google Cloud database should they choose?

A.       BigQuery

B.       Cloud SQL

C.      Cloud BigTable

D.      Cloud Datastore

Correct Answer: B

Section: (none)

QUESTION 60

You launched a new gaming app almost three years ago. You have been uploading log files from the previous day to a separate Google BigQuery table with the table name format LOGS_yyyymmdd. You have been using table wildcard functions to generate daily and monthly reports for all time ranges. Recently, you discovered that some queries that cover long date ranges areexceeding the limit of 1,000 tables and failing. How can you resolve this issue?

A.       Convert all daily log tables into date-partitioned tables

B.       Convert the sharded tables into a single partitioned table

C.      Enable query caching so you can cache data from previous months

D.      Create separate views to cover each month, and query from these views

Correct Answer: B

Section: (none)

QUESTION 61

Your analytics team wants to build a simple statistical model to determine which customers are most likely to work with your company again, based on a few different metrics. They want to run the model on Apache Spark, using data housed in Google Cloud Storage, and you have recommended using Google Cloud Dataproc to execute this job. Testing has shown that this workload can run in approximately 30 minutes on a 15-node cluster, outputting the results into Google BigQuery. The plan is torun this workload weekly. How should you optimize the cluster for cost?

A.       Migrate the workload to Google Cloud Dataflow

B.       Use pre-emptible virtual machines (VMs) for the cluster

C.      Use a higher-memory node so that the job runs faster

D.      Use SSDs on the worker nodes so that the job can run faster

Correct Answer: B

Section: (none)

QUESTION 62

Your company receives both batch- and stream-based event data. You want to process the data using Google Cloud Dataflowover a predictable time period. However, you realize that in some instances data can arrive late or out of order. How should youdesign your Cloud Dataflow pipeline to handle data that is late or out of order?

A.       Set a single global window to capture all the data.

B.       Set sliding windows to capture all the lagged data.

C.      Use watermarks and timestamps to capture the lagged data.

D.      Ensure every datasource type (stream or batch) has a timestamp, and use the timestamps to define the logic for laggeddata.

Correct Answer: C

Section: (none)

QUESTION 63

You have some data, which is shown in the graphic below. The two dimensions are X and Y, and the shade of each dotrepresents what class it is. You want to classify this data accurately using a linear algorithm. To do this you need to add asynthetic feature. What should the value of that feature be?

A. X^2+Y^2

B.       X^2

C.      Y^2

D.      cos(X)

Correct Answer: A

Section: (none)

QUESTION 64

You are integrating one of your internal IT applications and Google BigQuery, so users can query BigQuery from the application'sinterface. You do not want individual users to authenticate to BigQuery and you do not want to give them access to the dataset.You need to securely access BigQuery from your IT application.

What should you do?

A.       Create groups for your users and give those groups access to the dataset

B.       Integrate with a single sign-on (SSO) platform, and pass each user's credentials along with the query request

C.      Create a service account and grant dataset access to that account. Use the service account's private key to access thedataset

D.      Create a dummy user and grant dataset access to that user. Store the username and password for that user in a file on thefiles system, and use those credentials to access the BigQuery dataset

Correct Answer: C

Section: (none)

QUESTION 65

You are building a data pipeline on Google Cloud. You need to prepare data using a casual method for a machine-learningprocess. You want to support a logistic regression model. You also need to monitor and adjust for null values, which mustremain real-valued and cannot be removed. What should you do?

A.       Use Cloud Dataprep to find null values in sample source data. Convert all nulls to `none' using a Cloud Dataproc job.

B.       Use Cloud Dataprep to find null values in sample source data. Convert all nulls to 0 using a Cloud Dataprep job.

C.      Use Cloud Dataflow to find null values in sample source data. Convert all nulls to `none' using a Cloud Dataprep job.

D.      Use Cloud Dataflow to find null values in sample source data. Convert all nulls to 0 using a custom

script.

Correct Answer: B

Section: (none)

QUESTION 66

You set up a streaming data insert into a Redis cluster via a Kafka cluster. Both clusters are running on Compute Engine instances. You need to encrypt data at rest with encryption keys that you can create, rotate, and destroy as needed. Whatshould you do?

A.       Create a dedicated service account, and use encryption at rest to reference your data stored in your Compute Enginecluster instances as part of your API service calls.

B.       Create encryption keys in Cloud Key Management Service. Use those keys to encrypt your data in all of the ComputeEngine cluster instances.

C.      Create encryption keys locally. Upload your encryption keys to Cloud Key Management Service. Use those keys toencrypt your data in all of the Compute Engine cluster instances.

D.      Create encryption keys in Cloud Key Management Service. Reference those keys in your API service calls whenaccessing the data in your Compute Engine cluster instances.

Correct Answer: B

Section: (none)

QUESTION 67

You are developing an application that uses a recommendation engine on Google Cloud. Your solution should display newvideos 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 onseveral TB of data. What should you do?

A.       Build and train a complex classification model with Spark MLlib to generate labels and filter the results. Deploy the modelsusing Cloud Dataproc. Call the model from your application.

B.       Build and train a classification model with Spark MLlib to generate labels. Build and train a second classification modelwith Spark MLlib to filter results to match customer preferences. Deploy the models using Cloud Dataproc. Call the modelsfrom your application.

C.      Build an application that calls the Cloud Video Intelligence API to generate labels. Store data in Cloud Bigtable, and filterthe predicted labels to match the user's viewing history to generate preferences.

D.      Build an application that calls the Cloud Video Intelligence API to generate labels. Store data in Cloud SQL, and join andfilter the predicted labels to match the user's viewing history to generate preferences.

Correct Answer: C

Section: (none)

QUESTION 68

You are selecting services to write and transform JSON messages from Cloud Pub/Sub to BigQuery for a data pipeline on Google Cloud. You want to minimize service costs. You also want to monitor and accommodate input data volume that will vary in size with minimal manual intervention. What should you do?

A.       Use Cloud Dataproc to run your transformations. Monitor CPU utilization for the cluster. Resize the number of workernodes in your cluster via the command line.

B.       Use Cloud Dataproc to run your transformations. Use the diagnose command to generate an operational outputarchive. Locate the bottleneck and adjust cluster resources.

C.      Use Cloud Dataflow to run your transformations. Monitor the job system lag with Stackdriver. Use the default autoscalingsetting for worker instances.

D.      Use Cloud Dataflow to run your transformations. Monitor the total execution time for a sampling of jobs. Configure the job touse non-default Compute Engine machine types when needed.

Correct Answer: C

Section: (none)

QUESTION 69

Your infrastructure includes a set of YouTube channels. You have been tasked with creating a process for

sending the YouTube channel data to Google Cloud for analysis. You want to design a solution that allows your world-widemarketing teams to perform ANSI SQL and other types of analysis on up-to-date YouTube channels log data. How should youset up the log data transfer into Google Cloud?

A.       Use Storage Transfer Service to transfer the offsite backup files to a Cloud Storage Multi-Regional storage bucket as afinal destination.

B.       Use Storage Transfer Service to transfer the offsite backup files to a Cloud Storage Regional bucket as a final destination.

C.      Use BigQuery Data Transfer Service to transfer the offsite backup files to a Cloud Storage Multi- Regional storagebucket as a final destination.

D.      Use BigQuery Data Transfer Service to transfer the offsite backup files to a Cloud Storage Regional storage bucket as afinal destination.

Correct Answer: C

Section: (none)

QUESTION 70

You are designing storage for very large text files for a data pipeline on Google Cloud. You want to support ANSI SQL queries. You also want to support compression and parallel load from the input locations using Google recommended practices. Whatshould you do?

A.       Transform text files to compressed Avro using Cloud Dataflow. Use BigQuery for storage and query.

B.       Transform text files to compressed Avro using Cloud Dataflow. Use Cloud Storage and BigQuery permanent linkedtables for query.

C.      Compress text files to gzip using the Grid Computing Tools. Use BigQuery for storage and query.

D.      Compress text files to gzip using the Grid Computing Tools. Use Cloud Storage, and then import into Cloud Bigtable forquery.

Correct Answer: A

Section: (none)

QUESTION 71

You are developing an application on Google Cloud that will automatically generate subject labels for users' blog posts. You are under competitive pressure to add this feature quickly, and you have no additional developer resources. No one on your teamhas experience with machine learning. What should you do?

A.       Call the Cloud Natural Language API from your application. Process the generated Entity Analysis as labels.

B.       Call the Cloud Natural Language API from your application. Process the generated Sentiment Analysis as labels.

C.      Build and train a text classification model using TensorFlow. Deploy the model using Cloud Machine Learning Engine.Call the model from your application and process the results as labels.

D.      Build and train a text classification model using TensorFlow. Deploy the model using a Kubernetes Engine cluster. Callthe model from your application and process the results as labels.

Correct Answer: A

Section: (none)

QUESTION 72

You are designing storage for 20 TB of text files as part of deploying a data pipeline on Google Cloud. Your input data is in CSV format. You want to minimize the cost of querying aggregate values for multiple users who will query the data in Cloud Storage with multiple engines. Which storage service and schema design should you use?

A.       Use Cloud Bigtable for storage. Install the HBase shell on a Compute Engine instance to query the Cloud Bigtabledata.

B.       Use Cloud Bigtable for storage. Link as permanent tables in BigQuery for query.

C.      Use Cloud Storage for storage. Link as permanent tables in BigQuery for query.

D.      Use Cloud Storage for storage. Link as temporary tables in BigQuery for query.

Correct Answer: C

Section: (none)

QUESTION 73

You are designing storage for two relational tables that are part of a 10-TB database on Google Cloud. You want to support transactions that scale horizontally. You also want to optimize data for range queries on non- key columns. What should youdo?

A.       Use Cloud SQL for storage. Add secondary indexes to support query patterns.

B.       Use Cloud SQL for storage. Use Cloud Dataflow to transform data to support query patterns.

C.      Use Cloud Spanner for storage. Add secondary indexes to support query patterns.

D.      Use Cloud Spanner for storage. Use Cloud Dataflow to transform data to support query patterns.

Correct Answer: C

Section: (none)

QUESTION 74

Your financial services company is moving to cloud technology and wants to store 50 TB of financial time- series data in thecloud. This data is updated frequently and new data will be streaming in all the time. Your company also wants to move their existing Apache Hadoop jobs to the cloud to get insights into this data. Which product should they use to store the data?

A.       Cloud Bigtable

B.       Google BigQuery

C.      Google Cloud Storage

D.      Google Cloud Datastore

Correct Answer: A

Section: (none)

QUESTION 75

An organization maintains a Google BigQuery dataset that contains tables with user-level data. They want to exposeaggregates of this data to other Google Cloud projects, while still controlling access to the user- level data. Additionally, they need to minimize their overall storage cost and ensure the analysis cost for other projects is assigned to those projects. Whatshould they do?

A.       Create and share an authorized view that provides the aggregate results.

B.       Create and share a new dataset and view that provides the aggregate results.

C.      Create and share a new dataset and table that contains the aggregate results.

D.      Create dataViewer Identity and Access Management (IAM) roles on the dataset to enable sharing.

Correct Answer: A

Section: (none)

QUESTION 76

Government regulations in your industry mandate that you have to maintain an auditable record of access to certain types of data. Assuming that all expiring logs will be archived correctly, where should you store data that is subject to that mandate?

A.       Encrypted on Cloud Storage with user-supplied encryption keys. A separate decryption key will be given to each authorizeduser.

B.       In a BigQuery dataset that is viewable only by authorized personnel, with the Data Access log used to provide theauditability.

C.      In Cloud SQL, with separate database user names to each user. The Cloud SQL Admin activity logs will be used to providethe auditability.

D.      In a bucket on Cloud Storage that is accessible only by an AppEngine service that collects user information andlogs the access before providing a link to the bucket.

Correct Answer: B

Section: (none)

QUESTION 77

Your neural network model is taking days to train. You want to increase the training speed. What can you do?

A.       Subsample your test dataset.

B.       Subsample your training dataset.

C.      Increase the number of input features to your model.

D.      Increase the number of layers in your neural network.

Correct Answer: B

Section: (none)

QUESTION 78

You are responsible for writing your company's ETL pipelines to run on an Apache Hadoop cluster. The pipeline will require somecheckpointing and splitting pipelines. Which method should you use to write the pipelines?

A.       PigLatin using Pig

B.       HiveQL using Hive

C.      Java using MapReduce

D.      Python using MapReduce

Correct Answer: A

Section: (none)

QUESTION 79

Your company maintains a hybrid deployment with GCP, where analytics are performed on your anonymized customer data. The data are imported to Cloud Storage from your data center through parallel uploads to a data transfer server running onGCP. Management informs you that the daily transfers take too long and have asked you to fix the problem. You want to maximize transfer speeds. Which action should you take?

A.       Increase the CPU size on your server.

B.       Increase the size of the Google Persistent Disk on your server.

C.      Increase your network bandwidth from your datacenter to GCP.

D.      Increase your network bandwidth from Compute Engine to Cloud Storage.

Correct Answer: C

Section: (none)

QUESTION 80

MJTelco Case Study Company Overview

MJTelco is a startup that plans to build networks in rapidly growing, underserved markets around the world. The company has patents for innovative optical communications hardware. Based on these patents, they can create many reliable, high-speedbackbone links with inexpensive hardware.

Company Background

Founded by experienced telecom executives, MJTelco uses technologies originally developed to overcome communicationschallenges in space. Fundamental to their operation, they need to create a distributed data infrastructure that drives real-timeanalysis and incorporates machine learning to continuously optimize their topologies. Because their hardware is inexpensive, they plan to overdeploy the network allowing them to account for the impact of dynamic regional politics on location availability and cost. Their management and operations teams are situated all around the globe creating many-to-many relationship between data consumers and provides in their system. After careful consideration, they decided public cloud is the perfectenvironment to support their needs.

Solution Concept

MJTelco is running a successful proof-of-concept (PoC) project in its labs. They have two primary needs: Scale and harden theirPoC to support significantly more data flows generated when they ramp to more

than 50,000 installations.

Refine their machine-learning cycles to verify and improve the dynamic models they use to control topology

definition.

MJTelco will also use three separate operating environments ?development/test, staging, and production ? to meet the needs ofrunning experiments, deploying new features, and serving production customers.

Business Requirements

Scale up their production environment with minimal cost, instantiating resources when and where needed

in an unpredictable, distributed telecom user community.

Ensure security of their proprietary data to protect their leading-edge machine learning and analysis.

Provide reliable and timely access to data for analysis from distributed research workers

Maintain isolated environments that support rapid iteration of their machine-learning models without

affecting their customers. TechnicalRequirements

Ensure secure and efficient transport and storage of telemetry data Rapidly scale instances to support between 10,000 and100,000 data providers with multiple flows each. Allow analysis and presentation against data tables tracking up to 2 years of data storing approximately 100m records/day

Support rapid iteration of monitoring infrastructure focused on awareness of data pipeline problems both in telemetry flows and inproduction learning cycles.

CEO Statement

Our business model relies on our patents, analytics and dynamic machine learning. Our inexpensive hardware is organizedto be highly reliable, which gives us cost advantages. We need to quickly stabilize our large distributed data pipelines to meetour reliability and capacity commitments.

CTO Statement

Our public cloud services must operate as advertised. We need resources that scale and keep our data secure. We also needenvironments in which our data scientists can carefully study and quickly adapt our models. Because we rely on automation to process our data, we also need our development and test environments to work as we iterate.

CFO Statement

The project is too large for us to maintain the hardware and software required for the data and analysis. Also, we cannot afford to staff an operations team to monitor so many data feeds, so we will rely on automation and infrastructure. Google Cloud'smachine learning will allow our quantitative researchers to work on our high- value problems instead of problems with our datapipelines.

MJTelco is building a custom interface to share data. They have these requirements:

1.   They need to do aggregations over their petabyte-scale datasets.

2.   They need to scan specific time range rows with a very fast response time (milliseconds).

Which combination of Google Cloud Platform products should you recommend?

A.       Cloud Datastore and Cloud Bigtable

B.       Cloud Bigtable and Cloud SQL

C.      BigQuery and Cloud Bigtable

D.      BigQuery and Cloud Storage

Correct Answer: C

Section: (none)