Google Professional Machine Learning Engineer

您在一家正在创建视觉搜索引擎的在线零售公司工作。您已在 Google Cloud 上设置了端到端 ML 管道，用于对图像是否包含您公司的产品进行分类。您预计在不久的将来会发布新产品，因此在管道中配置了重新训练功能，以便可以将新数据输入到您的 ML 模型中。您还希望使用 AI Platform 的持续评估服务来确保模型在您的测试数据集上具有高精度。你应该做什么？

您需要针对当前存储在 BigQuery 中的多个结构化数据集构建分类工作流程。由于您将多次执行分类，因此您希望在不编写代码的情况下完成以下步骤：探索性数据分析、特征选择、模型构建、训练以及超参数调整和服务。你应该做什么？

您在一家公共交通公司工作，需要构建一个模型来估计多条交通路线的延误时间。预测将直接在应用程序中实时提供给用户。由于不同的季节和人口增长会影响数据相关性，因此您将每月重新训练模型。您想要遵循 Google 推荐的最佳实践。您应该如何配置预测模型的端到端架构？

您正在使用 AI Platform 开发 ML 模型，以在 CT 扫描上进行图像分割。您经常根据最新的可用研究论文更新模型架构，并且必须在同一数据集上重新运行训练以对其性能进行基准测试。您希望在对代码进行版本控制的同时最大限度地减少计算成本和手动干预。你应该做什么？

您的团队需要构建一个模型来预测图像是否包含驾照、护照或信用卡。数据工程团队已经构建了管道并生成了一个数据集，其中包含 10,000 张驾照图像、1,000 张护照图像和 1,000 张信用卡图像。现在，您必须使用以下标签图来训练模型：[`〜drivers_license'，`〜passport'，`〜credit_card']。您应该使用哪种损失函数？