Falso ou verdadeiro?
O Cloud Datalab é uma poderosa ferramenta interativa criada para explorar, analisar,
transformar, visualizar dados e criar modelos de aprendizado de máquina no Google Cloud
Platform. Ele funciona no Google Compute Engine e se conecta facilmente a vários serviços de
nuvem para que você possa se concentrar nas tarefas de ciência de dados.
O Cloud Datalab permite a análise dos seus dados nas ferramentas Google BigQuery, Cloud
Machine Learning Engine, Google Compute Engine e Google Cloud Storageusando Python, SQL
e JavaScript (para funções definidas pelo usuário do BigQuery).
Escalável
O Cloud Datalab oferece cobertura para análise desde megabytes até terabytes. Consulte
terabytes de dados no BigQuery, gere uma análise local de dados de amostra e execute jobs de
treinamento em terabytes de dados no Cloud Machine Learning Engine com facilidade.
Questão 2
Falso ou verdadeiro?
Questão 3
Falso ou verdadeiro?
The Cloud Pub/Sub API exports usage metrics that can be monitored programmatically or
accessed via Stackdriver Monitoring. You can create dashboards, set up alerts, and set up an
autoscaler to manage publisher or message processing (subscriber) instances running on
Compute Engine.
Note that although Cloud Pub/Sub itself is scaled automatically, you are responsible for
managing your Pub/Sub quota.
V
Questão 4
https://cloud.google.com/logging/docs/export/
Can you export copies of some or all of your logs outside of Stackdriver Logging?
Yes
Questão 5
Verdadeiro ou falso?
Questão 6
Verdadeiro ou falso?
O Stackdriver foi criado do zero para aplicativos em nuvem. Não importa se você está
executando Google Cloud Platform, Amazon Web Services, infraestrutura local ou nuvens
híbridas, o Stackdriver combina métricas, registros e metadados de todas as contas e projetos
em nuvem em uma única visualização abrangente do ambiente. Dessa maneira, você pode
entender rapidamente o comportamento do serviço e entrar em ação.
Integração nativa com ferramentas de dados do Google Cloud, como BigQuery, Cloud Pub/Sub,
Cloud Storage e Cloud Datalab, além de integração imediata com todos os outros
componentes do aplicativo.
A visualização sofisticada e o sistema de alertas avançado ajudam a identificar problemas
rapidamente, até mesmo os de difícil diagnóstico, como contenção de hosts, limitação do
provedor de nuvem e desgaste de hardware. A integração com serviços conhecidos, como o
PagerDuty e o Slack, agiliza a resposta a incidentes. O acompanhamento e a geração de
relatórios de erros, assim como a geração de registros integrada, permitem o detalhamento e
a análise da causa raiz.
Questão 7
Verdadeiro ou falso ?
For a model to predict accurately, the data that it is making predictions on must have a similar
distribution as the data on which the model was trained. Because data distributions can be
expected to drift over time, deploying a model is not a one-time exercise but rather a
continuous process. It is a good practice to continuously monitor the incoming data and retrain
your model on newer data if you find that the data distribution has deviated significantly from
the original training data distribution. If monitoring data to detect a change in the data
distribution has a high overhead, then a simpler strategy is to train the model periodically, for
example, daily, weekly, or monthly.
Verdadeiro
Questão 8
Verdadeiro ou falso?
References:
1
: Srivastava, Nitish, et al. "Dropout: A simple way to prevent neural networks from overfitting." The Journal of Machine Learning Research 15.1
(2014): 1929-1958.
Verdadeiro
Questão 9
Verdadeiro ou falso?