Examen PMLE — PMLE — Google Professional Machine Learning Engineer

Une entreprise de services financiers utilise BigQuery ML pour détecter les transactions frauduleuses. Le dataset contient 50 millions de transactions dont seulement 0.1% sont frauduleuses. L'équipe ML a entraîné un modèle BOOSTED_TREE_CLASSIFIER mais constate un recall de seulement 12% sur la classe frauduleuse malgré une accuracy globale de 99.8%. Quelle combinaison d'actions dans BigQuery ML permettrait le mieux d'améliorer le recall de la détection de fraude ?

Votre organisation gère un Feature Store contenant 500 features réparties dans 20 EntityTypes. Vous devez générer un dataset d'entraînement pour un modèle de prédiction de churn en joignant les features 'customer', 'subscription' et 'support_ticket' à une table d'événements historiques contenant 10 millions de lignes avec des timestamps. Comment garantir l'absence de data leakage tout en optimisant les performances ?

Votre entreprise développe un modèle de détection de fraude en temps réel qui doit traiter des millions de transactions par seconde avec une latence inférieure à 100 ms. Le modèle TensorFlow entraîné doit être déployé de manière scalable et géré automatiquement. Quelle architecture GCP est la plus appropriée ?

Une entreprise pharmaceutique utilise Vertex AI pour entraîner un modèle de classification d'images médicales. Les données sont soumises à des réglementations strictes de confidentialité et ne doivent jamais transiter par l'internet public. L'entraînement doit se faire sur des GPU dédiés et les artefacts du modèle doivent être chiffrés avec une clé gérée par l'entreprise. Quelle combinaison de configurations Vertex AI satisfait ces exigences ?

Vous êtes ML Engineer dans une banque. Votre équipe a développé un modèle de scoring crédit enregistré dans Vertex AI Model Registry. Avant tout déploiement en production, la politique interne exige une validation automatisée incluant : la vérification des métriques de performance sur un dataset de test holdout, un test de biais sur des attributs protégés, et une approbation formelle d'un data scientist senior. Comment orchestrer au mieux ce workflow de validation dans l'écosystème Google Cloud ?