Professional Machine Learning Engineer

Professional ML Engineer 認定資格 | Learn | Google Cloud

2026/1/30

受かったぴょーん

PMLE

問題集 n 回解いて結果をあつめて即物的な判断ツリーを作る

2026/1/7

問題やる

LLM + レコメンド + 大規模データ + 低レイテンシ → Vector Search

LLM 学習高速化ときたら

混合精度, bfoat16

PEFT

GPU vs TPU の判断

カスタム Tensorflow Ops は TPU で使いづらいなど知らん

コード修正を最小に的なやつは GPU になる??

TPU VM vs TPU ノード

TPU ノードはもう Deprecated

インフラ完全制御 → GKE 等 > Vertex AI Endpoints

ファインチューニングするかどうか

まあわかる

学習オプション

開発スピード重視 vs 性能や制御重視

だいたいスピード重視は AutoML, BQML, API つかおうね

AutoML ができない範囲:

カスタムラベル

AutoML でできる

ファイルアップロードで何かする

GCS + Cloud Functions トリガ

音声

音声バイアスの排除 → テキスト化

1分以上 = LongRunningRecognize

サンプリングレートそのままでいい

これソースどこだろ?

再学習

どのぐらいの頻度か

性能低下時

ドリフトが検知された時

正解ラベルの更新時

何が問題か

Training Service Skew

コスト

ドリフト検知

何をきっかけに再学習したいか

予測ドリフト Prediction Draft

特徴量のドリフト Feature Drift

前処理ロジックの共通化

モデルに組み込む

Tensorflow Feature Column API

組み込める程度に単純なものかどうか

Tensorflow Transform

Custom Prediction Routine というものがある

BQ で実装できそうでも SQL 書くのはムズいという世界観らしい、俺なら View や Sheduled Query でやるが... みたいな

大規模データ: だいたい Dataflow, BigQuery

他の制約で変わるなら

リアルタイム推論

バッチ予測

エンドポイント要らないね

ハイパラ調整

OOM → バッチサイズ小さく

Memory-bound

Accelerator 増やしたけど性能でない → バッチサイズ大きく

Input-bound (I/O bound)

並列化 (interleave), プリフェッチ

CPU で遅い → GPU

そりゃそう

Compute-bound

Communication-boudn はでないか?

分散トレーニング = tf.distribute 何か

Spark や Airflow で書き換えましょう系問題なんてあるんだろうか? ハズレ選択肢での登場ばかり

VertexAI Pipelines & KFP

雰囲気でやってる

リネージしたい → Pipelines

標準的なタスクは事前定義済みコンポーネント

キャッシュで解決する効率の問題はだいたいキャッシュ

実行時間の短縮、コスト削減, etc

ステップ分けてキャッシュ効かせる

コンポーネント定義に依存してキャッシュが作られる(ファイル名, コード等) → Vertex AI Pipelines

データ品質チェック, モデル品質チェックは TFX を使う

デプロイ: 組み込みの ModelUploadOp, ModelDeployOp

Google Cloud Pipeline コンポーネントを使用する | Vertex AI | Google Cloud Documentation

実装済みの Python コードを使いたい → dsl.component で実装

メモリ不足 → DataflowRunner

うーんどうなんだ、手元でこのジョブやる想定ないだろみたいなツッコミのほうが大きい

TODO

TFX 一切知らない

Pipelines の組み込み Op ひと通り見ておく

Vertex AI Endpoints 知らなすぎる

Model Monitoring 一切知らない

Custom Prediction Routines

Tensorflow Feature Column API だいたいイメージ付くが見ておく

最終これを話題ごとにまとめる

2025/12/16

何かを貰えたので受験に向かって動く

【2025年版】Professional Machine Learning Engineer(PMLE) 合格記：生成AI分野の攻略

【PMLE】日本語 Professional Machine Learning Engineer 模擬試験 GCP | Udemy

た、高い...

Google Cloud認定Professional Machine Learning Engineer受験談＆学習方法 #GoogleCloud - Qiita

まあ GenAI は分かってる方だろうから、問題集やればいいか

2025/11/14

https://www.skills.google/public_profiles/b948dee5-2492-443e-a663-8e2bcbce6cb8

2025/11/13

違うバッヂを集めていたということが分かった...

Skill badge が必要

BigQuery のデータから分析情報を引き出す - BigQuery のデータから分析情報を引き出す: チャレンジラボ | Google Skills

えっこんなのあるの、問題も微妙に人によって違うぽいし、難しッ

おもしろかった...

https://gyazo.com/0b9c6143a858309c3df16fdd72553d59

内容はちょうどいい気がするけど、インドのやつ納得いかないな... テーブルみたら new_confirmed 使うだろ...

LAG にしてがちゃがちゃ色々試してクリアしたがどれが真の正解か分かってない

でも後で LAG の説明が出てきたから LAG が想定解法じゃないのか?? 何もわからない...

あと「前日比を 2020/2/15~ から出せ」と言われたら、2/14 から集計してないとダメだと思う

"新規感染者" の定義も曖昧で、なおさらデータセットの new_confirmed に従うべきだと思うけどなあ

2人治って2人感染した場合、トータル感染者数は変わらなくて新規感染者は2だろと、なので new_confirmed 使わない理由がない (使わないのが正解だったように見える)

このデータセットからは分からないが、再感染は新規にカウントするんすか?? とツッコむと思う

補正なのか新規感染者数 -2 の日もあるし、納得いかね~~~

他に良さそうなの

Create ML Models with BigQuery ML - BigQuery ML を使用した ML モデルの作成: チャレンジラボ | Google Skills

Use Machine Learning APIs on Google Cloud - Google Cloud での ML の API の使用: チャレンジラボ | Google Skills

Vertex AI の Gemini API で生成 AI を使ってみる - Vertex AI の Gemini API で生成 AI を使ってみる: チャレンジラボ | Google Skills

Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチドキュメントの検査 - Gemini によるマルチモダリティとマルチモーダル RAG を使用したリッチドキュメントの検査: チャレンジラボ | Google Skills

Vertex AI におけるプロンプト設計 - Vertex AI におけるプロンプト設計: チャレンジラボ | Google Skills

Classify Images with TensorFlow on Google Cloud - Classify Images with TensorFlow on Google Cloud: チャレンジラボ | Google Skills

https://gyazo.com/d4920871019b33b77c78b885d7bdf179

2025/11/12

どっちでもよすぎる

https://gyazo.com/68bda99938690ae3f51afcc10b48b67e

Colab Enterprise, Workbench の使い分け

2025/11/9

バウチャー獲得のために動く

MLOps レベル

継続的トレーニング

2025/11/6

バウチャーもらえるし取るか... 試験も日本語になったっぽいし