GCP Professional Machine Learning Engineerコース全体の総まとめ。 GCPサービスリファレンス、評価メトリクス、ドメインの比重、試験戦略。
Google Cloud Professional Machine Learning Engineer 試験対策
領域5：Responsible AIと復習
xdev.asia
1. GCP Professional ML Engineer試験の構成
項目
詳細
総問題数
60問
制限時間
120分（2時間）
合格スコア
約70%（Googleは正確なスコアを公表していません）
形式
択一問題、複数選択問題
有効期間
2年間
レベル
Professional（中級〜上級）
2. ドメインの比重
ドメイン
比重
1. ローコードMLソリューションのアーキテクチャ設計
約10%
2. チーム内外でのデータとモデルの管理における協力
約20%
3. プロトタイプからMLモデルへのスケーリング
約20%
4. モデルのサービングとスケーリング
約20%
5. MLパイプラインの自動化とオーケストレーション
約20%
6. MLソリューションのモニタリング
約10%
3. GCP MLサービスチートシート
タスク
GCPサービス
ノーコード画像分類
Vertex AI AutoML Image
データウェアハウスでのSQLベースML
BigQuery ML
カスタムTensorFlow/PyTorchトレーニング
Vertex AI Custom Training
ハイパーパラメータ最適化
Vertex AI Hyperparameter Tuning（Bayesian）
学習/推論間の特徴量一貫性
Vertex AI Feature Store
MLワークフローオーケストレーション（パイプライン）
Vertex AI Pipelines（KFP）
実験追跡
Vertex AI Experiments
モデルバージョニング
Vertex AI Model Registry
モデルバージョンのA/Bテスト
Vertex AI Endpointsトラフィック分割
特徴量スキュー/ドリフトのモニタリング
Vertex AI Model Monitoring
モデル予測の説明
Vertex AI Explainability（SHAP、IG）
リアルタイムイベント取り込み
Pub/Sub
統合バッチ + ストリーミングETL
Dataflow（Apache Beam）
Spark/Hadoopワークロード
Dataproc
MLパイプラインオーケストレーション（マルチサービス）
Cloud Composer（Airflow）
自然言語分析（トレーニング不要）
Cloud Natural Language API
ドキュメント抽出
Document AI
音声からテキスト
Cloud Speech-to-Text API
データ流出の防止
VPC Service Controls
顧客管理暗号化
Cloud KMS（CMEK）
4. よくある試験の罠
罠
正解
「ML専門知識なし、画像分類」
AutoML Image（カスタムトレーニングではない）
「BigQueryに既にあるデータでトレーニング」
BigQuery ML（Vertex AIではない）
「学習時と推論時で特徴量が異なる」
Vertex AI Feature Store（再トレーニングではない）
「データ到着時に再トレーニングをトリガー」
GCS通知 → Eventarc → Vertex AI Pipeline
「モデルが申請を拒否した理由を説明」
Vertex AI Explainability（SHAP）
「分散された病院データでトレーニング」
連合学習
「BigQueryデータの流出を防止」
VPC Service Controls
「実行間のモデルパフォーマンスを比較」
Vertex AI Experiments
試験のヒント： GCP Professional ML Engineer試験は通常、API構文ではなくアーキテクチャの決定について問います。主な質問パターン：「要件に最も適したサービスはどれか」、「最初のステップは何か」、「運用オーバーヘッドが最も少ないアプローチはどれか」。質問に「最小限の管理」や「サーバーレス」がある場合は、常にGCPのマネージドサービスを優先してください。