Google Cloud認定資格Digital Leader100題 問題集全問解答＋全問解説付き
Google Cloud認定資格Digital Leaderの過去問100題を全問解答＋全問解説付き
Google Cloud Digital Leaderの最新の問題になります。
筆者が実際に受験して、問題を収集し解答とその解説を全問付けております。
問題数は合計100題。
実際に受験し、重複問題や類似問題を削除しています。
この100問の問題の解答を理解できれば、ほぼ間違いなく、合格すると思います。
ここから問題と解答/解説になります。
100題、全問解答＋全問解説付きになります。
1.
組織は、年間を通じてユーザーの好みに合わせてパーソナライズできるアプリケーションを開発したいと考えています。
既存のオンプレミス アプリケーションをモダナイズするのではなく、クラウド ネイティブ アプリケーションを構築する必要があるのはなぜですか?
A. 開発者は、すべてのソース コードについてクラウド プロバイダーに依存できます。
B. IT マネージャーは、更新を必要とせずに既存のアプリケーション アーキテクチャを移行できます
C. IT マネージャーは設備投資計画を加速できます
D. 開発者は新機能をアジャイルな方法でリリースできます
正解：D
解説: A. 開発者は、すべてのソース コードについてクラウド プロバイダーに依存できます。 - これは不正解です。クラウド ネイティブの開発では、プロバイダーに依存するのではなく、プロバイダーのサービスやAPIを活用してアプリケーションを構築します。ソースコードがプロバイダーに依存するわけではありません。
B. IT マネージャーは、更新を必要とせずに既存のアプリケーション アーキテクチャを移行できます - これも不正解です。クラウド ネイティブ アプリケーションの構築は、オンプレミスのアプリケーションを単に移行するのではなく、クラウドの利点を最大限に活用するために、アプリケーションを新たに設計・開発することを意味します。
C. IT マネージャーは設備投資計画を加速できます - これも不正解です。クラウド ネイティブ アプリケーションは、設備投資の削減に役立つ可能性がありますが、その主な利点は、迅速なイノベーションと市場投入時間の短縮です。
D. 開発者は新機能をアジャイルな方法でリリースできます - 正解です。クラウド ネイティブの開発により、開発者は、コンテナ化、マイクロサービス、自動スケーリング、CI/CD（継続的インテグレーション/継続的デリバリー）などのクラウドの機能を活用して、アジャイルな開発プロセスを採用し、迅速に新機能をリリースできるようになります。
2.
組織は、日常業務に関する洞察を収集するためにデータを分析する必要があります。保存するデータと実行するクエリに対してのみ料金を支払います。あなたの組織は、データ分析ウェアハウスにどの Google Cloud プロダクトを選択する必要がありますか?
A. BigQuery
B. Dataproc
C. Cloud SQL
D. クラウド スパナ
正解:A
解説: A. BigQuery - 正解です。BigQueryはサーバーレスなデータウェアハウスで、実際に保存されているデータと実行したクエリの量に基づいて料金が発生します。大規模なデータ分析を行う際に適しており、ユーザーはサーバーの管理やスケーリングを心配する必要がありません。
B. Dataproc - これは不正解です。DataprocはマネージドHadoopサービスであり、主にHadoopとSparkのエコシステムを利用したバッチ処理やストリーミング処理に使用されます。クラウド上でのデータ分析ウェアハウスとしての利用よりも、データ処理のためのマネージドクラスタを提供します。
C. Cloud SQL - これも不正解です。Cloud SQLはマネージドSQLデータベースサービスで、主にオンライントランザクション処理（OLTP）に適しています。大規模な分析クエリには最適ではありません。
D. Cloud Spanner - これも不正解です。Cloud Spannerはグローバルに分散したデータベースサービスで、高いスケーラビリティと一貫性を持ち合わせていますが、BigQueryのような分析専用データウェアハウスではありません。
結論として、データ分析ウェアハウスとしての要件を満たすのはBigQueryです。
3.
あなたの顧客は、リーダーシップ チームがたまにしか使用しないレポート ツールを持っています。使用頻度は、週に 1 回、月に 1 回、または四半期に 1 回です。彼らは、このアプリケーションを費用対効果の高い方法で実行したいと考えています。Google Cloud で利用できる適切なコンピューティング オプションは何ですか? (2 つ選択)
A. クラウドラン
B. Cloud App Engine スタンダード
C. Compute Engine
D. Kubernetes エンジン
正解：A,B
ChatGPT
解説: A. クラウドラン - 正解です。Cloud Runはコンテナを実行するためのフルマネージドなプラットフォームであり、実際に使用されたリソースに基づいて料金がかかります。使用頻度が低いアプリケーションに適しており、リソースは使用されないときには課金されません。
B. Cloud App Engine スタンダード - 正解です。App Engine Standardはサーバーレスなアプリケーション プラットフォームで、リクエスト数や使用するコンピューティング リソースに基づいて料金がかかります。使用頻度が低い場合、コストを抑えることができます。
C. Compute Engine - 不正解です。Compute Engineは仮想マシンを提供するサービスで、インスタンスが稼働している時間に基づいて料金がかかります。週に数回しか使用しないアプリケーションには、コスト効率が悪い可能性があります。
D. Kubernetes エンジン - 不正解です。Kubernetes Engineはコンテナ化されたアプリケーションを実行するためのマネージドサービスですが、継続的に稼働するクラスタリソースに対して料金がかかるため、使用頻度が低いアプリケーションには費用対効果が低いでしょう。
結論として、使用頻度が低く費用対効果の高いアプリケーションの実行には、Cloud RunやApp Engine Standardが適しています。
4.
標準 SQL とデータ ウェアハウス内のデータを使用して機械学習モデルを構築できる Google Cloud サービスまたは機能はどれですか?
A. BigQuery ML
B. TensorFlow
C. AutoML テーブル
D. Cloud Bigtable ML
正解：A
解説: A. BigQuery ML - 正解です。BigQuery ML（Machine Learning）は、標準SQLクエリを使用してBigQueryデータウェアハウス内で直接機械学習モデルを構築、トレーニング、および評価できるGoogle Cloudの機能です。これにより、データアナリストはBigQueryのデータを使って簡単に機械学習モデルを作成できます。
B. TensorFlow - 不正解です。TensorFlowはオープンソースの機械学習フレームワークであり、Google Cloudの様々なサービスで使用されますが、データウェアハウス内で直接機械学習モデルを構築するための機能ではありません。
C. AutoML テーブル - 不正解です。AutoML テーブルは、機械学習モデルを自動的にトレーニングするGoogle Cloudのサービスですが、BigQueryのようなデータウェアハウス内で直接機能するわけではなく、異なるプロセスを必要とします。
D. Cloud Bigtable ML - 不正解です。この選択肢は誤りです。Cloud BigtableはNoSQLデータベースサービスであり、直接機械学習モデルを構築するための機能を提供していません。また、「Cloud Bigtable ML」というサービスは存在しません。
5.
ある小売会社は、自社の製品在庫をレガシー システムに保管しています。多くの場合、顧客は会社の Web サイトで製品を見つけ、店舗で購入したいと考えています。
しかし、到着すると、商品が在庫切れであることに気付きます。
アプリケーション プログラミング インターフェイス (API) を使用することで、会社はどのようなメリットを得られるでしょうか?
A. 顧客向けにパーソナライズされた製品レコメンデーションを作成するため
B. オンプレミスのレガシー システムの安定性を最適化するため
C. ケースバイケースで、各在庫システムを Web サイトに手動でリンクする。
D. プログラムで在庫システムを Web サイトに接続する
正解：D
解説: A. 顧客向けにパーソナライズされた製品レコメンデーションを作成するため - 不正解です。APIは直接的にパーソナライズされた製品レコメンデーションを作成するために使用されるものではありませんが、必要なデータを集めるためのツールとして間接的に利用することはできます。
B. オンプレミスのレガシー システムの安定性を最適化するため - 不正解です。APIはシステム間のインターフェースを提供しますが、既存システムの安定性を直接最適化するものではありません。
C. ケースバイケースで、各在庫システムを Web サイトに手動でリンクする。 - 不正解です。APIの目的は、手動ではなく自動化された方法でシステム間のデータ連携を可能にすることです。
D. プログラムで在庫システムを Web サイトに接続する - 正解です。APIを使用することで、会社の在庫管理システムをWebサイトにプログラム的に統合し、リアルタイムでの在庫情報を顧客に提供することが可能になります。これにより、顧客がオンラインで確認した在庫情報と店舗での在庫状況が一致し、顧客満足度の向上に繋がります。
6.
組織では、Active Directory を使用してユーザーを認証しています。Active Directory アカウントが終了したら、ユーザーの Google アカウントへのアクセスを削除する必要があります。
あなたの組織はこの要件をどのように満たす必要がありますか?
A. Google ドメインでシングル サインオンを構成する
B. Google ドメインで 2 要素認証を構成する
C. すべての IAM ポリシーから Google アカウントを削除します
D. Google ドメインで BeyondCorp と Identity-Aware Proxy を構成する
正解：A
解説: A. Google ドメインでシングル サインオン (SSO) を構成する - これは正解です。シングル サインオンを使えば、Active Directory の認証情報を利用して Google Cloud へのアクセスを管理できます。したがって、Active Directory アカウントが終了すると、その認証情報は無効になり、結果として Google アカウントへのアクセスも削除されます。
B. Google ドメインで 2 要素認証を構成する - これは不正解です。2 要素認証はセキュリティを強化するためのものであり、Active Directory アカウントの終了と Google アカウントへのアクセスを連動させる機能ではありません。
C. すべての IAM ポリシーから Google アカウントを削除します - これも不正解です。手動で IAM ポリシーからアカウントを削除するのは、自動化されたプロセスではなく、効率的ではありません。また、アカウントが終了するたびに毎回行う必要があります。
D. Google ドメインで BeyondCorp と Identity-Aware Proxy (IAP) を構成する - これも不正解です。BeyondCorp と IAP はリソースへのアクセスをセキュアにするためのソリューションですが、Active Directory のアカウント終了と Google アカウントへのアクセス削除を直接的に連携させる機能を提供するわけではありません。
7.
国境警備局は、パスポートにスタンプされたビザに関する情報を収集するアプリケーションを作成するために、ソフトウェア サービス会社を雇いました。スタンプ画像をお渡しします。ビザを発行した国と有効期間を確認する必要があります。このデータを引き出して、データベースに入れます。これらのアプリケーションのどれがそれに適していますか?
A. Cloud Vision API を使用 - コードを記述してテキスト ブロックを識別し、データをコピーして保存する
B. TensorFlow を使用 - ビザの種類と境界テキスト ブロックを識別するコードを記述します。データをコピーして保存します。
C. AutoML を使用 - ビザの他の画像をアップロードし、ビザを自動的に識別するモデル作成プロセスを実行します
D. データラベリングサービスを利用する - 情報のマーキングと抽出の作業を外部に委託します。
正解：A
解説: A. Cloud Vision API を使用 - コードを記述してテキスト ブロックを識別し、データをコピーして保存する - 正解です。Google Cloud Vision APIは画像中のテキストを識別して解読する能力を持っているため、パスポートのスタンプ画像からビザの情報を抽出するのに適しています。画像認識とテキスト抽出はこのAPIの主要機能であり、スタンプされたビザ情報をデータベースに入力するプロセスを自動化することが可能です。
B. TensorFlow を使用 - ビザの種類と境界テキスト ブロックを識別するコードを記述します。データをコピーして保存します。 - これは不正解です。TensorFlowはオープンソースの機械学習ライブラリで、画像認識やテキスト分析などの複雑なタスクを実行するために使えますが、このケースではTensorFlowを使用するには過剰であり、また、専門的な知識が必要で、さらには独自のモデルをトレーニングする時間がかかります。
C. AutoML を使用 - ビザの他の画像をアップロードし、ビザを自動的に識別するモデル作成プロセスを実行します - これも不正解です。AutoMLはカスタムモデルを作成するために使用されるが、すでに特定のタスク（テキスト抽出）を解決するための専門的なAPIが存在しているため、このシナリオでは最も効率的な選択ではありません。
D. データラベリングサービスを利用する - 情報のマーキングと抽出の作業を外部に委託します。 - これも不正解です。データラベリングサービスはデータの注釈付けを行うためのものであり、大量のデータで機械学習モデルをトレーニングする場合に有用ですが、このケースではリアルタイムまたは自動化されたデータ抽出が必要なので、このアプローチは適していません。
8.
Compute Engine は、仮想マシン (VM) インスタンスのリソース使用率を最適化するのに役立つマシン タイプの推奨事項を提供します。この機能は何と呼ばれますか?
A. App Engine
B. いずれでもない
C. サイズ適正化の推奨事項
D. レコメンデーション エンジン
正解：C
解説:
A. App Engine - これは不正解です。App EngineはGoogle Cloud Platformのフルマネージドなプラットフォームアズアサービス（PaaS）で、アプリケーションの開発やホスティングを簡単にするためのプラットフォームです。これはVMのリソース使用率の最適化に関する推奨を提供するサービスではありません。
B. いずれでもない - これも不正解です。Compute Engineは確かにリソース使用率を最適化するための推奨を提供する機能を持っています。この機能には特定の名前があります。
C. サイズ適正化の推奨事項 - 正解です。Compute EngineはVMインスタンスのリソース使用率に基づいて、よりコスト効率の良いマシンタイプへの変更を推奨することがあります。このプロセスは「サイズ適正化の推奨事項」と呼ばれています。
D. レコメンデーション エンジン - これは不正解です。レコメンデーション エンジンは通常、顧客に対して製品やサービスを推薦するために使用されるAIベースのツールを指します。Compute Engineのリソース使用率の最適化とは関連がありません。
9.
現在、会社がライセンスを所有している Windows Server で実行されているワークロードを管理しています。ワークロードは勤務時間中にのみ必要となるため、週末にインスタンスをシャットダウンできます。Windows Server ライセンスは 1 か月後に更新されるので、ライセンス コストを最適化したいと考えています。
あなたは何をするべきか？
A. ライセンスをさらに 3 年間更新します。ライセンスをさらに 3 年間更新します。ワークロードが使用されていないときにインフラストラクチャのコストが削減される、現在のホスティング プロバイダーとのコスト削減について交渉する
B. ライセンスをさらに 2 年間更新します。2 年の期間の終了時にライセンスを自動更新することを約束して、コスト削減を交渉する
C. ライセンス持ち込み (BYOL) モデルを使用して、ワークロードを Compute Engine に移行します。
D. 従量課金制 (PAYG) モデルでワークロードを Compute Engine に移行します。
正解：C
解説:
A. これは不正解です。ライセンスをさらに3年間更新する提案は、ライセンスコストの最適化という目的に直接寄与しない可能性があります。週末にインスタンスをシャットダウンできることはコスト削減に役立ちますが、この選択肢はライセンス自体のコストを直接最適化するものではありません。
B. これも不正解です。2年間の更新とその後の自動更新の約束は、短期的なライセンスコストの削減にはならないため、即時の最適化ニーズには対応していません。
C. 正解です。ライセンス持ち込み（BYOL）モデルを使用することで、既存のライセンスをGoogle CloudのCompute Engineに移行し、ライセンスコストを最適化できます。特に、週末にインスタンスをシャットダウンするという要件を考えると、Compute Engineではカスタムなスケジュールでインスタンスの起動と停止が可能であり、コスト効率が良いです。
D. これは不正解です。従量課金制（PAYG）モデルでは、使用した分だけ支払うことになりますが、Windows Serverのライセンスコストは別途発生します。したがって、現在のライセンスを最適化するという目的には適していません。
10.
あなたの組織は多くのチームで構成されています。各チームには多数の Google Cloud プロジェクトがあります。あなたの組織は、これらのプロジェクトの ID およびアクセス ポリシーの管理を簡素化したいと考えています。
この目標を達成するために、これらのプロジェクトをどのようにグループ化できますか?
A. 各チームのプロジェクトを個別のドメインにグループ化する
B. 各チームのプロジェクトの一部である仮想マシンに基づいてラベルを割り当てます
C. フォルダーを使用して、各チームのプロジェクトをグループ化します
D. 各チームのプロジェクトを個別の組織ノードにグループ化します
正解：C
解説:
A. これは不正解です。ドメインを使用してプロジェクトをグループ化することは、Google Cloud内でのリソース管理の標準的なアプローチではありません。ドメインは通常、ユーザー認証や電子メールアドレスの管理に関連するものです。
B. これも不正解です。ラベルは、リソースにメタデータを割り当てるための良い方法ですが、アクセスポリシーの管理には直接適していません。ラベルは主にリソースを分類し、コストの追跡や管理に役立てるために使用されます。
C. 正解です。フォルダーは、関連するプロジェクトをグループ化し、ポリシーを一元管理するための効果的な方法です。Google Cloudのリソース階層では、組織内に複数のフォルダーを作成し、それぞれにプロジェクトを割り当てることで、アクセス制御やリソース管理を効率的に行うことができます。
D. これは不正解です。組織ノードは、Google Cloudリソース階層の最上位に位置し、通常は単一の組織に対して1つだけ存在します。そのため、各チームのプロジェクトを異なる組織ノードにグループ化することは不可能です。組織ノードは組織全体のポリシーを定義するために使用され、個別のチームレベルでの管理には適していません。
ここから先は
¥ 2,000
この記事が気に入ったらサポートをしてみませんか？