～GCP認定プロフェッショナル機械学習エンジニア試験対応まとめ～
■ 概要
Vertex AI Workbench を用いた機械学習プロジェクトでは、複数モデルの学習進捗を比較・可視化・共有する必要があります。その手段として TensorBoard が用いられます。
効果的に活用するには、「ログの記録」「保存」「可視化」「共有」の一連の流れを正しく設計することが重要です。
■ 推奨される構成と手順
| 手順 | 推奨アクション | 解説 |
|---|---|---|
| ① ログの記録 | TensorFlowを使用してTensorBoardにメトリクスを記録する | tf.summary APIやScalarsダッシュボードを用いて記録 |
| ② ログの保存 | Cloud Storageに保存する | 拡張性・可用性に優れ、共有にも適している |
| ③ 可視化の統合 | Vertex AI Workbenchと統合してリアルタイムで可視化 | 実験の進捗や結果を即座に確認できる |
| ④ チームとの共有 | TensorBoardのダッシュボードで結果を閲覧・共有 | 共有による意思決定の迅速化が可能 |
■ 正答とされる代表的選択肢
✅ 推奨される選択肢：
- TensorFlowでメトリクスを記録する
- 例：「TensorFlowでTensorBoardにメトリクスを記録」
- 理由：TensorBoard標準の記録方法であり、他のツールとの互換性も高い。
- Cloud StorageにTensorBoardログを保存する
- 例：「TensorBoardログをCloud Storageに保存」
- 理由：スケーラブルで安全な保存方法。アクセス・共有に優れる。
- Vertex AI Workbenchと統合する
- 例：「Vertex AI WorkbenchとTensorBoardを統合」
- 理由：リアルタイム可視化に最適な連携方法。
■ 誤答として示された代表的な選択肢と理由
❌ 避けるべき選択肢とその理由：
| 選択肢内容 | 理由 |
|---|---|
| BigQueryを使ってTensorBoardログを保存・分析する | BigQueryはTensorBoardログの保存には一般的でなく、非推奨。 |
| Cloud SQLやVertex AI Feature Storeにログを保存する | これらのサービスはログ保存用には設計されておらず、不適切。 |
| Vertex AI ExperimentsでTensorBoardログを比較する | Experimentsは実験管理用途であり、ログ可視化には使わない。 |
| Cloud Build、Cloud Composer、Cloud Functionsで自動化 | 自動化は補助的な手段であり、初期セットアップには不要。 |
■ 試験対策ポイント（EXAM FOCUS）
- TensorBoardログはCloud Storageに保存するのがベストプラクティス。
- TensorFlow (
tf.summaryや Scalars) を用いたログ記録が基本。 - Vertex AI Workbenchと統合することで、可視化・共有が容易になる。
■ 注意ポイント（CAUTION ALERT）
- BigQuery、Cloud SQL、Feature Store はログ保存用途として不適。
- Cloud Composer や Cloud Functions などの自動化手段は便利だが、必須ではない。
関連記事
