Microsoft Designing and Implementing a Data Science Solution on Azure (DP-100日本語版) - DP-100日本語무료 덤프문제 풀어보기
Azure Al Foundryプロジェクトを管理します
Azure Al Foundry SDK を使用して検索インデックスを作成する予定です。
コンテンツ フィールドをセマンティック ランキングの優先フィールドとして構成する必要があります。このフィールドは既に検索可能に設定されています。
アイテムコードセグメントをどのように完了する必要がありますか? 回答するには、回答領域で適切なオプションを選択してください。
注意: 正しい選択ごとに 1 ポイントが付与されます。
Azure Al Foundry SDK を使用して検索インデックスを作成する予定です。
コンテンツ フィールドをセマンティック ランキングの優先フィールドとして構成する必要があります。このフィールドは既に検索可能に設定されています。
アイテムコードセグメントをどのように完了する必要がありますか? 回答するには、回答領域で適切なオプションを選択してください。
注意: 正しい選択ごとに 1 ポイントが付与されます。
정답:
Explanation:
注：この質問は、同じシナリオを提示する一連の質問の一部です。シリーズの各質問には、述べられた目標を達成する可能性のある独自の解決策が含まれています。一部の質問セットには複数の正しい解決策がある場合がありますが、他の質問セットには正しい解決策がない場合があります。
このセクションの質問に回答した後は、その質問に戻ることはできません。その結果、これらの質問はレビュー画面に表示されません。
Pythonスクリプトを使用して、Azure MachineLearningの実験を実行することを計画しています。スクリプトは、実験実行コンテキストへの参照を作成し、ファイルからデータをロードし、ラベル列の一意の値のセットを識別して、実験実行を完了します。
実験では、後で確認できる実行のメトリックとして、データに一意のラベルを記録する必要があります。
コメントで示されたポイントで実行メトリックとして一意のラベル値を記録するには、スクリプトにコードを追加する必要があります。
解決策：コメントを次のコードに置き換えます。
run.log_list（ 'ラベル値'、label_vals）
ソリューションは目標を達成していますか？
このセクションの質問に回答した後は、その質問に戻ることはできません。その結果、これらの質問はレビュー画面に表示されません。
Pythonスクリプトを使用して、Azure MachineLearningの実験を実行することを計画しています。スクリプトは、実験実行コンテキストへの参照を作成し、ファイルからデータをロードし、ラベル列の一意の値のセットを識別して、実験実行を完了します。
実験では、後で確認できる実行のメトリックとして、データに一意のラベルを記録する必要があります。
コメントで示されたポイントで実行メトリックとして一意のラベル値を記録するには、スクリプトにコードを追加する必要があります。
解決策：コメントを次のコードに置き換えます。
run.log_list（ 'ラベル値'、label_vals）
ソリューションは目標を達成していますか？
정답: B
설명: (Fast2test 회원만 볼 수 있음)
モデル開発戦略を実装して、ユーザーが広告に反応する傾向を判断する必要があります。
どのテクニックを使用する必要がありますか？
どのテクニックを使用する必要がありますか？
정답: D
설명: (Fast2test 회원만 볼 수 있음)
注: この問題は、同じシナリオを提示する一連の問題の一部です。一連の問題にはそれぞれ、定められた目標を満たす可能性のある独自の解答が含まれています。問題セットによっては、複数の正解が存在する場合もあれば、正解がない場合もあります。
このセクションの質問に回答した後は、その質問に戻ることはできません。そのため、これらの質問はレビュー画面に表示されません。
Azure Machine Learning デザイナーを使用して、次のデータセットを実験に読み込みます。
入力データセットと同じ列とヘッダー行を持ち、両方の入力データセットのすべての行が含まれるデータセットを作成する必要があります。
解決策: Python スクリプト実行モジュールを使用します。
ソリューションは目標を満たしていますか?
このセクションの質問に回答した後は、その質問に戻ることはできません。そのため、これらの質問はレビュー画面に表示されません。
Azure Machine Learning デザイナーを使用して、次のデータセットを実験に読み込みます。
入力データセットと同じ列とヘッダー行を持ち、両方の入力データセットのすべての行が含まれるデータセットを作成する必要があります。
解決策: Python スクリプト実行モジュールを使用します。
ソリューションは目標を満たしていますか?
정답: A
注：この質問は、同じシナリオを提示する一連の質問の一部です。シリーズの各質問には、述べられた目標を達成する可能性のある独自の解決策が含まれています。一部の質問セットには複数の正しい解決策がある場合がありますが、他の質問セットには正しい解決策がない場合があります。
このセクションの質問に回答した後は、その質問に戻ることはできません。その結果、これらの質問はレビュー画面に表示されません。
Pythonスクリプトを使用して、Azure MachineLearningの実験を実行することを計画しています。スクリプトは、実験実行コンテキストへの参照を作成し、ファイルからデータをロードし、ラベル列の一意の値のセットを識別して、実験実行を完了します。
azureml.coreからインポート実行
パンダをpdとしてインポートする
run = Run.get_context（）
データ= pd.read_csv（ 'data.csv'）
label_vals = data ['label']。unique（）
＃ここに指標を記録するコードを追加
run.complete（）
実験では、後で確認できる実行のメトリックとして、データ内の一意のラベルを記録する必要があります。
コメントで示されたポイントで実行メトリックとして一意のラベル値を記録するには、スクリプトにコードを追加する必要があります。
解決策：コメントを次のコードに置き換えます。
run.log_table（ 'ラベル値'、label_vals）
ソリューションは目標を達成していますか？
このセクションの質問に回答した後は、その質問に戻ることはできません。その結果、これらの質問はレビュー画面に表示されません。
Pythonスクリプトを使用して、Azure MachineLearningの実験を実行することを計画しています。スクリプトは、実験実行コンテキストへの参照を作成し、ファイルからデータをロードし、ラベル列の一意の値のセットを識別して、実験実行を完了します。
azureml.coreからインポート実行
パンダをpdとしてインポートする
run = Run.get_context（）
データ= pd.read_csv（ 'data.csv'）
label_vals = data ['label']。unique（）
＃ここに指標を記録するコードを追加
run.complete（）
実験では、後で確認できる実行のメトリックとして、データ内の一意のラベルを記録する必要があります。
コメントで示されたポイントで実行メトリックとして一意のラベル値を記録するには、スクリプトにコードを追加する必要があります。
解決策：コメントを次のコードに置き換えます。
run.log_table（ 'ラベル値'、label_vals）
ソリューションは目標を達成していますか？
정답: A
설명: (Fast2test 회원만 볼 수 있음)
Azure Machine Learning Designerを使用して、回帰モデルのトレーニングパイプラインを作成します。
入力データ値のデータセットに対して非同期で予測を生成するエンドポイントとして、展開するパイプラインを準備する必要があります。
あなたは何をするべきか？
入力データ値のデータセットに対して非同期で予測を生成するエンドポイントとして、展開するパイプラインを準備する必要があります。
あなたは何をするべきか？
정답: B
설명: (Fast2test 회원만 볼 수 있음)
データの視覚化要件に従って、診断テスト評価のための視覚化を作成する必要があります。
どの 3 つのモジュールを順番に使用することをお勧めしますか? 回答するには、適切なモジュールをモジュール リストから回答領域に移動し、正しい順序に並べます。
どの 3 つのモジュールを順番に使用することをお勧めしますか? 回答するには、適切なモジュールをモジュール リストから回答領域に移動し、正しい順序に並べます。
정답:
Explanation:
Step 1: Sweep Clustering
Start by using the " Tune Model Hyperparameters " module to select the best sets of parameters for each of the models we ' re considering.
One of the interesting things about the " Tune Model Hyperparameters " module is that it not only outputs the results from the Tuning, it also outputs the Trained Model.
Step 2: Train Model
Step 3: Evaluate Model
Scenario: You need to provide the test results to the Fabrikam Residences team. You create data visualizations to aid in presenting the results.
You must produce a Receiver Operating Characteristic (ROC) curve to conduct a diagnostic test evaluation of the model. You need to select appropriate methods for producing the ROC curve in Azure Machine Learning Studio to compare the Two-Class Decision Forest and the Two-Class Decision Jungle modules with one another.
References:
http://breaking-bi.blogspot.com/2017/01/azure-machine-learning-model-evaluation.html
Azure Machine Learning ワークスペースでモデルをトレーニングして登録します。
クライアントアプリケーションがバッチ推論にモデルを使用できるようにするパイプラインを公開する必要があります。入力データから予測を取得するには、Python推論スクリプトを実行する単一のParallelRunStepステップを含むパイプラインを使用する必要があります。
ParallelRunStep パイプライン ステップの推論スクリプトを作成する必要があります。
どの 2 つの関数を含める必要がありますか? それぞれの正解はソリューションの一部を示しています。
注意: 正しい選択ごとに 1 ポイントが付与されます。
クライアントアプリケーションがバッチ推論にモデルを使用できるようにするパイプラインを公開する必要があります。入力データから予測を取得するには、Python推論スクリプトを実行する単一のParallelRunStepステップを含むパイプラインを使用する必要があります。
ParallelRunStep パイプライン ステップの推論スクリプトを作成する必要があります。
どの 2 つの関数を含める必要がありますか? それぞれの正解はソリューションの一部を示しています。
注意: 正しい選択ごとに 1 ポイントが付与されます。
정답: D,E
설명: (Fast2test 회원만 볼 수 있음)
注: この質問は、同じシナリオを提示する一連の質問の一部です。シリーズの各質問には、記載された目標を達成する可能性のある独自の解決策が含まれています。一部の質問セットには複数の正解がある場合もあれば、正解がない場合もあります。
このセクションの質問に答えた後は、その質問に戻ることはできません。その結果、これらの質問はレビュー画面に表示されません。
ロジスティック回帰アルゴリズムを使用して分類モデルをトレーニングします。
全体的なグローバル相対重要度値と特定の予測セットのローカル重要度の測定の両方として、各特徴の重要度を計算することにより、モデルの予測を説明できる必要があります。
必要なグローバルおよびローカルの特徴重要度の値を取得するために使用できる説明を作成する必要があります。
解決策: TabularExplainer を作成します。
ソリューションは目標を達成していますか?
このセクションの質問に答えた後は、その質問に戻ることはできません。その結果、これらの質問はレビュー画面に表示されません。
ロジスティック回帰アルゴリズムを使用して分類モデルをトレーニングします。
全体的なグローバル相対重要度値と特定の予測セットのローカル重要度の測定の両方として、各特徴の重要度を計算することにより、モデルの予測を説明できる必要があります。
必要なグローバルおよびローカルの特徴重要度の値を取得するために使用できる説明を作成する必要があります。
解決策: TabularExplainer を作成します。
ソリューションは目標を達成していますか?
정답: A
설명: (Fast2test 회원만 볼 수 있음)
機械学習ワークフローを自動化プロセスとして設定します。Azure Machine Learning ワークスペースを含む Azure サブスクリプションの所有者ロールを付与します。
ユーザーの操作を必要とせずに、自動化されたプロセスがワークスペースに対して認証できるようにする認証方法を設定する必要があります。
Azure Machine Learning ワークスペースの認証を設定する必要があります。
どの 3 つの認証手順を順番に実行する必要がありますか? 回答するには、適切な認証手順を認証手順のリストから回答領域に移動し、正しい順序に並べます。
注：正解の選択肢の順序は複数あります。正解の選択肢のいずれを選択しても、得点が加算されます。
ユーザーの操作を必要とせずに、自動化されたプロセスがワークスペースに対して認証できるようにする認証方法を設定する必要があります。
Azure Machine Learning ワークスペースの認証を設定する必要があります。
どの 3 つの認証手順を順番に実行する必要がありますか? 回答するには、適切な認証手順を認証手順のリストから回答領域に移動し、正しい順序に並べます。
注：正解の選択肢の順序は複数あります。正解の選択肢のいずれを選択しても、得点が加算されます。
정답:
Explanation:
注: この質問は、同じシナリオを示す一連の質問の一部です。このシリーズの各質問には、指定された目標を達成できる可能性のある独自の解決策が含まれています。一部の質問セットには複数の正しい解決策が含まれる場合がありますが、他の質問セットには正しい解決策がない場合があります。
このセクションの質問に回答すると、その質問に戻ることはできません。そのため、これらの質問はレビュー画面には表示されません。
機械学習モデルをトレーニングして登録します。
モデルをリアルタイム Web サービスとしてデプロイすることを計画しています。アプリケーションでモデルを使用するには、キーベースの認証を使用する必要があります。
Web サービスをデプロイする必要があります。
解決：
AksWebservice インスタンスを作成します。
auth_enabled プロパティの値を False に設定します。
token_auth_enabled プロパティの値を True に設定します。
モデルをサービスにデプロイします。
解決策は目標を達成できますか?
このセクションの質問に回答すると、その質問に戻ることはできません。そのため、これらの質問はレビュー画面には表示されません。
機械学習モデルをトレーニングして登録します。
モデルをリアルタイム Web サービスとしてデプロイすることを計画しています。アプリケーションでモデルを使用するには、キーベースの認証を使用する必要があります。
Web サービスをデプロイする必要があります。
解決：
AksWebservice インスタンスを作成します。
auth_enabled プロパティの値を False に設定します。
token_auth_enabled プロパティの値を True に設定します。
モデルをサービスにデプロイします。
解決策は目標を達成できますか?
정답: A
설명: (Fast2test 회원만 볼 수 있음)