最新的Microsoft Designing and Implementing a Data Science Solution on Azure (DP-100 Korean Version) - DP-100 Korean免費考試真題
레이블이 지정된 사진 세트를 사용하는 다중 클래스 이미지 분류 딥러닝 모델이 있습니다. 모델 학습 시 하이퍼파라미터 값을 선택하기 위해 다음 코드를 작성했습니다.
다음 각 문장에 대해, 문장이 사실이면 '예'를 선택하고, 그렇지 않으면 '아니요'를 선택하십시오.
참고: 정답 하나당 1점입니다.
다음 각 문장에 대해, 문장이 사실이면 '예'를 선택하고, 그렇지 않으면 '아니요'를 선택하십시오.
참고: 정답 하나당 1점입니다.
正確答案:
Explanation:
Box 1: Yes
Hyperparameters are adjustable parameters you choose to train a model that govern the training process itself.
Azure Machine Learning allows you to automate hyperparameter exploration in an efficient manner, saving you significant time and resources. You specify the range of hyperparameter values and a maximum number of training runs. The system then automatically launches multiple simultaneous runs with different parameter configurations and finds the configuration that results in the best performance, measured by the metric you choose. Poorly performing training runs are automatically early terminated, reducing wastage of compute resources. These resources are instead used to explore other hyperparameter configurations.
Box 2: Yes
uniform(low, high) - Returns a value uniformly distributed between low and high Box 3: No Bayesian sampling does not currently support any early termination policy.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
짧은 문장 형식으로 작성된 12,000개의 고객 리뷰가 포함된 CSV 파일을 사용하여 감정 분석을 수행합니다. 이 CSV 파일을 Azure Machine Learning Studio에 추가하고 실험의 시작 데이터 세트로 구성합니다. 데이터 세트의 고객 리뷰 열에서 핵심 구문을 추출하기 위해 실험에 텍스트에서 N-그램 특징 추출 모듈을 추가합니다.
고객 리뷰 텍스트에서 새 n-gram 사전을 생성하고 최대 n-gram 크기를 트라이그램으로 설정해야 합니다.
무엇을 선택해야 할까요? 답변하려면 답변란에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.
고객 리뷰 텍스트에서 새 n-gram 사전을 생성하고 최대 n-gram 크기를 트라이그램으로 설정해야 합니다.
무엇을 선택해야 할까요? 답변하려면 답변란에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.
正確答案:
Explanation:
Vocabulary mode: Create
For Vocabulary mode, select Create to indicate that you are creating a new list of n-gram features.
N-Grams size: 3
For N-Grams size, type a number that indicates the maximum size of the n-grams to extract and store. For example, if you type 3, unigrams, bigrams, and trigrams will be created.
Weighting function: Leave blank
The option, Weighting function, is required only if you merge or update vocabularies. It specifies how terms in the two vocabularies and their scores should be weighted against each other.
References:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/extract-n-gram-features- from-text
사용자의 광고 반응 경향을 파악하려면 모델 개발 전략을 구현해야 합니다.
어떤 기법을 사용해야 할까요?
어떤 기법을 사용해야 할까요?
正確答案: A
說明：（僅 Fast2test 成員可見）
참고: 이 문제는 동일한 시나리오를 제시하는 일련의 문제 중 하나입니다. 각 문제에는 제시된 목표를 달성할 수 있는 고유한 해결책이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상일 수 있으며, 정답이 없는 문제 세트도 있습니다.
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
Azure Machine Learning 실험을 실행하기 위해 Python 스크립트를 사용할 계획입니다. 이 스크립트는 실험 실행 컨텍스트에 대한 참조를 생성하고, 파일에서 데이터를 로드하고, 레이블 열에 대한 고유 값 집합을 식별하고, 실험 실행을 완료합니다.
실험에서는 실행 후 검토할 수 있도록 데이터에 고유 레이블을 기록하여 측정 기준으로 활용해야 합니다.
주석에 표시된 지점에 스크립트에 고유 레이블 값을 실행 메트릭으로 기록하는 코드를 추가해야 합니다.
해결 방법: 주석을 다음 코드로 바꾸세요.
run.log_list('레이블 값', label_vals)
이 해결책은 목표를 달성합니까?
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
Azure Machine Learning 실험을 실행하기 위해 Python 스크립트를 사용할 계획입니다. 이 스크립트는 실험 실행 컨텍스트에 대한 참조를 생성하고, 파일에서 데이터를 로드하고, 레이블 열에 대한 고유 값 집합을 식별하고, 실험 실행을 완료합니다.
실험에서는 실행 후 검토할 수 있도록 데이터에 고유 레이블을 기록하여 측정 기준으로 활용해야 합니다.
주석에 표시된 지점에 스크립트에 고유 레이블 값을 실행 메트릭으로 기록하는 코드를 추가해야 합니다.
해결 방법: 주석을 다음 코드로 바꾸세요.
run.log_list('레이블 값', label_vals)
이 해결책은 목표를 달성합니까?
正確答案: A
說明：（僅 Fast2test 成員可見）
Azure Machine Learning(ML) 모델이 온라인 엔드포인트에 배포되었습니다.
Azure ML Python SDK v2를 사용하여 엔드포인트의 컨테이너 로그를 검토해야 합니다. 로그에는 추론 서버의 콘솔 로그와 모델 스코어링 스크립트의 print/log 문이 포함되어야 합니다.
무엇을 먼저 해야 할까요?
Azure ML Python SDK v2를 사용하여 엔드포인트의 컨테이너 로그를 검토해야 합니다. 로그에는 추론 서버의 콘솔 로그와 모델 스코어링 스크립트의 print/log 문이 포함되어야 합니다.
무엇을 먼저 해야 할까요?
正確答案: A
당신은 Azure AI Foundry 프로젝트를 관리하고 있습니다.
PDF 파일 세트를 기반으로 RAG 솔루션을 개발하려고 합니다. 이를 위해 데이터로부터 벡터 인덱스를 생성할 계획입니다. 인덱싱할 데이터의 위치를 선택해야 합니다.
어떤 데이터 소스를 두 개 사용할 수 있습니까? 각 정답은 완전한 해결책을 제시합니다. 두 개를 선택하십시오. 참고:
정답을 맞힐 때마다 1점씩입니다.
PDF 파일 세트를 기반으로 RAG 솔루션을 개발하려고 합니다. 이를 위해 데이터로부터 벡터 인덱스를 생성할 계획입니다. 인덱싱할 데이터의 위치를 선택해야 합니다.
어떤 데이터 소스를 두 개 사용할 수 있습니까? 각 정답은 완전한 해결책을 제시합니다. 두 개를 선택하십시오. 참고:
정답을 맞힐 때마다 1점씩입니다.
正確答案: B,D
여러 학생을 대상으로 실습 위주의 워크숍을 진행할 계획입니다. 워크숍은 파이썬을 사용하여 데이터 시각화를 만드는 데 중점을 둘 것입니다. 각 학생은 인터넷에 접속할 수 있는 기기를 사용할 것입니다.
학생용 기기는 Python 개발에 맞게 구성되어 있지 않습니다. 학생들은 기기에 소프트웨어를 설치할 관리자 권한이 없습니다. 학생들은 Azure 구독을 이용할 수 없습니다.
학생들이 파이썬 기반 데이터 시각화 코드를 실행할 수 있도록 해야 합니다.
어떤 Azure 도구를 사용해야 할까요?
학생용 기기는 Python 개발에 맞게 구성되어 있지 않습니다. 학생들은 기기에 소프트웨어를 설치할 관리자 권한이 없습니다. 학생들은 Azure 구독을 이용할 수 없습니다.
학생들이 파이썬 기반 데이터 시각화 코드를 실행할 수 있도록 해야 합니다.
어떤 Azure 도구를 사용해야 할까요?
正確答案: C
說明：（僅 Fast2test 成員可見）
Azure Machine Learning 작업 영역을 만듭니다. Python용 Azure Machine Learning SDK를 사용합니다.
원격 경로에서 데이터셋을 생성해야 합니다. 생성된 데이터셋은 워크스페이스 내에서 재사용 가능해야 합니다.
데이터셋을 생성해야 합니다.
다음 코드 조각을 어떻게 완성해야 할까요? 정답을 선택하려면 답변란에서 적절한 옵션을 고르세요.
참고: 정답 하나당 1점입니다.
원격 경로에서 데이터셋을 생성해야 합니다. 생성된 데이터셋은 워크스페이스 내에서 재사용 가능해야 합니다.
데이터셋을 생성해야 합니다.
다음 코드 조각을 어떻게 완성해야 할까요? 정답을 선택하려면 답변란에서 적절한 옵션을 고르세요.
참고: 정답 하나당 1점입니다.
正確答案:
Explanation:
오픈소스 딥러닝 프레임워크인 Caffe2와 Theano를 사용하기 위해 데이터 과학 가상 머신(DSVM)을 사용할 계획입니다. 프레임워크를 지원하도록 사전 구성된 DSVM을 선택해야 합니다.
무엇을 만들어야 할까요?
무엇을 만들어야 할까요?
正確答案: A
추가 분석을 위해 데이터를 선별하기 위한 특징 엔지니어링을 수행하고 있습니다.
해당 데이터에는 재고 요구량의 계절적 패턴이 포함되어 있습니다.
데이터에 대한 특징 엔지니어링을 수행하려면 적절한 방법을 선택해야 합니다.
어떤 방법을 사용해야 할까요?
해당 데이터에는 재고 요구량의 계절적 패턴이 포함되어 있습니다.
데이터에 대한 특징 엔지니어링을 수행하려면 적절한 방법을 선택해야 합니다.
어떤 방법을 사용해야 할까요?
正確答案: C
Azure Machine Learning 디자이너를 사용하여 회귀 모델용 학습 파이프라인을 생성합니다.
입력 데이터 값 데이터 세트에 대해 비동기적으로 예측을 생성하는 엔드포인트로 배포할 파이프라인을 준비해야 합니다.
어떻게 해야 할까요?
입력 데이터 값 데이터 세트에 대해 비동기적으로 예측을 생성하는 엔드포인트로 배포할 파이프라인을 준비해야 합니다.
어떻게 해야 할까요?
正確答案: A
說明：（僅 Fast2test 成員可見）
당신은 분류 문제를 풀고 있습니다.
데이터 세트가 불균형합니다.
분류 정확도를 향상시키려면 Azure Machine Learning Studio 모듈을 선택해야 합니다.
어떤 모듈을 사용해야 할까요?
데이터 세트가 불균형합니다.
분류 정확도를 향상시키려면 Azure Machine Learning Studio 모듈을 선택해야 합니다.
어떤 모듈을 사용해야 할까요?
正確答案: A
說明：（僅 Fast2test 成員可見）