DP-100日本語試験無料問題集「Microsoft Designing and Implementing a Data Science Solution on Azure (DP-100日本語版) 認定」

Azure Machine Learning ワークスペースを作成します。
Azure Synapse コンピューティング リソースを使用して、ワークスペースにモデル トレーニング用の専用コンピューティングを実装する必要があります。ソリューションでは、専用コンピューティングをアタッチし、Azure Synapse セッションを開始する必要があります。
コンピューティング リソースを実装する必要があります。
順番に実行する必要がある 3 つのアクションはどれですか。回答するには、適切なアクションをアクション リストから回答領域に移動し、正しい順序に並べます。

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。
IT 部門は、次の Azure リソース グループとリソースを作成します。

IT 部門は、Azure Machine Learning ワークスペースに aks-cluster という名前の Azure Kubernetes Service (AKS) ベースの推論コンピューティング ターゲットを作成します。
GPU を搭載した Microsoft Surface Book コンピューターをお持ちです。Python 3.6 と Visual Studio Code がインストールされています。
ディープ ニューラル ネットワーク (DNN) モデルをトレーニングし、損失と精度のメトリックを記録するスクリプトを実行する必要があります。
解決策: Azure Machine Learning ワークスペースでコンピューティング ターゲットとして mlvm 仮想マシンを接続します。
Surface Book に Azure ML SDK をインストールし、Python コードを実行してワークスペースに接続します。トレーニング スクリプトを mlvm リモート コンピューティング リソースで実験として実行します。

Azure Machine Learning Studio で実験を作成します。10,000 行を含むトレーニング データセットを追加します。最初の 9,000 行はクラス 0（90%）を表します。
残りの 1,000 行はクラス 1 (10%) を表します。
トレーニングセットは2つのクラス間の不均衡です。クラス1のトレーニング例数を5行のデータを使用して4,000に増やす必要があります。実験にSynthetic Minority Oversampling Technique（SMOTE）モジュールを追加します。
モジュールを設定する必要があります。
どの値を使用する必要がありますか? 回答するには、回答領域のダイアログ ボックスで適切なオプションを選択します。
注意: 正しい選択ごとに 1 ポイントが付与されます。

Azure Machine Learning ワークスペースでデータ ラングリングおよびモデル トレーニング ソリューションを作成しています。
データ ラングリングとモデル トレーニングの両方を実行するには、同じ Python ノートブックを使用する必要があります。
Azure Machine Learning Python SDK v2 を使用して、ワークスペースで Synapse Spark プールを非同期的に専用コンピューティングとして定義および構成する必要があります。rode 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: 正しく選択しないと 1 ポイントになります。

Azure Machine Learning ワークスペースを管理しています。CSV ファイルを含むフォルダーがあり、このフォルダーはフォルダー データ アセットとして登録されています。このフォルダー データ アセットを、インタラクティブ開発におけるデータ ラングリングに使用する予定です。フォルダー データ アセットにアクセスし、Pandas データ フレームに読み込む必要があります。この目標を達成するには、どの方法を使用すればよいでしょうか。

Azure Machine Learning を使用して、モデルをリアルタイム Web サービスとしてデプロイします。
サービスの開始時にモデルが読み込まれ、新しいデータが受信されるとすぐにスコア付けに使用されるようにする、サービスのエントリ スクリプトを作成する必要があります。
スクリプトにはどの関数を含めるべきですか？ 適切な関数を正しいアクションにドラッグして答えてください。各関数は1回、複数回、または全く使用されない場合があります。コンテンツを表示するには、ペイン間の分割バーをドラッグするか、スクロールする必要がある場合があります。注：正しい選択ごとに1ポイント獲得できます。

Azure Machine Learning を使用して、トレーニング済みおよびデプロイ済みのモデルを監視しています。Azure Machine Learning のイベントに応答するために、Event Grid を実装します。
モデル入力データの変更により、モデルのパフォーマンスが低下しました。
Azure Machine Learning イベントに基づいて修復 ML パイプラインをトリガーする必要があります。
どのイベントを使用すればよいですか?

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ソリューションが含まれています。一部の質問セットには複数の正しい解決策がある場合もあれば、正しい解決策がない場合もあります。
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。その結果、これらの質問はレビュー画面に表示されません。
Azure Machine Learning Studioで新しい実験を作成しています。
1つのクラスは、トレーニングセットの他のクラスよりもはるかに少ない数の観測値を持ちます。
クラスの不均衡を補うために、適切なデータサンプリング戦略を選択する必要があります。
解決策：主成分分析（PCA）サンプリングモードを使用します。
ソリューションは目標を達成していますか？

Azure Machine Learning ワークスペースを作成します。
ワークスペース内のJupyterノートブックから実験を実装するには、Python SDK v2を使用する必要があります。実験では、以下の形式でテーブルにログを記録する必要があります。

テーブルをログに記録するには、Python コードを完成させる必要があります。
コードをどのように完成させるべきですか? 回答するには、回答エリア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 MachineLearningワークスペースでモデルを作成して登録します。
Azure Machine Learning SDKを使用して、ParallelRunStepを使用してモデルを使用して入力データをスコアリングするバッチ推論パイプラインを実装する必要があります。パイプラインステップのParallelRunConfigcompute_target設定の値を指定する必要があります。
計算ターゲットを作成する必要があります。
どのクラスを使用する必要がありますか？

ラベル付き画像のセットを使用するマルチクラス画像分類の深層学習モデルを作成します。 PyTorch 1.3フレームワークを使用してモデルをトレーニングするtrain.pyという名前のスクリプトファイルを作成します。
見積もりツールを使用してスクリプトを実行する必要があります。このコードでは、推定ツールの環境に追加のPythonライブラリをインストールする必要はありません。モデルのトレーニングに必要な時間を最小限に抑える必要があります。
スクリプトの実行に使用する推定器を定義する必要があります。
どの推定器タイプを使用する必要がありますか？

テスト要件に応じてデータを分割する方法を特定する必要があります。
どのプロパティを選択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 Machine Learning Designer を使用して、次のデータセットを実験に読み込みます。
データセット1:

データセット2:

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: 行の追加コンポーネントを使用します。
ソリューションは目標を満たしていますか?

Azure Machine Learningモデルをトレーニングして登録します
モデルをオンラインエンドポイントにデプロイする予定である
アプリケーションが、有効期限のないアーティファクトを使用した認証方法を使用してモデルにアクセスできるようにする必要があります。
解決：
デフォルトの認証設定でマネージドオンラインエンドポイントを作成します。モデルをオンラインエンドポイントにデプロイします。
ソリューションは目標を満たしていますか?

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、指定された目標を達成する可能性のある独自のソリューションが含まれています。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。
履歴データに基づいて気象条件を予測するモデルを作成します。
データストアからデータを読み込み、処理されたデータを機械学習モデルのトレーニングスクリプトに渡すために、処理スクリプトを実行するパイプラインを作成する必要があります。
解決策：次のコードを実行します。

ソリューションは目標を達成していますか？

Azure Machine Learning Designer を使用して、次のデータセットを実験に読み込みます。
データセット1

データセット2

Azure Machine Learning Designer 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: Join Data コンポーネントを使用します。
ソリューションは目標を満たしていますか?

Azure Machine Learning ワークスペースがあります。
Azure Machine Learning Python SDK v2 を使用してワークスペースにコンポーネントを登録する予定です。コンポーネント定義は、ローカル ファイル ./components/train/train.yml に保存されます。
ml_client オブジェクトを使用してワークスペースに接続し、必要なすべてのライブラリをインポートするコードを記述します。残りのコードを完成させる必要があります。
コードをどのように完成させるべきですか? 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 Machine Learning Studioを使用して、バイナリ分類モデルを作成します。
モデルのパラメータースイープを実行して、ハイパーパラメーターを調整する必要があります。パラメータスイープは、次の要件を満たしている必要があります。
*ハイパーパラメーターの可能なすべての組み合わせを反復する
*スイープの実行に必要なコンピューティングリソースを最小限に抑える
*モデルのパラメータースイープを実行する必要があります。
どのパラメータースイープモードを使用する必要がありますか？