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」
パブリックエンドポイントからアクセスできるworkspace1という名前のAzureMachineLearningワークスペースがあります。ワークスペースには、account1という名前のAzureストレージアカウントのBLOBコンテナーを表すstore1という名前のAzureBlobストレージデータストアが含まれています。同じ仮想ネットワーク内のプライベートエンドポイントを使用して、workspace1とaccount1にアクセスできるように構成します。
Azure Machine Learning SDK for Pythonを使用して、store1のコンテンツにアクセスできる必要があります。 Azure Machine Learning Studioを使用して、store1のコンテンツをプレビューできる必要があります。
store1を構成する必要があります。
あなたは何をするべきか？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：正しい選択はそれぞれ1ポイントの価値があります。
Azure Machine Learning SDK for Pythonを使用して、store1のコンテンツにアクセスできる必要があります。 Azure Machine Learning Studioを使用して、store1のコンテンツをプレビューできる必要があります。
store1を構成する必要があります。
あなたは何をするべきか？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：正しい選択はそれぞれ1ポイントの価値があります。
正解：
Explanation:
Box 1: Regenerate the keys of account1.
Azure Blob Storage support authentication through Account key or SAS token.
To authenticate your access to the underlying storage service, you can provide either your account key, shared access signatures (SAS) tokens, or service principal Box 2: Update the authentication for store1.
For Azure Machine Learning studio users, several features rely on the ability to read data from a dataset; such as dataset previews, profiles and automated machine learning. For these features to work with storage behind virtual networks, use a workspace managed identity in the studio to allow Azure Machine Learning to access the storage account from outside the virtual network.
Note: Some of the studio's features are disabled by default in a virtual network. To re-enable these features, you must enable managed identity for storage accounts you intend to use in the studio.
The following operations are disabled by default in a virtual network:
Preview data in the studio.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-access-data
Azure Machine Learning ワークスペースのノートブックから df という名前の pandas データフレームにデータを読み込みます。データには 10,000 件の患者記録が含まれています。各レコードには、対応する患者の Age プロパティが含まれています。
SmartNoise SDK によって生成された差分プライベート データから平均年齢値を特定する必要があります。
差分プライベート データから平均年齢値を生成する Python コードを完成させる必要があります。
どのコードセグメントを使用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: 正しく選択するたびに 1 ポイントの価値があります。
SmartNoise SDK によって生成された差分プライベート データから平均年齢値を特定する必要があります。
差分プライベート データから平均年齢値を生成する Python コードを完成させる必要があります。
どのコードセグメントを使用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: 正しく選択するたびに 1 ポイントの価値があります。
正解：
Explanation:
自動機械学習を使用して、分類モデルと回帰モデルをトレーニングします。
自動化された機械学習の実験結果を評価する必要があります。結果には、分類モデルがその予測でどのように系統的誤差を起こしているか、およびターゲット フィーチャと回帰モデルの予測の間の関係が含まれます。自動機械学習によって生成されたチャートを使用する必要があります。
モデル タイプごとにグラフのタイプを選択する必要があります。
どの種類のグラフを使用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: 正しく選択するたびに 1 ポイントの価値があります。
自動化された機械学習の実験結果を評価する必要があります。結果には、分類モデルがその予測でどのように系統的誤差を起こしているか、およびターゲット フィーチャと回帰モデルの予測の間の関係が含まれます。自動機械学習によって生成されたチャートを使用する必要があります。
モデル タイプごとにグラフのタイプを選択する必要があります。
どの種類のグラフを使用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: 正しく選択するたびに 1 ポイントの価値があります。
正解：
Explanation:
1. Confusion Matrix
2. Prediction vs True
The calibration curve plots a model's confidence in its predictions against the proportion of positive samples at each confidence level (https://learn.microsoft.com/en-us/azure/machine-learning/how-to-understand- automated-ml?view=azureml-api-2#calibration-curve) The predicted vs. true chart plots the relationship between the target feature (true/actual values) and the model's predictions (https://learn.microsoft.com/en-us/azure/machine-learning/how-to-understand-automated- ml?view=azureml-api-2#predicted-vs-true)
Azure Machine Learning ワークスペースを管理しています。ワークスペースを管理する開発環境は、Azure Machine Learning Notebooks で Python SDK v2 を使用するように構成されています。現在、Synapse Spark Compute がアタッチされており、システム割り当て ID を使用しています。Python コードを使用して Synapse Spark Compute 10 を更新し、ユーザー割り当て ID を使用する必要があります。
解決策: 適切な ID タイプを使用して IdentityConfiguration クラスを構成します。この解決策は目標を満たしていますか?
解決策: 適切な ID タイプを使用して IdentityConfiguration クラスを構成します。この解決策は目標を満たしていますか?
正解：A
解答を投票する
機械学習モデルが機密機能全体にわたって不公平な予測を生成します。
後処理手法を使用してモデルに制約を適用し、不公平さを軽減する必要があります。
後処理手法とモデル タイプを選択する必要があります。
何を使えばいいのでしょうか？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: 正しく選択するたびに 1 ポイントの価値があります。
後処理手法を使用してモデルに制約を適用し、不公平さを軽減する必要があります。
後処理手法とモデル タイプを選択する必要があります。
何を使えばいいのでしょうか？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: 正しく選択するたびに 1 ポイントの価値があります。
正解：
Explanation:
複数の生徒に実践的なワークショップを実施する予定です。ワークショップでは、Pythonを使用したデータ視覚化の作成に焦点を当てます。各生徒は、インターネットにアクセスできるデバイスを使用します。
学生用デバイスはPython開発用に構成されていません。学生には、デバイスにソフトウェアをインストールするための管理者アクセス権がありません。学生はAzureサブスクリプションを利用できません。
学生がPythonベースのデータ視覚化コードを実行できることを確認する必要があります。
どのAzureツールを使用する必要がありますか？
学生用デバイスはPython開発用に構成されていません。学生には、デバイスにソフトウェアをインストールするための管理者アクセス権がありません。学生はAzureサブスクリプションを利用できません。
学生がPythonベースのデータ視覚化コードを実行できることを確認する必要があります。
どのAzureツールを使用する必要がありますか？
正解：B
解答を投票する
解説: (GoShiken メンバーにのみ表示されます)
パイプラインを実行するPythonスクリプトがあります。スクリプトには次のコードが含まれています。
azureml.coreからインポート実験
Pipeline_run = Experiment（ws、 'pipeline_test'）。submit（pipeline）
スクリプトをデプロイする前にパイプラインをテストする必要があります。
パイプラインの完了時に、STDOUT出力に書き込まれたパイプライン実行の詳細を表示する必要があります。
どのコードセグメントをテストスクリプトに追加する必要がありますか？
azureml.coreからインポート実験
Pipeline_run = Experiment（ws、 'pipeline_test'）。submit（pipeline）
スクリプトをデプロイする前にパイプラインをテストする必要があります。
パイプラインの完了時に、STDOUT出力に書き込まれたパイプライン実行の詳細を表示する必要があります。
どのコードセグメントをテストスクリプトに追加する必要がありますか？
正解：D
解答を投票する
解説: (GoShiken メンバーにのみ表示されます)
AzureDatabricksワークスペースとリンクされたAzureMachineLearningワークスペースを作成します。
Azure MachineLearningワークスペースには次のPythonコードセグメントがあります。
mlflowをインポートします
mlflow.azuremlをインポートします
azureml.mlflowをインポートします
azureml.coreをインポートします
azureml.coreからインポートワークスペース
subscription_id = 'subscription_id'
resourse_group = 'resource_group_name'
workspace_name = 'workspace_name'
ws = Workspace.get(name=workspace_name,
subscription_id=subscription_id,
resource_group = resource_group）
ExperimentName = "/ Users / {user_name} / {experiment_folder} / {experiment_name}" mlflow.set_experiment（experimentName）uri = ws.get_mlflow_tracking_uri（）mlflow.set_tracking_uri（uri）手順：次の各ステートメントで、次の場合は[はい]を選択します。ステートメントは真です。それ以外の場合は、[いいえ]を選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。
Azure MachineLearningワークスペースには次のPythonコードセグメントがあります。
mlflowをインポートします
mlflow.azuremlをインポートします
azureml.mlflowをインポートします
azureml.coreをインポートします
azureml.coreからインポートワークスペース
subscription_id = 'subscription_id'
resourse_group = 'resource_group_name'
workspace_name = 'workspace_name'
ws = Workspace.get(name=workspace_name,
subscription_id=subscription_id,
resource_group = resource_group）
ExperimentName = "/ Users / {user_name} / {experiment_folder} / {experiment_name}" mlflow.set_experiment（experimentName）uri = ws.get_mlflow_tracking_uri（）mlflow.set_tracking_uri（uri）手順：次の各ステートメントで、次の場合は[はい]を選択します。ステートメントは真です。それ以外の場合は、[いいえ]を選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
Explanation:
Box 1: No
The Workspace.get method loads an existing workspace without using configuration files.
ws = Workspace.get(name="myworkspace",
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup')
Box 2: Yes
MLflow Tracking with Azure Machine Learning lets you store the logged metrics and artifacts from your local runs into your Azure Machine Learning workspace.
The get_mlflow_tracking_uri() method assigns a unique tracking URI address to the workspace, ws, and set_tracking_uri() points the MLflow tracking URI to that address.
Box 3: Yes
Note: In Deep Learning, epoch means the total dataset is passed forward and backward in a neural network once.
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.workspace.workspace
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-use-mlflow
Azure Machine Learning モデルを作成して、モデル ファイルと軽蔑スクリプトを含めます。モデルをデプロイする必要があります。導入ソリューションは次の要件を満たす必要があります。
* ほぼリアルタイムの推論を提供します。
* エンドポイントおよび展開レベルのコスト見積もりを有効にします。
* Azure Log Analytics へのログ記録をサポートします。
導入ソリューションを構成する必要があります。
何を設定すればよいでしょうか? 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: 正しく選択するたびに 1 ポイントの価値があります。
* ほぼリアルタイムの推論を提供します。
* エンドポイントおよび展開レベルのコスト見積もりを有効にします。
* Azure Log Analytics へのログ記録をサポートします。
導入ソリューションを構成する必要があります。
何を設定すればよいでしょうか? 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: 正しく選択するたびに 1 ポイントの価値があります。
正解：
Explanation:
PyTorch 深層学習フレームワークを使用するマルチクラス画像分類深層学習モデルを作成します。
分類モデルのハイパーパラメーターを最適化するには、Azure Machine Learning Hyperdrive を構成する必要があります。
最高の精度スコアを持つモデルとなるハイパーパラメーター値を決定するには、プライマリ メトリックを定義する必要があります。
実行する必要がある 3 つのアクションはどれですか? それぞれの正解は、解決策の一部を示しています。
注: 正しく選択するたびに 1 ポイントの価値があります。
分類モデルのハイパーパラメーターを最適化するには、Azure Machine Learning Hyperdrive を構成する必要があります。
最高の精度スコアを持つモデルとなるハイパーパラメーター値を決定するには、プライマリ メトリックを定義する必要があります。
実行する必要がある 3 つのアクションはどれですか? それぞれの正解は、解決策の一部を示しています。
注: 正しく選択するたびに 1 ポイントの価値があります。
正解：C,D,F
解答を投票する
解説: (GoShiken メンバーにのみ表示されます)
Azure Machine Learning データストアを持つ Azure Machine Learning ワークスペースを管理します。
データは次のソースからロードする必要があります。
* 認証情報不要のAzure Blobストレージ
* 資格情報なしのデータストアではない Azure Data Lake Storage (ADLS) Gen 2 Azure Machine Learning データストアのデータにアクセスするには、認証メカニズムを定義する必要があります。
どのデータ アクセス メカニズムを使用すればよいでしょうか。答えは、適切なデータ アクセス メカニズムを正しいストレージ タイプに移動します。各データ アクセス メカニズムは、1 回、複数回、またはまったく使用し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移動したり、スクロールしたりする必要がある場合があります。
注意: 正しい選択ごとに 1 ポイントが付与されます。
データは次のソースからロードする必要があります。
* 認証情報不要のAzure Blobストレージ
* 資格情報なしのデータストアではない Azure Data Lake Storage (ADLS) Gen 2 Azure Machine Learning データストアのデータにアクセスするには、認証メカニズムを定義する必要があります。
どのデータ アクセス メカニズムを使用すればよいでしょうか。答えは、適切なデータ アクセス メカニズムを正しいストレージ タイプに移動します。各データ アクセス メカニズムは、1 回、複数回、またはまったく使用し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移動したり、スクロールしたりする必要がある場合があります。
注意: 正しい選択ごとに 1 ポイントが付与されます。
正解：
Explanation:
Azure Machine Learning ワークスペースを管理します。ワークスペースを管理するための開発環境は、Azure Machine Learning Notebooks で Python SDK v2 を使用するように構成されています。
現在、Synapse Spark Compute が接続されており、システムによって割り当てられた ID を使用しています。
ユーザーが割り当てた ID を使用するように Synapse Spark Compute を更新するには、Python コードを使用する必要があります。
解決策: UserAssignedldentity クラス オブジェクトを SynapseSparkCompute クラスに渡します。
解決策はヤギの要求を満たしていますか?
現在、Synapse Spark Compute が接続されており、システムによって割り当てられた ID を使用しています。
ユーザーが割り当てた ID を使用するように Synapse Spark Compute を更新するには、Python コードを使用する必要があります。
解決策: UserAssignedldentity クラス オブジェクトを SynapseSparkCompute クラスに渡します。
解決策はヤギの要求を満たしていますか?
正解：B
解答を投票する