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」
TSVファイルのセットを含むAzureBLOBコンテナーがあります。 Azure BLOBコンテナーは、Azure MachineLearningサービスワークスペースのデータストアとして登録されます。各TSVファイルは同じデータスキーマを使用します。
すべてのTSVファイルのデータをまとめて集約し、Azure Machine Learning SDK for Pythonを使用して、集約されたデータをデータセットとしてAzure MachineLearningワークスペースに登録することを計画しています。
次のコードを実行します。
次の各ステートメントについて、ステートメントがtrueの場合は、[はい]を選択します。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。
すべてのTSVファイルのデータをまとめて集約し、Azure Machine Learning SDK for Pythonを使用して、集約されたデータをデータセットとしてAzure MachineLearningワークスペースに登録することを計画しています。
次のコードを実行します。
次の各ステートメントについて、ステートメントがtrueの場合は、[はい]を選択します。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
FileDataset references single or multiple files in datastores or from public URLs. The TSV files need to be parsed.
Box 2: Yes
to_path() gets a list of file paths for each file stream defined by the dataset.
Box 3: Yes
TabularDataset.to_pandas_dataframe loads all records from the dataset into a pandas DataFrame.
TabularDataset represents data in a tabular format created by parsing the provided file or list of files.
Note: TSV is a file extension for a tab-delimited file used with spreadsheet software. TSV stands for Tab Separated Values. TSV files are used for raw data and can be imported into and exported from spreadsheet software. TSV files are essentially text files, and the raw data can be viewed by text editors, though they are often used when moving raw data between spreadsheets.
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.data.tabulardataset
Python SDK v2 を使用して、workspace1 という名前の Azure Machine Learning ワークスペースを管理します。
次の要件を満たすために、Azure Blot ストレージと Azure Fetes ストレージのデータストアをワークスペース 1 に登録する必要があります。
* 可能な場合、ストレージへのアクセスには Azure Active Directory (Azure AD) 認証を使用する必要があります。
* workspace1 の資格情報とシークレットは、Azure Files ストレージにアクセスするときに、指定された期間有効である必要があります。
Azure Blob と Azure Files Storage を workspace1 に登録するために使用されるセキュリティ アクセス方法を構成する必要があります。
どのセキュリティ アクセス方法を設定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。
次の要件を満たすために、Azure Blot ストレージと Azure Fetes ストレージのデータストアをワークスペース 1 に登録する必要があります。
* 可能な場合、ストレージへのアクセスには Azure Active Directory (Azure AD) 認証を使用する必要があります。
* workspace1 の資格情報とシークレットは、Azure Files ストレージにアクセスするときに、指定された期間有効である必要があります。
Azure Blob と Azure Files Storage を workspace1 に登録するために使用されるセキュリティ アクセス方法を構成する必要があります。
どのセキュリティ アクセス方法を設定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:
Azure Machine Learning ワークスペースを管理するとします。
ジョブの実行環境を定義し、コードの依存関係をカプセル化する必要があります。
Docker ビルド コンテキストから環境を構成する必要があります。
ライドセグメントを完了するにはどうすればよいですか? 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: 正しく選択するたびに 1 ポイントの価値があります。
ジョブの実行環境を定義し、コードの依存関係をカプセル化する必要があります。
Docker ビルド コンテキストから環境を構成する必要があります。
ライドセグメントを完了するにはどうすればよいですか? 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: 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:
Azure Machine Learning を使用して、Azure ML Python SDK v2 ベースのモデル トレーニングのハイパーパラメーター調整を実装します。
トレーニングの実行は、最高のパフォーマンスの実行と比較して、プライマリ メトリックが 25% 以上低下した場合に終了する必要があります。
トレーニング ジョブを終了するには、早期終了ポリシーを構成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、回答エリアで適切なオプションを選択します。
注: それぞれの正しい選択は 1 ポイントの価値があります。
トレーニングの実行は、最高のパフォーマンスの実行と比較して、プライマリ メトリックが 25% 以上低下した場合に終了する必要があります。
トレーニング ジョブを終了するには、早期終了ポリシーを構成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、回答エリアで適切なオプションを選択します。
注: それぞれの正しい選択は 1 ポイントの価値があります。
正解：
Explanation:
Azure Machine Learning ワークスペースを作成します。
ワークスペースの 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、次の形式でテーブルをログに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必要がありますか? 回答するには、回答エリアで適切なオプションを選択します。
注: それぞれの正しい選択は 1 ポイントの価値があります。
ワークスペースの 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、次の形式でテーブルをログに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必要がありますか? 回答するには、回答エリアで適切なオプションを選択します。
注: それぞれの正しい選択は 1 ポイントの価値があります。
正解：
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、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。
スクリプトという名前のローカルフォルダーにtrain.pyという名前のPythonスクリプトがあります。スクリプトは、scikit-learnを使用して回帰モデルをトレーニングします。スクリプトには、やはりスクリプトフォルダーにあるトレーニングデータファイルを読み込むコードが含まれています。
スクリプトは、aml-computeという名前の計算クラスターでAzure ML実験として実行する必要があります。
モデルトレーニングに必要なパッケージが環境に含まれるように、実行を構成する必要があります。ターゲットの計算クラスターを参照するaml-computeという名前の変数をインスタンス化しました。
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？
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。
スクリプトという名前のローカルフォルダーにtrain.pyという名前のPythonスクリプトがあります。スクリプトは、scikit-learnを使用して回帰モデルをトレーニングします。スクリプトには、やはりスクリプトフォルダーにあるトレーニングデータファイルを読み込むコードが含まれています。
スクリプトは、aml-computeという名前の計算クラスターでAzure ML実験として実行する必要があります。
モデルトレーニングに必要なパッケージが環境に含まれるように、実行を構成する必要があります。ターゲットの計算クラスターを参照するaml-computeという名前の変数をインスタンス化しました。
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？
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)
fsi という名前のファイル システムと、folder1 という名前のフォルダーを含む storage1 という名前の Azure Data Lake Storage Gen2 ストレージ アカウントを作成します。
folder1 の内容は、Azure Machine Learning ワークスペースのコンピューティング ターゲット上のジョブからアクセスできる必要があります。
フォルダー 1 を参照するための URL を構築する必要があります。
URI はどのように構築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。
folder1 の内容は、Azure Machine Learning ワークスペースのコンピューティング ターゲット上のジョブからアクセスできる必要があります。
フォルダー 1 を参照するための URL を構築する必要があります。
URI はどのように構築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:
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。
複数の列に欠損値を含む数値データセットを分析しています。
機能セットの次元に影響を与えることなく、適切な操作を使用して欠損値を消去する必要があります。
すべての値を含めるには、完全なデータセットを分析する必要があります。
解決策：欠落しているデータポイントを含む列全体を削除します。
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。
複数の列に欠損値を含む数値データセットを分析しています。
機能セットの次元に影響を与えることなく、適切な操作を使用して欠損値を消去する必要があります。
すべての値を含めるには、完全なデータセットを分析する必要があります。
解決策：欠落しているデータポイントを含む列全体を削除します。
ソリューションは目標を達成していますか？
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)
開発環境を整えます。Tensorflow フレームワークを使用し、推定器を使用してトレーニング スクリプトを送信することにより、ディープ ニューラル ネットワーク (DNN) をトレーニングすることを計画しています。
トレーニング実行の計算速度を最適化する必要があります。
使用する適切な推定器と、適切なトレーニング コンピューティング ターゲット構成を選択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、回答エリアで適切なオプションを選択します。
注: それぞれの正しい選択は 1 ポイントの価値があります。
トレーニング実行の計算速度を最適化する必要があります。
使用する適切な推定器と、適切なトレーニング コンピューティング ターゲット構成を選択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、回答エリアで適切なオプションを選択します。
注: それぞれの正しい選択は 1 ポイントの価値があります。
正解：
Explanation:
Box 1: Tensorflow
TensorFlow represents an estimator for training in TensorFlow experiments.
Box 2: 12 vCPU, 112 GB memory..,2 GPU,..
Use GPUs for the deep neural network.
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-train-core/azureml.train.dnn
train.pyという名前のPythonスクリプトを作成し、scriptsという名前のフォルダーに保存します。このスクリプトは、scikit-learnフレームワークを使用して、機械学習モデルをトレーニングします。
スクリプトは、ローカルワークステーションでAzure MachineLearningの実験として実行する必要があります。
train.pyスクリプトを実行する実験を開始するには、Pythonコードを作成する必要があります。
コードセグメントをどのように完成させる必要がありますか？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：正しい選択はそれぞれ1ポイントの価値があります。
スクリプトは、ローカルワークステーションでAzure MachineLearningの実験として実行する必要があります。
train.pyスクリプトを実行する実験を開始するには、Pythonコードを作成する必要があります。
コードセグメントをどのように完成させる必要がありますか？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：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: source_directory
source_directory: A local directory containing code files needed for a run.
Box 2: script
Script: The file path relative to the source_directory of the script to be run.
Box 3: environment
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.scriptrunconfig
Azure Machine Learningを使用して機械学習モデルを作成します。
さまざまなコンピューティングコンテキストを使用して、モデルのトレーニングとスコアリングを計画します。また、Azure Machine Learning Studioで新しいコンピューティングリソースを作成することも計画しています。
適切なコンピューティングタイプを選択する必要があります。
どのコンピューティングタイプを選択する必要がありますか？答えるには、適切な計算タイプを正しい要件にドラッグします。各計算タイプは、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、ペイン間で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：それぞれの正しい選択は1ポイントの価値があります。
さまざまなコンピューティングコンテキストを使用して、モデルのトレーニングとスコアリングを計画します。また、Azure Machine Learning Studioで新しいコンピューティングリソースを作成することも計画しています。
適切なコンピューティングタイプを選択する必要があります。
どのコンピューティングタイプを選択する必要がありますか？答えるには、適切な計算タイプを正しい要件にドラッグします。各計算タイプは、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、ペイン間で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：それぞれの正しい選択は1ポイントの価値があります。
正解：
Explanation:
Box 1: Attached compute
Box 2: Inference cluster
Box 3: Training cluster
Box 4: Attached compute