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」
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：
AciWebservice インスタンスを作成します。
ssl_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：
AciWebservice インスタンスを作成します。
ssl_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?
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)
workspace1 という名前の Azure Machine Learning ワークスペースを、compute1 という名前のコンピューティング インスタンスを使用して管理します。接続してコンピューティングします。wofkspace1 のターミナル ウィンドウを使用します。という名前のファイルを作成します
Jupyler を組み込むための Python 依存関係を含む「requirements.txt」。
新しい Jupyter カーネルを compute1 に追加する必要があります。
どの 4 つのコマンドを使用する必要がありますか? 回答するには、アクションのリストから適切なアクションを回答領域に移動し、正しい順序で並べます。
Jupyler を組み込むための Python 依存関係を含む「requirements.txt」。
新しい Jupyter カーネルを compute1 に追加する必要があります。
どの 4 つのコマンドを使用する必要がありますか? 回答するには、アクションのリストから適切なアクションを回答領域に移動し、正しい順序で並べます。
正解：
Explanation:
ハイパードライブを使用して、モデルのトレーニング時に選択されたハイパーパラメーターを最適化する予定です。次のコードを作成して、ハイパーパラメータ実験のオプションを定義します
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。
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
max_total_runs (50 here)
The maximum total number of runs to create. This is the upper bound; there may be fewer runs when the sample space is smaller than this value.
Box 2: Yes
Policy EarlyTerminationPolicy
The early termination policy to use. If None - the default, no early termination policy will be used.
Box 3: No
Discrete hyperparameters are specified as a choice among discrete values. choice can be:
one or more comma-separated values
a range object
any arbitrary list object
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-train-core/azureml.train.hyperdrive.hyperdriveconfig
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
CPUベースのコンピューティングクラスターとAzureKubernetes Services（AKS）推論クラスターを含むAzure MachineLearningワークスペースがあります。分類モデルの作成に使用する予定のデータを含む表形式のデータセットを作成します。
Azure Machine Learningデザイナーを使用して、クライアントアプリケーションが新しいデータを送信し、応答として即時予測を取得することで分類モデルを利用できるWebサービスを作成する必要があります。
どの3つのアクションを順番に実行する必要がありますか？回答するには、適切なアクションをアクションのリストから回答領域に移動し、正しい順序で配置します。
Azure Machine Learningデザイナーを使用して、クライアントアプリケーションが新しいデータを送信し、応答として即時予測を取得することで分類モデルを利用できるWebサービスを作成する必要があります。
どの3つのアクションを順番に実行する必要がありますか？回答するには、適切なアクションをアクションのリストから回答領域に移動し、正しい順序で配置します。
正解：
Explanation:
Step 1: Create and start a Compute Instance
To train and deploy models using Azure Machine Learning designer, you need compute on which to run the training process, test the model, and host the model in a deployed service.
There are four kinds of compute resource you can create:
Compute Instances: Development workstations that data scientists can use to work with data and models.
Compute Clusters: Scalable clusters of virtual machines for on-demand processing of experiment code.
Inference Clusters: Deployment targets for predictive services that use your trained models.
Attached Compute: Links to existing Azure compute resources, such as Virtual Machines or Azure Databricks clusters.
Step 2: Create and run a training pipeline..
After you've used data transformations to prepare the data, you can use it to train a machine learning model.
Create and run a training pipeline
Step 3: Create and run a real-time inference pipeline
After creating and running a pipeline to train the model, you need a second pipeline that performs the same data transformations for new data, and then uses the trained model to inference (in other words, predict) label values based on its features. This pipeline will form the basis for a predictive service that you can publish for applications to use.
Reference:
https://docs.microsoft.com/en-us/learn/modules/create-classification-model-azure-machine-learning-designer/
Azure Machine Learning ワークスペースを管理します。scriptpy という名前の Pylhon スクリプトは、training_data という名前の引数を読み取ります。trainlng.data 引数は、datasetl という名前のファイル内のトレーニング データへのパスを指定します。
csv。
機械学習モデルをトレーニングするコマンド ジョブとして、scriptpy Python スクリプトを実行する予定です。
スクリプトをトレーニング ジョブとして送信するときに、データ スクリプトのパスをパラメーター値として渡すコマンドを指定する必要があります。
解決策: python script.py -training_data ${{inputs,training_data}}
ソリューションは目標を満たしていますか?
csv。
機械学習モデルをトレーニングするコマンド ジョブとして、scriptpy Python スクリプトを実行する予定です。
スクリプトをトレーニング ジョブとして送信するときに、データ スクリプトのパスをパラメーター値として渡すコマンドを指定する必要があります。
解決策: python script.py -training_data ${{inputs,training_data}}
ソリューションは目標を満たしていますか?
正解：A
解答を投票する
データセットの構造が一致するように、メタデータの編集モジュールを構成する必要があります。
どの構成オプション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。
どの構成オプション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: Floating point
Need floating point for Median values.
Scenario: An initial investigation shows that the datasets are identical in structure apart from the MedianValue column. The smaller Paris dataset contains the MedianValue in text format, whereas the larger London dataset contains the MedianValue in numerical format.
Box 2: Unchanged
Note: Select the Categorical option to specify that the values in the selected columns should be treated as categories.
For example, you might have a column that contains the numbers 0,1 and 2, but know that the numbers actually mean "Smoker", "Non smoker" and "Unknown". In that case, by flagging the column as categorical you can ensure that the values are not used in numeric calculations, only to group data.
workspace1 という名前の Azure Machine learning ワークスペースを作成します。ワークスペースには、ローカル コンピューターから男性のアナル アラックをなだめるモデルを修正するために Mallow を使用する Python SOK v2 ノートブック マットが含まれています。
ワークスペースのコンピューティング インスタンスを獲得する Azure マシンで実行するには、ノートブックを再利用する必要があります。
データ サイエンス コードからトレーニングとアーティファクトを記録するには、時間をかけて行う必要があります。
あなたは何をするべきか？
ワークスペースのコンピューティング インスタンスを獲得する Azure マシンで実行するには、ノートブックを再利用する必要があります。
データ サイエンス コードからトレーニングとアーティファクトを記録するには、時間をかけて行う必要があります。
あなたは何をするべきか？
正解：D
解答を投票する
Azure Machine Learning デザイナーを使用して機械学習ソリューションを開発しています。
アプリケーションがデータ特徴値を送信し、予測されたラベルを取得するために使用できる Web サービスを作成する必要があります。
どの 3 つのアクションを順番に実行する必要がありますか? 回答するには、アクションのリストから適切なアクションを回答領域に移動し、正しい順序で並べます。
アプリケーションがデータ特徴値を送信し、予測されたラベルを取得するために使用できる Web サービスを作成する必要があります。
どの 3 つのアクションを順番に実行する必要がありますか? 回答するには、アクションのリストから適切なアクションを回答領域に移動し、正しい順序で並べます。
正解：
Explanation:
Windows用の深層学習仮想マシンを構成します。
以下を実行するには、ツールとフレームワークを推奨する必要があります。
*ディープニューラルネットワーク（DNN）モデルを構築する
*インタラクティブなデータ探索と視覚化を実行する
どのツールとフレームワークをお勧めしますか？回答するには、適切なツールを正しいタスクにドラッグします。各ツールは、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。
以下を実行するには、ツールとフレームワークを推奨する必要があります。
*ディープニューラルネットワーク（DNN）モデルを構築する
*インタラクティブなデータ探索と視覚化を実行する
どのツールとフレームワークをお勧めしますか？回答するには、適切なツールを正しいタスクにドラッグします。各ツールは、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: Vowpal Wabbit
Use the Train Vowpal Wabbit Version 8 module in Azure Machine Learning Studio (classic), to create a machine learning model by using Vowpal Wabbit.
Box 2: PowerBI Desktop
Power BI Desktop is a powerful visual data exploration and interactive reporting tool BI is a name given to a modern approach to business decision making in which users are empowered to find, explore, and share insights from data across the enterprise.
References:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/train-vowpal-wabbit- version-8-model
https://docs.microsoft.com/en-us/azure/architecture/data-guide/scenarios/interactive-data-exploration
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。
Azure Machine Learning を使用して、分類モデルをトレーニングする実験を実行しています。
Hyperdrive を使用して、モデルの AUC メトリックを最適化するパラメーターを見つけたいと考えています。次のコードを実行して、実験用に HyperDriveConfig を構成します。
この構成を使用して、ランダム フォレスト モデルをトレーニングし、それを検証データでテストするスクリプトを実行する予定です。検証データのラベル値は y_test 変数という名前の変数に保存され、モデルからの予測確率は y_predicted という名前の変数に保存されます。
Hyperdrive が AUC メトリックのハイパーパラメータを最適化できるようにするには、スクリプトにログを追加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?
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。
Azure Machine Learning を使用して、分類モデルをトレーニングする実験を実行しています。
Hyperdrive を使用して、モデルの AUC メトリックを最適化するパラメーターを見つけたいと考えています。次のコードを実行して、実験用に HyperDriveConfig を構成します。
この構成を使用して、ランダム フォレスト モデルをトレーニングし、それを検証データでテストするスクリプトを実行する予定です。検証データのラベル値は y_test 変数という名前の変数に保存され、モデルからの予測確率は y_predicted という名前の変数に保存されます。
Hyperdrive が AUC メトリックのハイパーパラメータを最適化できるようにするには、スクリプトにログを追加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?
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)
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？
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？
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)