최신 DP-100日本語 무료덤프 - Microsoft Designing and Implementing a Data Science Solution on Azure (DP-100日本語版)
Workspace1 という名前の Azure Machine Learning ワークスペースと、URL https://storage1.blob.core.wmdows.net/data1 を使用してアクセスされる Azure Blob Storage を管理します。
Workspace1 に Azure Blob データストアを作成する予定です。このデータストアは、Azure Machine Learning Python SDK v2 を使用して Blob Storage をターゲットとする必要があります。また、データストアへのアクセス権限は、特定の時間に制限する必要があります。
ターゲット データストアを指し、それへのアクセスを承認する Azure Blob Datastore クラスのパラメータを選択する必要があります。
どのパラメータ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てください。注: 正しい選択ごとに 1 ポイントが加算されます。
Workspace1 に Azure Blob データストアを作成する予定です。このデータストアは、Azure Machine Learning Python SDK v2 を使用して Blob Storage をターゲットとする必要があります。また、データストアへのアクセス権限は、特定の時間に制限する必要があります。
ターゲット データストアを指し、それへのアクセスを承認する Azure Blob Datastore クラスのパラメータを選択する必要があります。
どのパラメータ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てください。注: 正しい選択ごとに 1 ポイントが加算されます。
정답:
Explanation:
Azure Machine Learning デザイナーでトレーニング パイプラインを使用します。ds1 というデータストアを登録します。このデータストアには複数のトレーニング データ ファイルが含まれています。構成済みのデータストアで、データのインポート モジュールを使用します。
別のデータ ファイル セットでモデルを再トレーニングする必要があります。
どの 4 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 リストから回答領域に移動し、正しい順序に並べます。
別のデータ ファイル セットでモデルを再トレーニングする必要があります。
どの 4 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 リストから回答領域に移動し、正しい順序に並べます。
정답:
Explanation:
Azure Machine Learning で機械学習モデルをトレーニングしています。Hyperdrive を使用してハイパーパラメータを調整しています。以前のモデルのトレーニングとチューニングの実行では、多くのモデルが同様のパフォーマンスを示しました。以下の要件を満たす早期終了ポリシーを選択する必要があります。
* 現在の実行を評価する際に、以前のすべての実行のパフォーマンスを考慮します
* 現在の実行を、これまでの最高のパフォーマンスの実行とのみ比較することを回避します。 2 つの早期終了ポリシーのどれを使用する必要がありますか? それぞれの正解は、ソリューションの一部を示しています。
注意: 正しい選択ごとに 1 ポイントが付与されます。
* 現在の実行を評価する際に、以前のすべての実行のパフォーマンスを考慮します
* 現在の実行を、これまでの最高のパフォーマンスの実行とのみ比較することを回避します。 2 つの早期終了ポリシーのどれを使用する必要がありますか? それぞれの正解は、ソリューションの一部を示しています。
注意: 正しい選択ごとに 1 ポイントが付与されます。
정답: C,D
설명: (DumpTOP 회원만 볼 수 있음)
Azure Machine Learning Studio を使用して、column1 という小数列を含む mltable データ資産を分析します。column1 の値が正規分布していることを確認する必要があります。
どの統計を使用すべきでしょうか?
どの統計を使用すべきでしょうか?
정답: B
次の形式の salesData という名前の Python データ フレームがあります。
データ フレームは、次のように長いデータ形式にピボット解除する必要があります。
変換を実行するには、Python の pandas.melt() 関数を使用する必要があります。
コード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: 正しい選択ごとに 1 ポイントが付与されます。
データ フレームは、次のように長いデータ形式にピボット解除する必要があります。
変換を実行するには、Python の pandas.melt() 関数を使用する必要があります。
コード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: 正しい選択ごとに 1 ポイントが付与されます。
정답:
Explanation:
Box 1: dataFrame
Syntax: pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)[source] Where frame is a DataFrame Box 2: shop Paramter id_vars id_vars : tuple, list, or ndarray, optional Column(s) to use as identifier variables.
Box 3: ['2017','2018']
value_vars : tuple, list, or ndarray, optional
Column(s) to unpivot. If not specified, uses all columns that are not set as id_vars.
Example:
df = pd.DataFrame({'A': {0: 'a', 1: 'b', 2: 'c'},
'B': {0: 1, 1: 3, 2: 5},
'C': {0: 2, 1: 4, 2: 6}})
pd.melt(df, id_vars=['A'], value_vars=['B', 'C'])
A variable value
0 a B 1
1 b B 3
2 c B 5
3 a C 2
4 b C 4
5 c C 6
References:
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.melt.html
Azure Machine Learning ワークスペースを作成します。このワークスペースには、sample.dataset というデータセット、コンピューティングインスタンス、コンピューティングクラスターが含まれます。データセット内のデータを準備し、準備したデータに基づいてモデルをトレーニングして登録する 2 段階のパイプラインを作成する必要があります。パイプラインの最初のステージには、次のコードが含まれています。
スクリプトの第1ステージの出力（第2ステージの入力として使用できる）が格納されている場所を特定する必要があります。どの保存場所を使用すればよいでしょうか？
スクリプトの第1ステージの出力（第2ステージの入力として使用できる）が格納されている場所を特定する必要があります。どの保存場所を使用すればよいでしょうか？
정답: B
Azure Machine Learning サービスを使用して、training.data という表形式のデータセットを作成します。このデータセットをトレーニング スクリプトで使用する予定です。
次のコードを使用して、データセットを参照する変数を作成します。
training_ds = ワークスペース.datasets.get("トレーニングデータ")
スクリプトを実行するための推定値を定義します。
スクリプトが training.data データセットにアクセスできるようにするには、推定値の正しいプロパティを設定する必要があります。どのプロパティを設定する必要がありますか?
次のコードを使用して、データセットを参照する変数を作成します。
training_ds = ワークスペース.datasets.get("トレーニングデータ")
スクリプトを実行するための推定値を定義します。
スクリプトが training.data データセットにアクセスできるようにするには、推定値の正しいプロパティを設定する必要があります。どのプロパティを設定する必要がありますか?
정답: A
설명: (DumpTOP 회원만 볼 수 있음)
x.1、x2、x3 機能に対して scikit-learn Python ライブラリを使用して機能スケーリングを実行しています。
元のデータとスケールされたデータを次の画像に示します。
ドロップダウン メニューを使用して、グラフィックに表示された情報に基づいて各質問に答える選択肢を選択します。
注意: 正しい選択ごとに 1 ポイントが付与されます。
元のデータとスケールされたデータを次の画像に示します。
ドロップダウン メニューを使用して、グラフィックに表示された情報に基づいて各質問に答える選択肢を選択します。
注意: 正しい選択ごとに 1 ポイントが付与されます。
정답:
Explanation:
Box 1: StandardScaler
The StandardScaler assumes your data is normally distributed within each feature and will scale them such that the distribution is now centred around 0, with a standard deviation of 1.
Example:
All features are now on the same scale relative to one another.
Box 2: Min Max Scaler
Notice that the skewness of the distribution is maintained but the 3 distributions are brought into the same scale so that they overlap.
Box 3: Normalizer
References:
http://benalexkeen.com/feature-scaling-with-scikit-learn/
Azure Machine Learning ワークスペースを管理します。
Mlftow でログを記録するカスタムモデルを構築します。カスタムモデルには以下のものが含まれます。
* このモデルは、Mlflow ではネイティブにサポートされていません。
* モデルは Pickle 形式でシリアル化できません。
* モデルのソースコードは複雑です。
* モデルの Python ライブラリはモデルと一緒にパッケージ化する必要があります。
ML フローによるログ記録を有効にするには、カスタム モデル フレーバーを作成する必要があります。
何を使うべきでしょうか?
Mlftow でログを記録するカスタムモデルを構築します。カスタムモデルには以下のものが含まれます。
* このモデルは、Mlflow ではネイティブにサポートされていません。
* モデルは Pickle 形式でシリアル化できません。
* モデルのソースコードは複雑です。
* モデルの Python ライブラリはモデルと一緒にパッケージ化する必要があります。
ML フローによるログ記録を有効にするには、カスタム モデル フレーバーを作成する必要があります。
何を使うべきでしょうか?
정답: A
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。
ワークスペースにAzure Machine Learningサービスのデータストアを作成します。データストアには以下のファイルが含まれます。
* /data/2018/Q1 .csv
* /データ/2018/Q2.csv
* /データ/2018/Q3.csv
* /データ/2018/Q4.csv
* /データ/2019/Q1.csv
すべてのファイルは、次の形式でデータを保存します。
id,M,f2,l
1、1、2、0
2、1、1、1
32,10
次のコードを実行します。
次のコードを使用して、training_data という名前のデータセットを作成し、すべてのファイルからデータを 1 つのデータ フレームにロード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満たしていますか?
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。そのため、これらの質問はレビュー画面に表示されません。
ワークスペースにAzure Machine Learningサービスのデータストアを作成します。データストアには以下のファイルが含まれます。
* /data/2018/Q1 .csv
* /データ/2018/Q2.csv
* /データ/2018/Q3.csv
* /データ/2018/Q4.csv
* /データ/2019/Q1.csv
すべてのファイルは、次の形式でデータを保存します。
id,M,f2,l
1、1、2、0
2、1、1、1
32,10
次のコードを実行します。
次のコードを使用して、training_data という名前のデータセットを作成し、すべてのファイルからデータを 1 つのデータ フレームにロード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満たしていますか?
정답: A
「workspace1」という名前のAzure Machine Learningワークスペースを作成します。workspace1のユーザーにカスタムロールを割り当てます。
カスタム ロールには次の JSON 定義があります。
指示：以下の各文について、正しい場合は「はい」を選択してください。そうでない場合は「いいえ」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。
カスタム ロールには次の JSON 定義があります。
指示：以下の各文について、正しい場合は「はい」を選択してください。そうでない場合は「いいえ」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。
정답:
Explanation:
Box 1: No
The actions listed in NotActions are prohibited.
If the roles include Actions that have a wildcard (*), the effective permissions are computed by subtracting the NotActions from the allowed Actions.
Box 2: No
Deleting compute resources in the workspace is in the NotActions list.
Box 3: Yes
Writing metrics is not listed in NotActions.
Reference:
https://docs.microsoft.com/en-us/azure/role-based-access-control/overview#how-azure-rbac-determines-if-a- user-has-access-to-a-resource
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。
Azure Machine Learning デザイナーを使用して、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 モジュールを使用します。
ソリューションは目標を満たしていますか?
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。
Azure Machine Learning デザイナーを使用して、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 モジュールを使用します。
ソリューションは目標を満たしていますか?
정답: B
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の機能値を送信し、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。
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。
アプリケーションがデータの機能値を送信し、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。
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。
정답:
Explanation:
モデルのトレーニングに使用されるPythonコードを含むJupyterNotebookがあります。
本番デプロイメント用のPythonスクリプトを作成する必要があります。ソリューションは、コードのメンテナンスを最小限に抑える必要があります。
実行する必要がある2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：正しい選択はそれぞれ1ポイントの価値があります。
本番デプロイメント用のPythonスクリプトを作成する必要があります。ソリューションは、コードのメンテナンスを最小限に抑える必要があります。
実行する必要がある2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：正しい選択はそれぞれ1ポイントの価値があります。
정답: B,C
설명: (DumpTOP 회원만 볼 수 있음)