完全版DP-100日本語練習テスト337特別な問題と解答が待ってます！ [Q157-Q175]

完全版DP-100日本語練習テスト337特別な問題と解答が待ってます！

Microsoft Azure問題集でDP-100日本語試験完全版問題で試験学習ガイド

質問 # 157
モデルのトレーニング要件に合わせて、Permutation Feature Importance モジュール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: 正しい選択ごとに 1 ポイントの価値があります。

正解：

解説：

Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/permutation-feature-importance

質問 # 158
Azure Container Instanceにモデルをデプロイします。
モデルAPIを呼び出すには、Azure Machine Learning SDKを使用する必要があります。
ネイティブSDKクラスおよびメソッドを使用して、デプロイされたモデルを呼び出す必要があります。
コマンド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：

解説：

Reference:
https://docs.microsoft.com/bs-latn-ba/azure/machine-learning/how-to-deploy-azure-container-instance
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-troubleshoot-deployment

質問 # 159
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。

正解：

解説：

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

質問 # 160
あなたはワイナリーのデータサイエンティストとして雇われています。以前のデータサイエンティストはAzureMachineLearningを使用していました。
モデルを確認し、各モデルがどのように決定を下すかを説明する必要があります。
どの説明モジュール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：

解説：

Reference:
https://medium.com/microsoftazure/automated-and-interpretable-machine-learning-d07975741298

質問 # 161
実験の要件とデータセットに基づいて、機能ベースの機能選択モジュールを構成する必要があります。
モジュールのプロパティをどのように構成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：それぞれの正しい選択には1ポイントの価値があります。

正解：

解説：

Explanation:
Box 1: Mutual Information.
The mutual information score is particularly useful in feature selection because it maximizes the mutual information between the joint distribution and target variables in datasets with many dimensions.
Box 2: MedianValue
MedianValue is the feature column, , it is the predictor of the dataset.
Scenario: The MedianValue and AvgRoomsinHouse columns both hold data in numeric format. You need to select a feature selection algorithm to analyze the relationship between the two columns in more detail.
References:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/filter-based-feature-selection

質問 # 162
決定木アルゴリズムを使用しています。次のツリー深度で一般化するモデルを訓練しました。
10。
さまざまなツリー深度値を持つモデルのバイアスおよび分散プロパティを選択する必要があります。
各ツリーの深さに対して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、回答エリアで適切なオプションを選択します。

正解：

解説：

Explanation:
In decision trees, the depth of the tree determines the variance. A complicated decision tree (e.g. deep) has low bias and high variance.
Note: In statistics and machine learning, the bias-variance tradeoff is the property of a set of predictive models whereby models with a lower bias in parameter estimation have a higher variance of the parameter estimates across samples, and vice versa. Increasing the bias will decrease the variance. Increasing the variance will decrease the bias.
References:
https://machinelearningmastery.com/gentle-introduction-to-the-bias-variance-trade-off-in-machine-learning/

質問 # 163
組織はAzure Machine Learningサービスを使用しており、機械学習の使用を拡大したいと考えています。
次のコンピューティング環境があります。組織は別のコンピューティング環境を作成したくありません。

次のシナリオで使用するコンピューティング環境を決定する必要があります。
どの計算タイプを使用する必要がありますか？答えるには、適切なコンピューティング環境を正しいシナリオにドラッグします。各コンピューティング環境は、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：

解説：

Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/concept-compute-target
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-set-up-training-targets

質問 # 164
決定木アルゴリズムを使用して分類モデルをトレーニングします。
次のPythonコードを実行して、Estimatorを作成します。変数feature_namesはすべての機能名のリストであり、class_namesはすべてのクラス名のリストです。
からinterpret.ext.blackboxインポートTabularExplainer

すべての機能の重要性を判断することにより、すべてのクラスのモデルによって行われた予測を説明する必要があります。
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：

解説：

Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-machine-learning-interpretability-aml

質問 # 165
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で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：

解説：

Reference:
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.melt.html

質問 # 166
x.1、x2、およびx3の機能に対してscikit-learn Pythonライブラリを使用して、機能のスケーリングを実行しています。
元のデータとスケーリングされたデータを次の図に示します。

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る情報に基づいて各質問に回答する回答選択肢を選択します。
注：それぞれの正しい選択には1ポイントの価値があります。

正解：

解説：

説明

ボックス1：StandardScaler
StandardScalerは、データが各機能内に通常分布していることを前提としており、分布が標準偏差1で中央が0になるようにスケーリングします。
例：
すべての機能は、互いに相対的に同じスケールになりました。
ボックス2：最小最大スケーラー
分布の歪度は維持されますが、3つの分布は同じスケールになり、重なり合うことに注意してください。
ボックス3：ノーマライザー
参照：
http://benalexkeen.com/feature-scaling-with-scikit-learn/

質問 # 167
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、述べら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。
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。モデルを使用するには、アプリケーションで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：
AksWebserviceインスタンスを作成します。
auth_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。
ソリューションは目標を達成していますか？

A. いいえ
B. はい

正解：B

解説：
Explanation
Key-based authentication.
Web services deployed on AKS have key-based auth enabled by default. ACI-deployed services have key-based auth disabled by default, but you can enable it by setting auth_enabled = TRUE when creating the ACI web service. The following is an example of creating an ACI deployment configuration with key-based auth enabled.
deployment_config <- aci_webservice_deployment_config(cpu_cores = 1,
memory_gb = 1,
auth_enabled = TRUE)
Reference:
https://azure.github.io/azureml-sdk-for-r/articles/deploying-models.html

質問 # 168

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: 正しい選択ごとに 1 ポイントの価値があります。

正解：

解説：

質問 # 169
データの視覚化要件に従って、診断テストの評価用に視覚化を作成する必要があります。
どの3つのモジュールを順番に使用することをお勧めしますか？回答するには、適切なモジュールをモジュールのリストから回答エリアに移動し、正しい順序で並べます。

正解：

解説：

1 - Sweep Clustering
2 - Train Model
3 - Evaluate Model
Reference:
http://breaking-bi.blogspot.com/2017/01/azure-machine-learning-model-evaluation.html

質問 # 170
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？

A. はい
B. いいえ

正解：B

解説：
The scikit-learn estimator provides a simple way of launching a scikit-learn training job on a compute target. It is implemented through the SKLearn class, which can be used to support single-node CPU training.
Example:
from azureml.train.sklearn import SKLearn
}
estimator = SKLearn(source_directory=project_folder,
compute_target=compute_target,
entry_script='train_iris.py'
)
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-scikit-learn

質問 # 171
CSVファイルからテキストを前処理する予定です。 Azure Machine Learning Studioのデフォルトのストップワードリストをロードします。
次の要件を満たすように、テキストの前処理モジュールを構成する必要があります。
*単一の標準形式から複数の関連する単語を確認します。
*テキストからパイプ文字を削除します。
*情報検索を最適化するために単語を削除します。
どの3つの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には1ポイントの価値があります。

正解：

解説：

Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/preprocess-text

質問 # 172
PyTorchフレームワークを使用して、マルチクラス画像分類の深層学習実験を作成します。 GPUを備えたノードを持つAzure Computeクラスターで実験を実行する予定です。
画像分類モデルの毎月の再トレーニングを実行するには、Azure Machine Learningサービスパイプラインを定義する必要があります。パイプラインは最小限のコストで実行し、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。
どの3つのパイプラインステップ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、正しい順序に並べます。

正解：

解説：

Explanation:
Step 1: Configure a DataTransferStep() to fetch new image data...
Step 2: Configure a PythonScriptStep() to run image_resize.y on the cpu-compute compute target.
Step 3: Configure the EstimatorStep() to run training script on the gpu_compute computer target.
The PyTorch estimator provides a simple way of launching a PyTorch training job on a compute target.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-pytorch

質問 # 173
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。

正解：

解説：

1 - Create and start a Compute Instance
2 - Create and run a training pipeline..
3 - Create and run a real-time inference pipeline
Reference:
https://docs.microsoft.com/en-us/learn/modules/create-classification-model-azure-machine-learning-designer/

質問 # 174
都市の住宅販売データを含むデータセットがあります。データセットには、次の列が含まれています。

データセットの各行は、個々の住宅販売トランザクションに対応しています。
家の特徴に基づいて販売価格を予測するための最適なモデルを生成するには、自動機械学習を使用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。