最新の2024年03月08日 DP-100日本語問題集は学習ガイドは試験合格するための秘訣 [Q108-Q130]

最新の2024年03月08日 DP-100日本語問題集は学習ガイドは試験合格するための秘訣

DP-100日本語問題集の無料PDFをゲットせよ！最近更新された問題

質問 # 108
Azure Machine Learning ワークスペースを作成し、MLflow ライブラリをインストールします。
MLflow ライブラリを使用して、さまざまな種類のデータをトグする必要があります。
どの方法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：

解説：

質問 # 109
ローカルモデルの特徴抽出戦略を構築する必要があります。
どのようにコードセグメントを完成させるべきですか？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：

質問 # 110
Azure Machine Learning ワークスペースがあります。ワークスペースには、表形式のデータを含むデータセットが含まれています。
モデルトレーニングの準備として、Azure Machine Learning SDK for Python vl を使用して、データセットを pandas データフレームに読み込む制御スクリプトを作成する予定です。スクリプトは、データセットを指定するパラメーターを受け入れるスクリプトを完了する必要があります。
スクリプ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：

質問 # 111
モデルのトレーニング要件に従って、順列機能の重要度モジュールを設定する必要があります。
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。
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: Accuracy
Scenario: You want to configure hyperparameters in the model learning process to speed the learning phase by using hyperparameters. In addition, this configuration should cancel the lowest performing runs at each evaluation interval, thereby directing effort and resources towards models that are more likely to be successful.
Box 2: R-Squared

質問 # 112
あなたのチームは、データエンジニアリングおよびデータサイエンスの開発環境を構築しています。
環境は次の要件をサポートする必要があります。
* PythonおよびScalaをサポート
*データストレージ、移動、および処理サービスを自動データパイプラインに構成
*データエンジニアリングとデータサイエンスの両方のオーケストレーションに同じツールを使用する必要があります
*ワークロードの分離とインタラクティブなワークロードをサポート
*マシンのクラスター全体のスケーリングを有効にする
環境を作成する必要があります。
あなたは何をするべきか？

A. Azure Databricksで環境を構築し、オーケストレーションにAzure Data Factoryを使用します。
B. HDInsightのApache Sparkで環境を構築し、オーケストレーションにAzure Container Instancesを使用します。
C. HDInsight用のApache Hiveで環境を構築し、オーケストレーションにAzure Data Factoryを使用します。
D. Azure Databricksで環境を構築し、オーケストレーションにAzure Container Instancesを使用します。

正解：A

解説：
In Azure Databricks, we can create two different types of clusters.
* Standard, these are the default clusters and can be used with Python, R, Scala and SQL
* High-concurrency
Azure Databricks is fully integrated with Azure Data Factory.
Incorrect Answers:
D: Azure Container Instances is good for development or testing. Not suitable for production workloads.
References:
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/data-science-and-machinelearning

質問 # 113
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。
Azure Machine Learning Studioを使用して、データセットの機能エンジニアリングを実行しています。
値を正規化して、ビンにグループ化されたフィーチャ列を作成する必要があります。
解決策：エントロピー最小記述長（MDL）ビニングモードを適用します。
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：A

解説：
説明
エントロピーMDLビニングモード：この方法では、予測する列と、ビンにグループ化する列を選択する必要があります。次に、データを渡して、エントロピーを最小化するビンの数を決定しようとします。つまり、データ列がターゲット列を最適に予測できるようにするビンの数を選択します。次に、<colname> quantizedという名前の列のデータの各行に関連付けられたビン番号を返します。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/group-data-into-bins

質問 # 114
コンピューティングクラスターを使用して、新しい Azure Machine Learning ワークスペースを作成します。
Azure Machine Learning Python SDK v2 を使用して、コンピューティングクラスターを非同期的に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べきでしょうか? 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：

解説：

Explanation

質問 # 115
ペナルティイベント検出のプロセスを定義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のリストから回答エリアに移動し、正しい順序に並べます。

正解：

解説：

1 - Vary the length of frequency bands between modeling epochs
2 - Standerdize to mono audio clips.
3 - Use a Fast Fourier transform on frequancy changes over time.

質問 # 116
ペナルティイベント検出のプロセスを定義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のリストから回答エリアに移動し、正しい順序に並べます。

正解：

解説：

質問 # 117
Gitリポジトリを使用して、Azure MachineLearningワークスペースでの作業を追跡しています。
SSHを使用してGitアカウントを認証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：

1 - Generating a public/private key pair
2 - Add the public key to the Git Account
3 - Clone the Git repository by using an SSH repository URL
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/concept-train-model-git-integration

質問 # 118
Azure Machine Learning Studioを使用して機械学習実験を構築します。
データを2つの異なるデータセットに分割する必要があります。
どのモジュールを使用する必要がありますか？

A. データをクラスターに割り当てる
B. データの分割
C. データをビンにグループ化
D. トレーニング済みモデルのロード

正解：C

解説：
The Group Data into Bins module supports multiple options for binning data. You can customize how the bin edges are set and how values are apportioned into the bins.
References:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/group-data-into-bins

質問 # 119
Azure Machine Learning 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、Python スクリプトの実行コンポーネントとカスタムコードを使用してデータセットを変換します。
スクリプトと関連ライブラリをスクリプトバンドルとしてアップロードする必要があります。
Python スクリプトの実行コンポーネントを構成する必要があります。
どの構成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: 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：

質問 # 120
2 つの異なる年齢グループ内の糖尿病の陽性症例を予測するバイナリ分類器があります。
分類子は、年齢グループ間で高度な格差を示しています。
分類器の出力を変更して、年齢層全体で公平性を最大化し、次の要件を満たす必要があります。
* 分類子の基になっているモデルを再トレーニングする必要がなくなります。
* 真陽性率と偽陽性率の年齢層間の格差を最小限に抑えます。
どのアルゴリズムとパンティ拘束を使用する必要がありますか? 回答するには、回答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：

Explanation

質問 # 121
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。

正解：

解説：

Explanation

質問 # 122
あなたは鳥の健康と移動を追跡するプロジェクトのリードデータサイエンティストです。専門家が収集したラベル付きの鳥の写真のセットを使用するマルチイメージ分類の深層学習モデルを作成します。このモデルを使用して、アプリユーザーが捕獲する鳥の種を予測するクロスプラットフォームのモバイルアプリを開発する予定です。
トレーニング済みモデルをWebサービスとしてテストおよびデプロイする必要があります。デプロイされたモデルは、次の要件を満たしている必要があります。
*認証された接続がテストに必要であってはなりません。
*デプロイされたモデルは、推論中に低遅延で実行する必要があります。
* RESTエンドポイントはスケーラブルである必要があり、複数のエンドユーザーがモバイルアプリケーションを使用している場合に多数のリクエストを処理する能力が必要です。
有効なRESTリクエストが送信されたときに、Webサービスが予想されるJSON形式で予測を返すことを確認する必要があります。
どのコンピューティングリソース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。

正解：

解説：

Explanation

Box 1: ds-workstation notebook VM
An authenticated connection must not be required for testing.
On a Microsoft Azure virtual machine (VM), including a Data Science Virtual Machine (DSVM), you create local user accounts while provisioning the VM. Users then authenticate to the VM by using these credentials.
Box 2: gpu-compute cluster
Image classification is well suited for GPU compute clusters
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/data-science-virtual-machine/dsvm-common-identity
https://docs.microsoft.com/en-us/azure/architecture/reference-architectures/ai/training-deep-learning

質問 # 123
Azure ML SDKを使用してバッチ推論パイプラインを作成します。次のコードを使用してパイプラインを実行します。
azureml.pipeline.coreからのインポートパイプライン
azureml.core.experiment import Experimentから
pipeline = Pipeline(workspace=ws, steps=[parallelrun_step])
pipeline_run = Experiment(ws, 'batch_pipeline').submit(pipeline)
パイプライン実行の進行状況を監視する必要があります。
この目標を達成するための2つの可能な方法は何ですか？それぞれの正解は完全なソリューションを示します。
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。

A. オプションD
B. オプションA
C. オプションE
D. オプションB
E. オプションC

正解：A、C

解説：
A batch inference job can take a long time to finish. This example monitors progress by using a Jupyter widget. You can also manage the job's progress by using:
* Azure Machine Learning Studio.
* Console output from the PipelineRun object.
from azureml.widgets import RunDetails
RunDetails(pipeline_run).show()
pipeline_run.wait_for_completion(show_output=True)

質問 # 124
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。
ロジスティック回帰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。
各機能の重要度を、全体的なグローバル相対重要度値として、および特定の予測セットのローカル重要度の尺度として計算することにより、モデルの予測を説明できる必要があります。
必要なグローバルおよびローカルの特徴重要度値を取得するために使用できる説明を作成する必要があります。
解決策：PFIExplainerを作成します。
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：A

解説：
Explanation
Permutation Feature Importance Explainer (PFI): Permutation Feature Importance is a technique used to explain classification and regression models. At a high level, the way it works is by randomly shuffling data one feature at a time for the entire dataset and calculating how much the performance metric of interest changes. The larger the change, the more important that feature is. PFI can explain the overall behavior of any underlying model but does not explain individual predictions.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-machine-learning-interpretability

質問 # 125
Azure Storage BLOBコンテナーに対してml-dataという名前のデータストアを定義します。コンテナーには、data.csvという名前のファイルを含むtrainという名前のフォルダーがあります。このファイルを使用して、Azure Machine Learning SDKを使用してモデルをトレーニングする予定です。
Azure Machine Learning SDKを使用してモデルをトレーニングし、ローカルコンピューティングで実験を実行する予定です。
次のコードを実行して、DataReferenceオブジェクトを定義します。

トレーニングデータを読み込む必要があります。
どのコードセグメントを使用する必要がありますか？

A. オプションA
B. オプションE
C. オプションB
D. オプションD
E. オプションC

正解：B

解説：
Explanation
Example:
data_folder = args.data_folder
# Load Train and Test data
train_data = pd.read_csv(os.path.join(data_folder, 'data.csv'))
Reference:
https://www.element61.be/en/resource/azure-machine-learning-services-complete-toolbox-ai

質問 # 126
あなたのチームは、データエンジニアリングおよびデータサイエンスの開発環境を構築しています。
環境は次の要件をサポートする必要があります。
* PythonおよびScalaをサポート
*データストレージ、移動、および処理サービスを自動データパイプラインに構成
*データエンジニアリングとデータサイエンスの両方のオーケストレーションに同じツールを使用する必要があります
*ワークロードの分離とインタラクティブなワークロードをサポート
*マシンのクラスター全体のスケーリングを有効にする
環境を作成する必要があります。
あなたは何をするべきか？

A. Azure Databricksで環境を構築し、オーケストレーションにAzure Data Factoryを使用します。
B. HDInsightのApache Sparkで環境を構築し、オーケストレーションにAzure Container Instancesを使用します。
C. HDInsight用のApache Hiveで環境を構築し、オーケストレーションにAzure Data Factoryを使用します。
D. Azure Databricksで環境を構築し、オーケストレーションにAzure Container Instancesを使用します。

正解：A

解説：
In Azure Databricks, we can create two different types of clusters.
Standard, these are the default clusters and can be used with Python, R, Scala and SQL High-concurrency Azure Databricks is fully integrated with Azure Data Factory.
Incorrect Answers:
D: Azure Container Instances is good for development or testing. Not suitable for production workloads.
References:
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/data-science-and-machinelearning

質問 # 127
AzureのWindowsおよびLinux用のData Science Virtual Machines（DSVM）を使用します。
DSVMにアクセスする必要があります。
どのユーティリティ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には1ポイントの価値があります。

正解：

解説：

質問 # 128
Azure Machine Learning ワークスペースを作成します。Azure Machine Learning SDK for Python を使用します。
リモートパスからデータセットを作成する必要があります。データセットはワークスペース内で再利用可能である必要があります。
データセットを作成する必要があります。
次のコードセグメントをどのように完成させるべきでしょうか? 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：

解説：
See below image

質問 # 129
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：

Explanation

Box 1: Yes
TabularExplainer calls one of the three SHAP explainers underneath (TreeExplainer, DeepExplainer, or KernelExplainer).
Box 2: Yes
To make your explanations and visualizations more informative, you can choose to pass in feature names and output class names if doing classification.
Box 3: No
TabularExplainer automatically selects the most appropriate one for your use case, but you can call each of its three underlying explainers underneath (TreeExplainer, DeepExplainer, or KernelExplainer) directly.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-machine-learning-interpretability-aml