正真正銘のDP-100日本語問題集で無料PDF問題で合格させる [Q237-Q260]

正真正銘のDP-100日本語問題集で無料PDF問題で合格させる

結果を保証するには最新2024年12月無料で提供するDP-100日本語

質問 # 237
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
https://docs.microsoft.com/en-us/azure/architecture/data-guide/scenarios/interactive-data-exploration

質問 # 238
テスト要件に従ってデータを分割する方法を特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、適切なオプションを選択します。m回答エリアで。注意：
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 # 239
次のコードを使用して、モデルをAzure Machine LearningリアルタイムWebサービスとしてデプロイします。

デプロイメントは失敗します。
デプロイメント中に実行されたアクションを判別し、失敗した特定のアクションを識別することにより、デプロイメントの失敗をトラブルシューティングする必要があります。
どのコードセグメントを実行する必要がありますか？

A. service.state
B. service.update_deployment_state（）
C. service.get_logs（）
D. service.serialize（）

正解：C

解説：
Explanation
You can print out detailed Docker engine log messages from the service object. You can view the log for ACI, AKS, and Local deployments. The following example demonstrates how to print the logs.
# if you already have the service object handy
print(service.get_logs())
# if you only know the name of the service (note there might be multiple services with the same name but different version number) print(ws.webservices['mysvc'].get_logs()) Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-troubleshoot-deployment

質問 # 240
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：

質問 # 241
Azure Machine Learning を使用してモデルをトレーニングします。Azure Blob Storage を使用して運用データを格納します。
新しいデータが Azure Blob Storage にアップロードされたら、モデルを再トレーニングする必要があります。開発とコーディングを最小限に抑える必要があります。
再トレーニングソリューションを開発するには、Azure サービスを構成する必要があります。
どの Azure サービス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：
See below image

質問 # 242
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：

Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/filter-based-feature-selection

質問 # 243
Azure MachineLearningワークスペースを使用しています。モデルテスト用の環境と本番用の環境をセットアップします。
テストの計算ターゲットは、コストと展開の労力を最小限に抑える必要があります。本番環境のコンピューティングターゲットは、高速な応答時間、デプロイされたサービスの自動スケーリングを提供し、リアルタイムの推論をサポートする必要があります。
モデルのテストと本番用にコンピューティングターゲットを構成する必要があります。
どの計算ターゲット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：正しい選択はそれぞれ1ポイントの価値があります。

正解：

解説：

Explanation
Text, application Description automatically generated

Box 1: Local web service
The Local web service compute target is used for testing/debugging. Use it for limited testing and troubleshooting. Hardware acceleration depends on use of libraries in the local system.
Box 2: Azure Kubernetes Service (AKS)
Azure Kubernetes Service (AKS) is used for Real-time inference.
Recommended for production workloads.
Use it for high-scale production deployments. Provides fast response time and autoscaling of the deployed service Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/concept-compute-target

質問 # 244
Azureストレージアカウントのblobコンテナーを参照するtraining_dataという名前のデータストアを作成します。 blobコンテナーには、csv_filesという名前のフォルダーが含まれ、その中に複数のコンマ区切り値（CSV）ファイルが格納されます。
./scriptという名前のローカルフォルダーにtrain.pyという名前のスクリプトがあり、推定器を使用して実験として実行する予定です。スクリプトには、csv_filesフォルダーからデータを読み取る次のコードが含まれています。

次のスクリプトがあります。

スクリプトが、training_dataデータストアのcsv_filesフォルダーを参照するdata_refという名前のデータ参照からデータを読み取ることができるように、実験用の推定器を構成する必要があります。
推定器を構成するにはどのコードを使用する必要がありますか？

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

正解：B

解説：
Besides passing the dataset through the inputs parameter in the estimator, you can also pass the dataset through script_params and get the data path (mounting point) in your training script via arguments. This way, you can keep your training script independent of azureml-sdk. In other words, you will be able use the same training script for local debugging and remote training on any cloud platform.
Example:
from azureml.train.sklearn import SKLearn
script_params = {
# mount the dataset on the remote compute and pass the mounted path as an argument to the training script
'--data-folder': mnist_ds.as_named_input('mnist').as_mount(),
'--regularization': 0.5
}
est = SKLearn(source_directory=script_folder,
script_params=script_params,
compute_target=compute_target,
environment_definition=env,
entry_script='train_mnist.py')
# Run the experiment
run = experiment.submit(est)
run.wait_for_completion(show_output=True)
Incorrect Answers:
A: Pandas DataFrame not used.
Reference:
https://docs.microsoft.com/es-es/azure/machine-learning/how-to-train-with-datasets

質問 # 245
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アンピボット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：

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

質問 # 246
Azure Machine Learning ワークスペースを作成し、tram.py という名前の Python トレーニングスクリプトを src サブフォルダーに読み込みます。モデルのトレーニングに使用されるデータセットは、ローカルで利用できます。次のスクリプトを実行して、モデルをトラムします。

指示: 次の各ステートメントについて、ステートメントが正しい場合は [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: 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 # 247
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?

A. いいえ
B. はい

正解：A

解説：
Explanation
Use a solution with logging.info(message) instead.
Note: Python printing/logging example:
logging.info(message)
Destination: Driver logs, Azure Machine Learning designer
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-debug-pipelines

質問 # 248
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：

Explanation

質問 # 249
別紙Aで指定された順序で処理する必要がある5つのPythonスクリプトを記述します。これにより、同じモジュールを並行して実行できますが、依存関係のあるモジュールを待ちます。
バージョン管理システムで追跡するパイプラインを作成するスクリプトを作成するため、Python SDKを使用してAzure Machine Learningパイプラインを作成する必要があります。 5つのPythonScriptStepを作成し、モジュール名と一致するように変数に名前を付けました。

表示されているパイプラインを作成する必要があります。関連するすべてのインポートが行われたと想定します。
どのPython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B
B. オプションC
C. オプションD
D. オプションA

正解：D

解説：
Explanation
The steps parameter is an array of steps. To build pipelines that have multiple steps, place the steps in order in this array.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-use-parallel-run-step

質問 # 250
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：

Explanation

質問 # 251
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 - Standardize to stereo audio clips.
3 - Use an Inverse Fourier transform on frequency changes over time.

質問 # 252
Azure MachineLearningでトレーニング実験を実行するPythonスクリプトを作成します。このスクリプトは、Python用のAzure Machine LearningSDKを使用します。
スクリプトによって生成されたログと出力の名前を取得するステートメントを追加する必要があります。
ステートメントについては、SDKからPythonクラスオブジェクトを参照する必要があります。
どのクラスオブジェクトを使用する必要がありますか？

A. ScripcRunConfig
B. ワークスペース
C. 実行
D. 実験

正解：C

解説：
A run represents a single trial of an experiment. Runs are used to monitor the asynchronous execution of a trial, log metrics and store output of the trial, and to analyze results and access artifacts generated by the trial.
The run Class get_all_logs method downloads all logs for the run to a directory.
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.run(class)

質問 # 253
Azure Machine Learning Studioを使用してバイナリ分類モデルを作成します。
モデルを評価するには、受信者動作特性（RO C）曲線とF1スコアを使用する必要があります。
必要なビジネスメトリックを作成する必要があります。
実験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：

質問 # 254
あなたは分類タスクに取り組んでいます。生徒がサッカーをプレーしたいかどうかと、それに関連する属性を示す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。

変数をタイプ別に分類する必要があります。
各カテゴリにどの変数を追加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：

解説：

Explanation

References:
https://www.edureka.co/blog/classification-algorithms/

質問 # 255
あなたは線形回帰モデルを作成するデータサイエンティストです。
データが回帰直線にどの程度適合するかを判断する必要があります。
どのメトリックを確認する必要がありますか？

A. Precision
B. Root Mean Square Error
C. Coefficient of determination
D. Recall
E. Mean absolute error

正解：C

解説：
Coefficient of determination, often referred to as R2, represents the predictive power of the model as a value between 0 and 1. Zero means the model is random (explains nothing); 1 means there is a perfect fit. However, caution should be used in interpreting R2 values, as low values can be entirely normal and high values can be suspect.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/evaluate-model

質問 # 256
クリーニングが必要な生のデータセットを分析しています。
Azure Machine Learning Studioを使用して、変換と操作を実行する必要があります。
変換を実行するには、正しいモジュールを識別する必要があります。
どのモジュールを選択する必要がありますか？答えるには、適切なモジュールを正しいシナリオにドラッグします。各モジュールは、1回、複数回使用することも、まったく使用しないこともできます。
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には1ポイントの価値があります。

正解：

解説：

Explanation:
Box 1: Clean Missing Data
Box 2: SMOTE
Use the SMOTE module in Azure Machine Learning Studio to increase the number of underepresented cases in a dataset used for machine learning. SMOTE is a better way of increasing the number of rare cases than simply duplicating existing cases.
Box 3: Convert to Indicator Values
Use the Convert to Indicator Values module in Azure Machine Learning Studio. The purpose of this module is to convert columns that contain categorical values into a series of binary indicator columns that can more easily be used as features in a machine learning model.
Box 4: Remove Duplicate Rows
References:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/smote
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/convert-to-indicator-values

質問 # 257
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：

Explanation

Step 1: Sweep Clustering
Start by using the "Tune Model Hyperparameters" module to select the best sets of parameters for each of the models we're considering.
One of the interesting things about the "Tune Model Hyperparameters" module is that it not only outputs the results from the Tuning, it also outputs the Trained Model.
Step 2: Train Model
Step 3: Evaluate Model
Scenario: You need to provide the test results to the Fabrikam Residences team. You create data visualizations to aid in presenting the results.
You must produce a Receiver Operating Characteristic (ROC) curve to conduct a diagnostic test evaluation of the model. You need to select appropriate methods for producing the ROC curve in Azure Machine Learning Studio to compare the Two-Class Decision Forest and the Two-Class Decision Jungle modules with one another.
References:
http://breaking-bi.blogspot.com/2017/01/azure-machine-learning-model-evaluation.html

質問 # 258
AccessibilityToHighway列の欠落データを置き換える必要があります。
Clean Missing Dataモジュール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/clean-missing-data

質問 # 259
あなたは猫と犬を識別するために深層学習モデルを交配しています。 25,000色の画像があります。
次の要件を満たしている必要があります。
*トレーニングエポックの数を減らします。
*ニューラルネットワークのサイズを縮小します。
*ニューラルネットワークの過剰適合を減らします。
画像修正値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には1ポイントの価値があります。