2024年03月28日合格確定ガイド準備DP-100日本語試験知能問題集 [Q77-Q99]

2024年03月28日合格確定ガイド準備DP-100日本語試験知能問題集

無料最新Microsoft Azure DP-100日本語リアル試験問題と回答2024年更新

質問 # 77
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 # 78
Azure ML SDKを使用して実験を実行する準備をしており、コンピューティングを作成する必要があります。次のコードを実行します。

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：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: No
If a training cluster already exists it will be used.
Box 2: Yes
The wait_for_completion method waits for the current provisioning operation to finish on the cluster.
Box 3: Yes
Low Priority VMs use Azure's excess capacity and are thus cheaper but risk your run being pre-empted.
Box 4: No
Need to use training_compute.delete() to deprovision and delete the AmlCompute target.
Reference:
https://notebooks.azure.com/azureml/projects/azureml-getting-started/html/how-to-use-azureml/training/train-on
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.compute.computetarget

質問 # 79
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で新しい実験を作成しています。
1つのクラスには、トレーニングセットの他のクラスよりもはるかに少ない数の観測値があります。
クラスの不均衡を補うために、適切なデータサンプリング戦略を選択する必要があります。
解決策：Scale and Reduceサンプリングモードを使用します。
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：B

解説：
説明
代わりに、Synthetic Minority Oversampling Technique（SMOTE）サンプリングモードを使用します。
注：SMOTEは、機械学習に使用されるデータセット内の過小評価されたケースの数を増やすために使用されます。
SMOTEは、既存のケースを単純に複製するよりも、まれなケースの数を増やすより良い方法です。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/smote

質問 # 80
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 # 81
アルゴリズムのハイパーパラメーターを調整しています。次の表は、さまざまなハイパーパラメーター、トレーニングエラー、および検証エラーを含むデータセットを示しています。

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。

正解：

解説：

Explanation:
Box 1: 4
Choose the one which has lower training and validation error and also the closest match.
Minimize variance (difference between validation error and train error).
Box 2: 5
Minimize variance (difference between validation error and train error).
Reference:
https://medium.com/comet-ml/organizing-machine-learning-projects-project-management-guidelines-2d2b85651bbd

質問 # 82
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。

正解：

解説：

1 - conda create -n "python_env"
2 - conda activate "python_env"
3 - conda install -r "requirements.txt"
4 - ipython kernel install --user --name="python_env"

質問 # 83
Azure Machine Learningを使用して、モデルのトレーニングと登録を行います。
IT部門がAzure Machine Learningワークスペースで作成したservice-computeという名前の推論クラスターに、リアルタイムWebサービスとしてモデルを本番環境にデプロイする必要があります。
デプロイされたWebサービスを使用するクライアントアプリケーションは、Azure Active Directoryサービスプリンシパルに基づいて認証される必要があります。
Azure Machine Learning SDKを使用してモデルをデプロイするスクリプトを作成する必要があります。必要なモジュールがインポートされました。
どのようにコードを完成させ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。

正解：

解説：

質問 # 84
Azure Machine Learning ワークスペースでスクリプトのソース管理を実装する必要があります。Azure Machine Learning Notebook タブのターミナルウィンドウを使用します。SSH で Git アカウントを認証する必要があります。
新しい SSH キーを生成する必要があります。
順番に実行する必要がある 4 つのアクションはどれですか? 答えるには、適切なアクションをアクションのリストから解答領域に移動し、正しい順序で並べます。

正解：

解説：

1 - Run the ssh-keygen command.
2 - Press Enter when prompted to enter a file in which to save the key.
3 - Verify that the default loaction is ''/home/azureuser/.ssh' and press Enter.
4 - Type a secure passphrase.

質問 # 85
Azure Machine Learning Studioを使用して、大規模なデータストアからデータを取得しています。
システムクロックに基づいたランダムサンプリングシードを使用して、テスト目的でデータのサブセットを作成する必要があります。
パーティションとサンプルモジュールを実験に追加します。
モジュールのプロパティを選択する必要があります。
どの値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: Sampling
Create a sample of data
This option supports simple random sampling or stratified random sampling. This is useful if you want to create a smaller representative sample dataset for testing.
1. Add the Partition and Sample module to your experiment in Studio, and connect the dataset.
2. Partition or sample mode: Set this to Sampling.
3. Rate of sampling. See box 2 below.
Box 2: 0
3. Rate of sampling. Random seed for sampling: Optionally, type an integer to use as a seed value.
This option is important if you want the rows to be divided the same way every time. The default value is 0, meaning that a starting seed is generated based on the system clock. This can lead to slightly different results each time you run the experiment.
References:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/partition-and-sample

質問 # 86
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 # 87
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。

正解：

解説：

Explanation:
Box 1: Regression
Regression is a supervised machine learning technique used to predict numeric values.
Box 2: Price
Reference:
https://docs.microsoft.com/en-us/learn/modules/create-regression-model-azure-machine-learning-designer

質問 # 88
トレーニング済みモデルのリアルタイム推論サービスをデプロイします。
デプロイされたモデルはビジネスに不可欠なアプリケーションをサポートします。Webサービスに送信されたデータと、データが生成する予測を監視できることが重要です。
最小限の管理作業で、デプロイされたモデルの監視ソリューションを実装する必要があります。
あなたは何をするべきか？

A. モデルのトレーニングに使用された実験によって生成されたログファイルを表示します。
B. エンドポイントを参照するMLフロー追跡URIを作成し、MLフローによってログに記録されたデータを表示します。
C. Azure MLスタジオで登録されたモデルの説明を表示します。
D. サービスエンドポイントのAzure Application Insightsを有効にし、Azureポータルでログデータを表示します。

正解：D

解説：
Configure logging with Azure Machine Learning studio
You can also enable Azure Application Insights from Azure Machine Learning studio. When you're ready to deploy your model as a web service, use the following steps to enable Application Insights:
1. Sign in to the studio at https://ml.azure.com.
2. Go to Models and select the model you want to deploy.
3. Select +Deploy.
4. Populate the Deploy model form.
5. Expand the Advanced menu.
6. Select Enable Application Insights diagnostics and data collection.

Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-enable-app-insights

質問 # 89
マルチクラス画像分類深層学習モデルを作成します。
PyTorch バージョン 1.2 を使用してモデルをトレーニングします。
モデルをデプロイするときに、推論環境に対して正しいバージョンの PyTorch を確実に識別できるようにする必要があります。
あなたは何をするべきか？

A. 既定の Azure Machine Learning conda 環境を使用するように構成されたコンピューターにモデルをデプロイします。
B. モデルを a.pt ファイルとしてローカルに保存し、モデルをローカル Web サービスとしてデプロイします。
C. .pt ファイル拡張子とデフォルトのバージョンプロパティを使用してモデルを登録します。
D. model_framework_version プロパティを指定してモデルを登録します。

正解：D

解説：
Explanation
framework_version: The PyTorch version to be used for executing training code.
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-train-core/azureml.train.dnn.pytorch?view=azure-ml-py

質問 # 90
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 という名前のデータストアを登録します。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。構成された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。
順番に実行する必要がある 4 つのアクションはどれですか? 答えるには、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：

解説：

1 - Register each training file as a new datastore.
2 - Specify a new path to the training file as a parameter value.
3 - Run the training pipeline by using the studio portal.
4 - Publish a training pipeline.

質問 # 91
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 # 92
深層学習モデルを開発して、半構造化、非構造化、および構造化データ型を分析しています。
モデル構築に使用できる次のデータがあります。
*スポーツイベントのビデオ録画
*イベントに関するラジオ解説の転写
*スポーツイベント中にキャプチャされた関連ソーシャルメディアフィードからのログ
モデルを作成するための環境を選択する必要があります。
どの環境を使用する必要がありますか？

A. Azure Machine Learning Studio
B. Azure Cognitive Services
C. Spark MLibを使用したAzure HDInsight
D. Azure Data Lake Analytics

正解：B

解説：
Explanation
Azure Cognitive Services expand on Microsoft's evolving portfolio of machine learning APIs and enable developers to easily add cognitive features - such as emotion and video detection; facial, speech, and vision recognition; and speech and language understanding - into their applications. The goal of Azure Cognitive Services is to help developers create applications that can see, hear, speak, understand, and even begin to reason. The catalog of services within Azure Cognitive Services can be categorized into five main pillars - Vision, Speech, Language, Search, and Knowledge.
References:
https://docs.microsoft.com/en-us/azure/cognitive-services/welcome

質問 # 93
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A
B. オプションC
C. オプションD
D. オプションB
E. オプションE

正解：C、E

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 # 94
マルチクラス分類タスク用に作成されたデータセットには、10,000 個のデータポイントと 150 個の特徴を含む正規化された数値特徴セットが含まれています。
データポイントの 75 パーセントをトレーニングに使用し、25 パーセントをテストに使用します。Python で scikit-learn 機械学習ライブラリを使用しています。X を使用して機能セットを示し、Y を使用してクラスラベルを示します。
次の Python データフレームを作成します。
主成分分析 (PCA) メソッドを適用して、トレーニングセットとテストセットの両方で特徴セットの次元を 10 個の特徴に減らす必要があります。
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://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html

質問 # 95
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?

A. はい
B. いいえ

正解：B

解説：
Explanation
Instead use only auth_enabled = TRUE
Note: 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 # 96
機密データを含むデータセットがあります
a。データセットを使用してモデルをトレーニングします。
個人のデータを安全かつプライベートに保つには、差分プライバシーパラメータを使用する必要があります。
集計結果に対するユーザーデータの影響を減らす必要があります。
あなたは何をするべきか？

A. イプシロンパラメータの値を減らしてプライバシーを高め、精度を下げます
B. 最大のプライバシーを確保するためにイプシロンパラメーターの値を1に設定します
C. イプシロンパラメーターの値を増やしてプライバシーを減らし、精度を上げます
D. イプシロンパラメータの値を減らして、データに追加されるノイズの量を減らします

正解：A

解説：
Differential privacy tries to protect against the possibility that a user can produce an indefinite number of reports to eventually reveal sensitive data. A value known as epsilon measures how noisy, or private, a report is. Epsilon has an inverse relationship to noise or privacy. The lower the epsilon, the more noisy (and private) the data is.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/concept-differential-privacy

質問 # 97
Azureを使用して、機械学習、実験を開発しています。
次の画像は、機械学習実験の入力と出力を示しています。

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：

質問 # 98
次のバージョンのモデルを登録します。

Azure ML Python SDKを使用してトレーニング実験を実行します。 runという名前の変数を使用して、実験の実行を参照します。
実行が送信されて完了したら、次のコードを実行します。

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：それぞれの正しい選択は1ポイントの価値があります。