2025年最新の有効なDP-100日本語試験最新問題で2025年最新の学習ガイド [Q197-Q218]

2025年最新の有効なDP-100日本語試験最新問題で2025年最新の学習ガイド

DP-100日本語認定で究極のガイド [2025年更新]

質問 # 197
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。
複数の列に欠損値を含む数値データセットを分析しています。
機能セットの次元に影響を与えることなく、適切な操作を使用して欠損値を消去する必要があります。
すべての値を含めるには、完全なデータセットを分析する必要があります。
解決策：欠落しているデータポイントを含む列全体を削除します。
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：
Use the Multiple Imputation by Chained Equations (MICE) method.
References:
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3074241/
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/clean-missing-data

質問 # 198
フォルダーを参照するcsvjolderという名前のファイルデータセットを登録します。フォルダーには、AzureストレージBLOBコンテナー内の複数のコンマ区切り値（CSV）ファイルが含まれています。次のコードを使用して、ファイルデータセットからデータをロードするスクリプトを実行する予定です。次の変数を作成してインスタンス化します。

次のコードがあります。

スクリプトが参照するファイルをスクリプトが確実に読み取れるようにするには、データセットを渡す必要があります。コードコメントを置き換えるには、どのコードセグメントを挿入する必要がありますか？
A）

B）

C）

D）

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

正解：A

解説：
Explanation
Example:
from azureml.train.estimator import Estimator
script_params = {
# to mount files referenced by mnist dataset
'--data-folder': mnist_file_dataset.as_named_input('mnist_opendataset').as_mount(),
'--regularization': 0.5
}
est = Estimator(source_directory=script_folder,
script_params=script_params,
compute_target=compute_target,
environment_definition=env,
entry_script='train.py')
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/tutorial-train-models-with-aml

質問 # 199
以前は、CSVファイルのフォルダーに基づくtraining-datasetという名前の表形式のデータセットを使用してトレーニングされたモデルをデプロイしました。
時間の経過とともに、モデルによって生成された特徴と予測ラベルを、毎月のCSVファイルを含むフォルダーに収集しました。推論データを含むフォルダーに基づいて、2つの表形式のデータセットを作成しました。1つはpredictionsという名前で、予測ラベルを含むトレーニングデータと完全に一致するスキーマを持つデータセットです。もう1つの名前付き機能-すべての機能列と、日、月、年を含むファイル名に基づくタイムスタンプ列を含むスキーマを持つデータセット。
モデルがトレーニングされてからの特徴データの変化する傾向を特定するには、データドリフトモニターを作成する必要があります。これを実現するには、データドリフトモニターに必要なデータセットを定義する必要があります。
データドリフトモニターを構成するには、どのデータセットを使用する必要がありますか？答えるには、適切なデータセットを正しいデータドリフトモニターオプションにドラッグします。各ソースは、1回使用することも、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：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-monitor-datasets

質問 # 200
次の数値フィーチャを含むフィーチャセットがあります：X、Y、およびZ。
X、Y、およびZフィーチャのポアソン相関係数（r値）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：

ボックス1：0.859122
ボックス2：正の線形関係
+1は、強い正の線形関係を示します
-1は、強い負の線形相関を示します
0は、2つの変数間に線形関係がないことを示します。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/compute-linear-correlation

質問 # 201
群衆感情モデルの評価戦略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：

Explanation

Step 1: Define a cross-entropy function activation
When using a neural network to perform classification and prediction, it is usually better to use cross-entropy error than classification error, and somewhat better to use cross-entropy error than mean squared error to evaluate the quality of the neural network.
Step 2: Add cost functions for each target state.
Step 3: Evaluated the distance error metric.
References:
https://www.analyticsvidhya.com/blog/2018/04/fundamentals-deep-learning-regularization-techniques/

質問 # 202
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 # 203
Azure Machine Learningを使用して、モデルをトレーニングおよび登録します。
IT部門がAzureMachine 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 ActiveDirectory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 LearningSDK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。
コード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://docs.microsoft.com/en-us/azure/machine-learning/how-to-deploy-azure-kubernetes-service
https://docs.microsoft.com/en-us/azure/databricks/dev-tools/api/latest/aad/service-prin-aad-token

質問 # 204
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 # 205
二項分類モデルを作成して、人が病気にかかっているかどうかを予測します。
考えられる分類エラーを検出する必要があります。
説明ごとにどのエラータイプを選択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：

質問 # 206
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。
次の変数に応じて、学生のアートワークの価格を予測するモデルを作成しています：学生の教育期間、学位タイプ、および芸術形態。
まず、線形回帰モデルを作成します。
線形回帰モデルを評価する必要があります。
解決策：次のメトリックを使用します：平均絶対誤差、ルート平均絶対誤差、相対絶対誤差、精度、精度、リコール、F1スコア、およびAUC。
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：
Accuracy, Precision, Recall, F1 score, and AUC are metrics for evaluating classification models.
Note: Mean Absolute Error, Root Mean Absolute Error, Relative Absolute Error are OK for the linear regression model.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/evaluate-model

質問 # 207
Azure Machine Learning ワークスペースがあります。ローカルコンピューターで実験を実行しています。
Azure Machine Learning Python SDK v2 で MLflow Tracking を使用して、ローカル実験の実行からのメトリックとアーティファクトをワークスペースに保存できることを確認する必要があります。
どの順序でアクションを実行する必要がありますか? 回答するには、すべての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、正しい順序で並べます。

正解：

解説：

1 - Go to the workspace in the Azure portal.
2 - Retrieve the tracking URI of the workspace.
3 - Import MLflow and MLClient classes.
4 - Set the MLflow tracking URI and the experiment name.

質問 # 208
Azure Machine Learning Serviceを使用して、ニューラルネットワーク分類モデルのハイパーパラメーター探索を自動化しています。
次の要件に従ってランダムサンプリングを使用してハイパーパラメーターを自動的に調整するには、ハイパーパラメーター空間を定義する必要があります。
*学習率は、平均値が10、標準偏差が3の正規分布から選択する必要があります。
*バッチサイズは16、32、64でなければなりません。
*維持確率は、0.05から0.1の範囲の均一な分布から選択された値でなければなりません。
Azure Machine Learning ServiceのPython APIのparam_samplingメソッド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/service/how-to-tune-hyperparameters

質問 # 209
クラスAの100個のサンプルとクラスBの10,000個のサンプルを含むデータセットで分類モデルを作成します。クラスBのバリエーションは非常に大きくなっています。
不均衡を解決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？

A. Partition and Sample
B. Tomek links
C. Cluster Centroids
D. Synthetic Minority Oversampling Technique (SMOTE)

正解：D

質問 # 210
Azure Machine Learning ワークスペースのノートブックから df という名前の pandas データフレームにデータを読み込みます。データには 10,000 件の患者記録が含まれています。各レコードには、対応する患者の Age プロパティが含まれています。
SmartNoise SDK によって生成された差分プライベートデータから平均年齢値を特定する必要があります。
差分プライベートデータから平均年齢値を生成する Python コードを完成させる必要があります。
どのコードセグメントを使用する必要がありますか? 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 # 211
一連のラベル付き写真を使用するマルチクラス画像分類の深層学習モデルがあります。次のコードを作成して、モデルをトレーニングするときにハイパーパラメーター値を選択します。

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：

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

質問 # 212
Azure Machine Learning Python SDK v2 でハイパーパラメーター調整を使用してモデルをトレーニングしています。次のコードを実行して、ハイパーパラメーター調整実験を構成します。

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」を選択してください。注: 正しく選択することは、1 回ペイントする価値があります。
D:\ムダッサル\無題.jpg

正解：

解説：

質問 # 213
Azure Machine Learningワークスペースでモデルをトレーニングおよび登録します。
クライアントアプリケーションがバッチ推論のモデルを使用できるようにするパイプラインを公開する必要があります。入力データから予測を取得するには、Python推論スクリプトを実行する単一のParallelRunStepステップでパイプラインを使用する必要があります。
ParallelRunStepパイプラインステップの推論スクリプトを作成する必要があります。
どの2つの関数を含める必要がありますか？それぞれの正解がソリューションの一部を示しています。
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. init（）
B. main（）
C. batch（）
D. run（mini_batch）
D
E. スコア（mini_batch）

正解：A、D

解説：
Reference:
https://github.com/Azure/MachineLearningNotebooks/tree/master/how-to-use-azureml/machine-learningpipelines/parallel-run

質問 # 214
Azure Machine Learningを使用して、モデルをリアルタイムWebサービスとしてデプロイします。
サービスの開始時にモデルが確実に読み込まれ、受信時に新しいデータをスコアリングするために使用されるサービスのエントリスクリプトを作成する必要があります。
スクリプトにどの関数を含める必要がありますか？回答するには、適切な機能を正しいアクションにドラッグします。各関数は、1回、複数回、またはまったく使用しない場合があります。ペイン間でスプリットバーをドラッグするか、コンテンツを表示するにはスクロールする必要がある場合があります。注：正しい選択はそれぞれ1点の価値があります。

正解：

解説：

Explanation

質問 # 215
Azure Machine Learningを使用して、モデルをトレーニングおよび登録します。
IT部門がAzureMachine 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 ActiveDirectory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 LearningSDK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。
コード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：

質問 # 216
参加者にDocker for Windowsを紹介するための実践的なワークショップを開発しています。
ワークショップの参加者がデバイスにDockerをインストールできることを確認する必要があります。
出席者がデバイスにインストールする必要がある2つの前提条件コンポーネントはどれですか？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：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。

A. BIOS-enabled virtualization
B. Microsoft Hardware-Assisted Virtualization Detection Tool
C. VirtualBox
D. Windows 10 64-bit Professional
E. Kitematic

正解：A、D

解説：
Explanation
C: Make sure your Windows system supports Hardware Virtualization Technology and that virtualization is enabled.
Ensure that hardware virtualization support is turned on in the BIOS settings. For example:

E: To run Docker, your machine must have a 64-bit operating system running Windows 7 or higher.
References:
https://docs.docker.com/toolbox/toolbox_install_windows/
https://blogs.technet.microsoft.com/canitpro/2015/09/08/step-by-step-enabling-hyper-v-for-use-on-windows-10/

質問 # 217
AzureDatabricksワークスペースとリンクされたAzureMachineLearningワークスペースを作成します。
Azure MachineLearningワークスペースには次のPythonコードセグメントがあります。
mlflowをインポートします
mlflow.azuremlをインポートします
azureml.mlflowをインポートします
azureml.coreをインポートします
azureml.coreからインポートワークスペース
subscription_id = 'subscription_id'
resourse_group = 'resource_group_name'
workspace_name = 'workspace_name'
ws = Workspace.get(name=workspace_name,
subscription_id=subscription_id,
resource_group = resource_group）
ExperimentName = "/ Users / {user_name} / {experiment_folder} / {experiment_name}" mlflow.set_experiment（experimentName）uri = ws.get_mlflow_tracking_uri（）mlflow.set_tracking_uri（uri）手順：次の各ステートメントで、次の場合は[はい]を選択します。ステートメントは真です。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/python/api/azureml-core/azureml.core.workspace.workspace
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-use-mlflow