[2025年04月] 最新のDP-600日本語試験問題集には合格保証が付きます [Q25-Q41]

[2025年04月] 最新のDP-600日本語試験問題集には合格保証が付きます

信頼できるMicrosoft Certified DP-600日本語問題集PDFで2025年04月28日に更新された問題

質問 # 25
Warehouse1 という名前の倉庫を含むファブリックテナントがあります。 Warehouse1 には、10 億行を含む FactSales という名前のファクトテーブルが含まれています。次の T-SQL ステートメントを実行します。
Dbo.FactSales のクローンとしてテーブル test.FactSales を作成します。
次の各ステートメントについて、そのステートメントが 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:
* A replica of dbo.Sales is created in the test schema by copying the metadata only. - No
* Additional schema changes to dbo.FactSales will also apply to test.FactSales. - No
* Additional data changes to dbo.FactSales will also apply to test.FactSales. - Yes The CREATE TABLE AS CLONE statement creates a copy of an existing table, including its data and any associated data structures, like indexes. Therefore, the statement does not merely copy metadata; it also copies the data. However, subsequent schema changes to the original table do not automatically propagate to the cloned table. Any data changes in the original table after the clone operation will not be reflected in the clone unless explicitly updated.
References =
* CREATE TABLE AS SELECT (CTAS) in SQL Data Warehouse

質問 # 26
Microsoft Power Bl Desktop を使用してセマンティックモデルを作成します。モデルには、SalesRegionManager という名前の 1 つのセキュリティロールと次のテーブルが含まれています。
* 販売
* 販売地域
* 販売アドレス
SalesRegionManager ロールを割り当てられたユーザーが Sales Address の Address という名前の列を参照できないようにモデルを変更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、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：

Explanation:

To ensure that users assigned the SalesRegionManager role cannot see the Address column in the SalesAddress table, follow these steps in sequence:
* Open the model in Tabular Editor.
* Select the Address column in SalesAddress.
* Set Object Level Security to None for SalesRegionManager.

質問 # 27
Dataflow1 という名前のデータフローを含む Workspace1 という名前の Fabric ワークスペースがあります。 Dataflow1 には、次の図に示すデータを返すクエリが含まれています。

日付列を属性と値のペアに変換し、列が行になる必要があります。
VendorID 列を選択します。
VendorID 列のコンテキストメニューからどの変換を選択する必要がありますか?

A. グループ化
B. 他の列のピボットを解除します
C. 列を分割します
D. 他の列を削除します
E. 列のアンピボット

正解：E

解説：
The transformation you should select from the context menu of the VendorID column to transform the date columns into attribute-value pairs, where columns become rows, is Unpivot columns (B). This transformation will turn the selected columns into rows with two new columns, one for the attribute (the original column names) and one for the value (the data from the cells). Reference = Techniques for unpivoting columns are covered in the Power Query documentation, which explains how to use the transformation in data modeling.

質問 # 28
Lakehouse1 という名前のレイクハウスを含むファブリックテナントがあります。
100 台の loT デバイスからの読み取り値が Lakehouse1 のデルタテーブルに追加されます。読み取り値の各セットは約 25 KB です。毎日約 10 GB のデータを受信します。
すべてのテーブルと SparkSession の設定はデフォルトに設定されます。
クエリの実行が遅いことがわかりました。さらに、レイクハウスのストレージには、使用されなくなったデータファイルとログファイルが含まれています。
使用されなくなったファイルを削除し、小さなファイルを 1 ファイルあたり 1 GB の目標サイズで大きなファイルに結合する必要があります。
あなたは何をするべきか？答えるには、適切なアクションを正しい要件にドラッグします。各アクションは、1 回だけ使用することも、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:
* Remove the files: Run the VACUUM command on a schedule.
* Combine the files: Set the optimizeWrite table setting. or Run the OPTIMIZE command on a schedule.
To remove files that are no longer used, the VACUUM command is used in Delta Lake to clean up invalid files from a table. To combine smaller files into larger ones, you can either set the optimizeWrite setting to combine files during write operations or use the OPTIMIZE command, which is a Delta Lake operation used to compact small files into larger ones.

質問 # 29
OneLake に新しいセマンティックモデルを含む Fabric テナントがあります。
Fabric ノートブックを使用して、データを Spark DataFrame に読み取ります。
データを評価して、すべての文字列列と数値列の最小値、最大値、平均値、標準偏差の値を計算する必要があります。
解決策: 次の PySpark 式を使用します。
df.explain()
これは目標を達成していますか?

A. いいえ
B. はい

正解：A

解説：
The df.explain() method does not meet the goal of evaluating data to calculate statistical functions. It is used to display the physical plan that Spark will execute. References = The correct usage of the explain() function can be found in the PySpark documentation.

質問 # 30
Warehouse! という名前の倉庫を含む Fabric テナントがあります。Warehouse1 には、schema1 と schema2 という 2 つのスキーマと、schema1.city というテーブルが含まれています。
schema2 に schemal.city のコピーを作成する必要があります。ソリューションでは、データのコピーを最小限に抑える必要があります。
どの T-SQL ステートメントを実行する必要がありますか?

A. schema2.city を schema1.city のクローンとして作成します。
B. schema2.eity から schemal.city に * を INTO 選択します。
C. schema2.city というテーブルを作成します。SELECT * FROM schema1.city;
D. schema2.city に INSERT INTO schema1.city から * を選択します。

正解：A

質問 # 31
データフローを含む Microsoft Fabric テナントがあります。
あなたは新しいセマンティックモデルを模索しています。
Power Query からは、次の図に示すように列情報を表示する必要があります。

どの 3 つのデータビューオプションを選択する必要がありますか?それぞれの正解は、解決策の一部を示しています。注記：
正解ごとに 1 ポイントの価値があります。

A. 列プロファイルを有効にする
B. 列値の分布を表示します。
C. 詳細ペインに列プロファイルを表示します
D. 詳細ペインを有効にする
E. 列品質の詳細を表示します

正解：A、D、E

解説：
To view column information like the one shown in the exhibit in Power Query, you need to select the options that enable profiling and display quality and distribution details. These are: A. Enable column profile - This option turns on profiling for each column, showing statistics such as distinct and unique values. B. Show column quality details - It displays the column quality bar on top of each column showing the percentage of valid, error, and empty values. E. Show column value distribution - It enables the histogram display of value distribution for each column, which visualizes how often each value occurs.
References: These features and their descriptions are typically found in the Power Query documentation, under the section for data profiling and quality features.

質問 # 32
OneLake に Parquet ファイルとして保存された顧客離脱データを含む Fabric テナントがあります。データには、顧客の人口統計と製品の使用状況に関する詳細が含まれています。
Fabric ノートブックを作成し、データを Spark DataFrame に読み込みます。次に、ノートブックに縦棒グラフを作成し、地理、購入した製品の数、年齢、顧客在籍期間に基づいて、保持された顧客と失った顧客の分布を表示します。
どのような種類の分析を実行していますか?

A. 予測的
B. 診断
C. 説明的
D. 規範的

正解：C

質問 # 33
Fabricテナントをお持ちの場合
Fabric Data Factory パイプラインを作成しています。
アクティブ顧客の数と現在の月の平均売上を返すストアドプロシージャがあります。
ウェアハウスでストアドプロシージャを実行するアクティビティを追加する必要があります。返された値は、パイプラインの下流のアクティビティで使用できる必要があります。
どのような種類のアクティビティを追加する必要がありますか?

A. スイッチ
B. KQL
C. 検索
D. 変数を追加

正解：C

質問 # 34
PySpanc を使用して Fabric ノートブックで顧客の購入を分析しています。次の DataFrame があります。

customer_id 列で DataFrame を結合する必要があります。ソリューションでは、データのシャッフルを最小限に抑える必要があります。次のコードを記述します。

結果のデータフレームを設定するにはどのコードを実行する必要がありますか?

正解：C

解説：
The correct code to populate the results DataFrame with minimal data shuffling is Option A. Using the broadcast function in PySpark is a way to minimize data movement by broadcasting the smaller DataFrame (customers) to each node in the cluster. This is ideal when one DataFrame is much smaller than the other, as in this case with customers. Reference = You can refer to the official Apache Spark documentation for more details on joins and the broadcast hint.

質問 # 35
Report 1 という名前の Microsoft Power Bl レポートを含む Fabric テナントがあります。Report1 には Python ビジュアルが含まれています。ビジュアルによって表示されるデータは自動的にグループ化され、重複した行は表示されません。
ビジュアルにすべての行を表示する必要があります。あなたは何をするべきか？

A. Python コード内の列をインデックスで参照します。
B. 各行に一意のフィールドを追加します。
C. すべての列の Summarize By プロパティを変更します。
D. すべての列の [列の並べ替え] プロパティを変更します。

正解：A

解説：
To ensure all rows appear in the Python visual within a Power BI report, option C, adding a unique field to each row, is the correct solution. This will prevent automatic grouping by unique values and allow for all instances of data to be represented in the visual. Reference = For more on Power BI Python visuals and how they handle data, please refer to the Power BI documentation.
Topic 2, Contoso, ltd.
Overview
Contoso, ltd. is a US-based health supplements company, Contoso has two divisions named Sales and Research. The Sales division contains two departments named Online Sales and Retail Sales. The Research division assigns internally developed product lines to individual teams of researchers and analysts.
Identity Environment
Contoso has a Microsoft Entra tenant named contoso.com. The tenant contains two groups named ResearchReviewersGroupi and ReseachReviewefsGfoup2.
Data Environment
Contoso has the following data environment
* The Sales division uses a Microsoft Power B1 Premium capacity.
* The semantic model of the Online Sales department includes a fact table named Orders that uses import mode. In the system of origin, the OrderlD value represents the sequence in which orders are created.
* The Research department uses an on-premises. third-party data warehousing product.
* Fabric is enabled for contoso.com.
* An Azure Data Lake Storage Gen2 storage account named storage1 contains Research division data for a product line named Producthne1. The data is in the delta format.
* A Data Lake Storage Gen2 storage account named storage2 contains Research division data for a product line named Productline2. The data is in the CSV format.
Planned Changes
Contoso plans to make the following changes:
* Enable support for Fabric in the Power Bl Premium capacity used by the Sales division.
* Make all the data for the Sales division and the Research division available in Fabric.
* For the Research division, create two Fabric workspaces named Producttmelws and Productline2ws.
* in Productlinelws. create a lakehouse named LakehouseV
* In Lakehouse1. create a shortcut to storage1 named ResearchProduct.
Data Analytics Requirements
Contoso identifies the following data analytics requirements:
* All the workspaces for the Sales division and the Research division must support all Fabric experiences.
* The Research division workspaces must use a dedicated, on-demand capacity that has per-minute billing.
* The Research division workspaces must be grouped together logically to support OneLake data hub filtering based on the department name.
* For the Research division workspaces, the members of ResearchRevtewersGroupl must be able to read lakehouse and warehouse data and shortcuts by using SQL endpoints.
* For the Research division workspaces, the members of ResearchReviewersGroup2 must be able to read lakehouse data by using Lakehouse explorer.
* All the semantic models and reports for the Research division must use version control that supports branching Data Preparation Requirements Contoso identifies the following data preparation requirements:
* The Research division data for Producthne2 must be retrieved from Lakehouset by using Fabric notebooks.
* All the Research division data in the lakehouses must be presented as managed tables in Lakehouse explorer.
Semantic Model Requirements
Contoso identifies the following requirements for implementing and managing semantic models;
* The number of rows added to the Orders table during refreshes must be minimized.
* The semantic models in the Research division workspaces must use Direct Lake mode.
General Requirements
Contoso identifies the following high-level requirements that must be considered for all solutions:
* Follow the principle of least privilege when applicable
* Minimize implementation and maintenance effort when possible.

質問 # 36
Workspace^ Workspacel という名前のワークスペースを含むファブリックテナントがあり、ファブリックキャパシティに割り当てられています。
外部ツールを使用してカスタム Direct Lake セマンティックモデルを作成および公開できる機能をユーザーに提供するソリューションを推奨する必要があります。ソリューションは最小特権の原則に従う必要があります。
推奨事項に含める必要があるファブリック管理ポータルの 3 つのアクションはどれですか?それぞれの正解は、解決策の一部を示しています。
注: 各正解は 1 ポイントの価値があります。

A. テナント設定から、Azure Active Directory ゲストユーザーに Microsoft Fabric へのアクセスを許可するを有効に設定します。
B. テナント設定から、[ユーザーは Power Bl サービスでデータモデルを編集できる] を選択します。
C. テナント設定から、ユーザーがファブリックアイテムを作成できるように設定します。
D. テナント設定から、Web への公開を有効にします。
E. 容量設定から、XMLA エンドポイントを読み取り/書き込みに設定します。
F. テナント設定で、オンプレミスデータセットを使用した XMLA エンドポイントと Excel での分析を許可するを有効に設定します。

正解：B、E、F

解説：
For users to create and publish custom Direct Lake semantic models using external tools, following the principle of least privilege, the actions to be included are enabling XMLA Endpoints (A), editing data models in Power BI service (C), and setting XMLA Endpoint to Read-Write in the capacity settings (D). References = More information can be found in the Admin portal of the Power BI service documentation, detailing tenant and capacity settings.

質問 # 37
オンライン販売部門の注文テーブルを更新する必要があります。ソリューションはセマンティックモデルの要件を満たす必要があります。ソリューションには何を含める必要がありますか?

A. データフローを実行して宛先レイクハウスの OrderlD 列の最大値を取得する Azure Data Factory パイプライン
B. ストアドプロシージャアクティビティを実行して、宛先レイクハウスの OrderlD 列の最大値を取得する Azure Data Factory パイプライン
C. データフローを実行して宛先レイクハウスの OrderlD 列の最小値を取得する Azure Data Factory パイプライン
D. ストアドプロシージャアクティビティを実行してOrderiD列の最小値を取得するAzure Data Factoryパイプライン

正解：A

解説：
destination lakehouse

質問 # 38
セマンティックモデルを含むファブリックテナントがあります。モデルには 15 個のテーブルが含まれています。
次の要件を満たすように、Key という単語で終わる各列をプログラムで変更する必要があります。
※列を非表示にします。
* Nullable を False に設定します。
* [要約方法] を [なし] に設定します。
* MDX で利用可能を False に設定します。
* 列をキー列としてマークします。
何を使えばいいのでしょうか？

A. DAX スタジオ
B. 表形式エディタ
C. ALM ツールキット
D. Microsoft Power Bl デスクトップ

正解：B

解説：
Tabular Editor is an advanced tool for editing Tabular models outside of Power BI Desktop that allows you to script out changes and apply them across multiple columns or tables. To accomplish the task programmatically, you would:
Open the model in Tabular Editor.
Create an Advanced Script using C# to iterate over all tables and their respective columns.
Within the script, check if the column name ends with 'Key'.
For columns that meet the condition, set the properties accordingly: IsHidden = true, IsNullable = false, SummarizeBy = None, IsAvailableInMDX = false.
Additionally, mark the column as a key column.
Save the changes and deploy them back to the Fabric tenant.

質問 # 39
ResearchReviewersGroupl と ResearchReviewersGroupZ に推奨するワークスペースのルーチン割り当てはどれですか? 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。
注意: 正しい選択ごとに 1 ポイントが付与されます。