DP-100日本語問題集で2025年最新のMicrosoft DP-100日本語試験問題 [Q258-Q276]

DP-100日本語問題集で2025年最新のMicrosoft DP-100日本語試験問題

無料で使えるDP-100日本語ブレーン問題集でダウンロード（DP-100日本語テスト問題集無料更新された)

質問 # 258
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。
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、検証データを使用してテストするスクリプトを実行することを計画しています。検証データのラベル値はy_test変数という名前の変数に格納され、モデルから予測された確率はy_predictedという名前の変数に格納されます。
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
説明
Use a solution with logging.info(message) instead.
Note: Python printing/logging example:
logging.info(message)
Destination: Driver logs, Azure Machine Learning designer
B. はい

正解：A

解説：
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-debug-pipelines

質問 # 259
画像分類用の深層学習畳み込みニューラルネットワークモデルを構築する準備をしています。 CUDAデバイスを使用してモデルをトレーニングするスクリプトを作成します。 Azure Machine Learningワークスペースでこのスクリプトを実行する実験を送信する必要があります。次のコンピューティングリソースを利用できます。
* Microsoft OfficeがインストールされているMicrosoft Surfaceデバイス。企業のITポリシーにより、追加のソフトウェアをインストールできない
* 2つのCPUと8 GBのメモリを備えたワークスペース内のds-workstationという名前のコンピューティングインスタンス
* 8つのCPUベースのノードを持つcpu-clusterという名前のAzure Machine Learningコンピューティングターゲット
* 4つのCPUおよびGPUベースのノードを持つgpu-clusterという名前のAzure Machine Learningコンピューティングターゲット

正解：

解説：

質問 # 260
開発環境を整えます。Tensorflow フレームワークを使用し、推定器を使用してトレーニングスクリプトを送信することにより、ディープニューラルネットワーク (DNN) をトレーニングすることを計画しています。
トレーニング実行の計算速度を最適化する必要があります。
使用する適切な推定器と、適切なトレーニングコンピューティングターゲット構成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/python/api/azureml-train-core/azureml.train.dnn

質問 # 261
150 を超えるフィーチャを含むデータセットがあります。このデータセットを使用して、サポートベクターマシン (SVM) バイナリ分類器をトレーニングします。
データセットの一連の特徴重要度スコアを計算するには、Azure Machine Learning Studio の Permutation Feature Importance モジュールを使用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 - Add a Two-Class Support Vector Machine module to initialize the SVM classifier.
2 - Add a dataset to the experiment
3 - Add a Split Data module to create training and test dataset.
4 - Add a Permutation Feature Importance module and connect to the trained model and test dataset.
5 - Set the Metric for measuring performance property to Classification - Accuracy and then run the experiment.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/two-class-support-vector-machine
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/permutation-feature-importance

質問 # 262
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 # 263
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：

質問 # 264
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 # 265
Azure Machine Learningのハイパードライブ機能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、Hyperdrive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: Yes
In random sampling, hyperparameter values are randomly selected from the defined search space. Random sampling allows the search space to include both discrete and continuous hyperparameters.
Box 2: Yes
learning_rate has a normal distribution with mean value 10 and a standard deviation of 3.
Box 3: No
keep_probability has a uniform distribution with a minimum value of 0.05 and a maximum value of 0.1.
Box 4: No
number_of_hidden_layers takes on one of the values [3, 4, 5].
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters

質問 # 266
画像分類のための深層学習畳み込みニューラルネットワークモデルを構築する準備をしています。 CUDAデバイスを使用してモデルをトレーニングするスクリプトを作成します。
Azure MachineLearningワークスペースでこのスクリプトを実行する実験を送信する必要があります。
次のコンピューティングリソースを使用できます。
MicrosoftOfficeがインストールされているMicrosoftSurfaceデバイス。企業のITポリシーにより、2つのCPUと8GBのメモリを備えたワークスペースにds-workstationという名前のコンピューティングインスタンスを追加でインストールすることはできません。8つのCPUベースのノードを備えたcpu-clusterという名前のAzureMachineLearningコンピューティングターゲット4つのCPUおよびGPUベースのノードを備えたgpu-cluster実験を送信するためのコードの実行、およびモデルのトレーニング時間を最小限に抑えるためのスクリプトの実行に使用する計算リソースを指定する必要があります。
データサイエンティストはどの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：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 # 267
バッチ推論パイプラインで使用する予定のモデルを登録します。
バッチ推論パイプラインは、ParallelRunStepステップを使用して、ファイルデータセット内のファイルを処理する必要があります。スクリプトにはParallelRunStepステップの実行があり、推論関数が呼び出されるたびに6つの入力ファイルを処理する必要があります。
パイプラインを構成する必要があります。
PrallelRunStepステップのParallelRunConfigオブジェクトでどの構成設定を指定する必要がありますか？

A. mini_batch_size = "6"
B. process_count_per_node = "6"
C. error_threshold = "6"
D. node_count = "6"

正解：D

解説：
node_count is the number of nodes in the compute target used for running the ParallelRunStep.
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-contrib-pipeline-steps/azureml.contrib.pipeline.steps.parallelrunconfig?view=azure-ml-py

質問 # 268
Azure Machine Learning Studioで分類タスクを実行しています。
提供されたデータセットに基づいて、バランスの取れたテストおよびトレーニングサンプルを準備する必要があります。
0.75：0.25の比率でデータを分割する必要があります。
各パラメーターに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。

正解：

解説：

Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/split-data

質問 # 269
コンピューティングターゲットとして Azure Data Science Virtual Machine (DSVM) で使用する必要があります。
Azure Machine Learning SDK for Python を使用して、既存の DSVM をワークスペースにアタッチ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 # 270
Azure Machine Learning Studioで実験を作成します-10.000行を含むトレーニングデータセットを追加します。最初の9.000行はクラス0（90パーセント）を表します。最初の1.000行はクラス1（10パーセント）を表します。
トレーニングセットは2つのクラス間で不均衡です。データ行を使用して、クラス1のトレーニング例の数を4,000に増やす必要があります。 Synthetic Minority Oversampling Technique（SMOTE）モジュールを実験に追加します。
モジュール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 # 271
Azure Machine Learningワークスペースには、real_estate_dataという名前のデータセットがあります。データセット内のデータのサンプルは次のとおりです。

自動機械学習を使用して、価格列を予測するための最適な回帰モデルを見つけたいと考えています。
Azure Machine Learning SDKを使用して、自動機械学習実験を構成する必要があります。
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：

Explanation:
Box 1: training_data
The training data to be used within the experiment. It should contain both training features and a label column (optionally a sample weights column). If training_data is specified, then the label_column_name parameter must also be specified.
Box 2: validation_data
Provide validation data: In this case, you can either start with a single data file and split it into training and validation sets or you can provide a separate data file for the validation set. Either way, the validation_data parameter in your AutoMLConfig object assigns which data to use as your validation set.
Example, the following code example explicitly defines which portion of the provided data in dataset to use for training and validation.
dataset = Dataset.Tabular.from_delimited_files(data)
training_data, validation_data = dataset.random_split(percentage=0.8, seed=1) automl_config = AutoMLConfig(compute_target = aml_remote_compute, task = 'classification', primary_metric = 'AUC_weighted', training_data = training_data, validation_data = validation_data, label_column_name = 'Class' ) Box 3: label_column_name label_column_name:
The name of the label column. If the input data is from a pandas.DataFrame which doesn't have column names, column indices can be used instead, expressed as integers.
This parameter is applicable to training_data and validation_data parameters.
Incorrect Answers:
X: The training features to use when fitting pipelines during an experiment. This setting is being deprecated. Please use training_data and label_column_name instead.
Y: The training labels to use when fitting pipelines during an experiment. This is the value your model will predict. This setting is being deprecated. Please use training_data and label_column_name instead.
X_valid: Validation features to use when fitting pipelines during an experiment.
If specified, then y_valid or sample_weight_valid must also be specified.
Y_valid: Validation labels to use when fitting pipelines during an experiment.
Both X_valid and y_valid must be specified together.
exclude_nan_labels: Whether to exclude rows with NaN values in the label. The default is True.
y_max: y_max (float)
Maximum value of y for a regression experiment. The combination of y_min and y_max are used to normalize test set metrics based on the input data range. If not specified, the maximum value is inferred from the data.
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-train-automl-client/azureml.train.automl.automlconfig.automlconfig?view=azure-ml-py

質問 # 272
Azure MachineLearningサービスで機械学習モデルをトレーニングするためのスクリプトを作成します。
次のコードを実行して、Estimatorを作成します。

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
Parameter source_directory is a local directory containing experiment configuration and code files needed for a training job.
Box 2: Yes
script_params is a dictionary of command-line arguments to pass to the training script specified in entry_script.
Box 3: No
Box 4: Yes
The conda_packages parameter is a list of strings representing conda packages to be added to the Python environment for the experiment.

質問 # 273
バイアスと分散の問題に対処するには、グローバルペナルティイベントモデルの入力を変更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 # 274
Azure Machine Learning ワークスペースを作成します。ワークスペースには、src という名前のフォルダーが含まれています。このフォルダーには、script 1 .py という名前の Python スクリプトが含まれています。
Azure Machine Learning Python SDK v2 を使用して、制御スクリプトを作成します。制御スクリプトを使用して、トレーニングジョブの一部としてスクリプト l.py を実行する必要があります。
ジョブパラメータを定義するスクリプトのセクション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：

Explanation

質問 # 275
Azure Machine Learning を使用して、Bandit の早期終了ポリシーでハイパーパラメーターの調整を実装します。
このポリシーでは、slack_factor を 01 に設定し、評価間隔を 1 に設定し、評価遅延を b に設定します。
早期終了ポリシーの結果を評価する必要があります
あなたは何を評価すべきですか？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は 1 ポイントの価値があります。