DP-100日本語 無料問題集「Microsoft Designing and Implementing a Data Science Solution on Azure (DP-100日本語版)」

Aunt Machine Learning を使用して機械学習モデルをトレーニングします。
精度値をログに記録するには、Python の次のトレーニング スクリプトを使用します。

スイープ ジョブを定義するには、Python スクリプトを使用する必要があります。
ハイパーパラメータチューニングで最適化したい主要なメトリックと目標を指定する必要があります。
Python 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てください。注: 正しい選択ごとに 1 ポイントが加算されます。
正解:
マルチクラス画像分類ディープラーニング モデルを作成します。
モデルは、パブリック Web ポータルから取得した新しい画像データを使用して、毎月再トレーニングする必要があります。Azure Machine Learning パイプラインを作成し、新しいデータを取得し、画像のサイズを標準化して、モデルを再トレーニングします。
パイプラインのスケジュールを設定するには、Azure Machine Learning Python SEX v2 を使用する必要があります。スケジュールは、頻度と間隔のプロパティを使用して定義します。頻度は「月」に設定し、間隔は「1」に設定します。
どの 3 つのクラスを順番にインスタンス化する必要がありますか? 回答するには、適切なアクションをアクション 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:

1 - PipelineJob
2 - Recurrence Trigger
3 - JobSchedule
Azure Machine Learning サービスを使用するデータ サイエンス ワークスペースを開発しています。
ワークスペースをデプロイするには、コンピューティング ターゲットを選択する必要があります。
何を使うべきでしょうか?

解説: (JPNTest メンバーにのみ表示されます)
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するときに最適なハイパーパラメーター値を決定することを計画しています。
次のハイパーパラメータ値の組み合わせを試すには、ハイパードライブを使用する必要があります。
* Learning_rate:0.001〜0.1の任意の値
* batch_size:16、32、または64
Hyperdrive実験の検索スペースを構成する必要があります。
どの2つのパラメータ式を使用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: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:A、B 解答を投票する
解説: (JPNTest メンバーにのみ表示されます)
同僚が次のコードを使用して、機械学習サービス ワークスペースにデータストアを登録します。

ノートブックからデータストアにアクセスするためのコードを記述する必要があります。
正解:

Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-access-data
機械学習モデルをトレーニングして登録します。モデルを使用して複数のデータファイルから予測を生成するバッチ推論パイプラインを作成します。
バッチ推論パイプラインを、毎晩実行するようにスケジュールできるサービスとして公開する必要があります。
推論サービスに適切な計算ターゲットを選択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?

解説: (JPNTest メンバーにのみ表示されます)
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?

解説: (JPNTest メンバーにのみ表示されます)
Azure Machine Learning ワークスペースを管理しています。サーバーレス コンピューティングで構成されたトレーニング ジョブを設計しています。サーバーレス コンピューティングには、特定のインスタンスの種類と数が必要です。Azure Machine Learning Python SDK v2 を使用してサーバーレス コンピューティングを構成する必要があります。何をすればよいでしょうか。

分類タスクを解決しています。
データセットのバランスが崩れています。
分類の精度を向上させるには、Azure Machine Learning Studio モジュールを選択する必要があります。
どのモジュールを使用すればよいですか?

解説: (JPNTest メンバーにのみ表示されます)
統計分布の非対称性を分析しています。
次の画像には、2 つのデータセットの確率分布を示す 2 つの密度曲線が含まれています。

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た情報に基づいて各質問に答える選択肢を選択します。
注意: 正しい選択ごとに 1 ポイントが付与されます。
正解:

Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/compute-elementary-statistics
差分プライバシーを使用して、レポートが非公開であることを確認します。データのイプシロンの計算値は 1.8 です。レポートが非公開になるように、データを変更する必要があります。データに対してどのイプシロン値を受け入れる必要がありますか?

Azure Machine Learning サービスを使用して、training.data という表形式のデータセットを作成します。このデータセットをトレーニング スクリプトで使用する予定です。
次のコードを使用して、データセットを参照する変数を作成します。
training_ds = ワークスペース.datasets.get("トレーニングデータ")
スクリプトを実行するための推定値を定義します。
スクリプトが training.data データセットにアクセスできるようにするには、推定値の正しいプロパティを設定する必要があります。どのプロパティを設定する必要がありますか?

解説: (JPNTest メンバーにのみ表示されます)
Azure Machine Learning Studio を使用してワークスペースを作成します。
Azure Machine Learning Studio を使用して、ワークスペースで Python SDK v2 ノートブックを実行する必要があります。現在のインスタンスのノートブックに設定されている変数の現在の値を保持する必要があります。
ノートブックの状態を維持する必要があります。
あなたは何をするべきか?

Workspace1 という名前の Azure Machine Learning ワークスペースを作成します。このワークスペースには、Python SOK v2 ノートブックが含まれており、Mallow を使用してローカルコンピューターから男性の肛門のアラックを矯正するモデルを作成します。
Azure Machine Learning コンピューティング インスタンスのワークスペースで実行するには、ノートブックを再利用する必要があります。
データ サイエンス コードからトレーニングと成果物をログに記録する必要があります。
何をすべきでしょうか?

computet 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、workspace 1 という名前の Azure Machine Learning ワークスペースを管理します。
computet1からkernel 1というカーネルを削除する必要があります。ワークスペース1からnoaターミナルウィンドウを使用してcompute 1に接続します。
カーネル 1 を削除するには、ターミナル ウィンドウにコマンドを入力する必要があります。
どのコマンドを使用すればよいですか? 回答するには、回答領域で適切なオプションを選択してください。
注意: 正しい選択ごとに 1 ポイントが加算されます。
正解:
ノートブックからAzure ML Python SDK v2ベースのモデルをトレーニングするために、ベイズサンプリングを用いたハイパーパラメータ調整を実装します。このノートブックはAzure Machine Learningワークスペースにあります。このノートブックでは、20ノードのコンピューティングクラスターで実行されるトレーニングスクリプトを使用しています。
このコードは、slack_factor を 02 に設定して Bandit 終了ポリシーを実装し、max_concurrent_trials を 10 に設定してスイープ ジョブを実装します。
サンプリング収束を改善することで、チューニング プロセスの有効性を高める必要があります。
使用するサンプリング収束を選択する必要があります。
何を選択すべきでしょうか?

銀行会社向けに、クレジットカード詐欺の可能性のある事例を特定するための分類モデルを作成しています。Azure Machine Learningで自動機械学習を使用してモデルを作成する予定です。
使用しているトレーニング データセットは非常に不均衡です。
分類モデルを評価する必要があります。
どの主要な指標を使用すべきでしょうか?

解説: (JPNTest メンバーにのみ表示されます)
Sub1という名前のAzureサブスクリプションがあり、そこにはAzure
* Modellという名前の登録済みMLflowモデル
* Endpointl という名前のオンラインエンドポイント
エンドポイント1からの送信ネットワーク接続がブロックされています。エンドポイント1にModeMを展開する必要があります。まず何をすべきでしょうか?

弊社を連絡する

我々は12時間以内ですべてのお問い合わせを答えます。

オンラインサポート時間:( UTC+9 ) 9:00-24:00
月曜日から土曜日まで

サポート:現在連絡