Microsoft Designing and Implementing a Data Science Solution on Azure (DP-100 Korean Version) - DP-100 Korean Exam Practice Test
Azure Machine Learning 디자이너를 사용하여 회귀 모델용 학습 파이프라인을 생성합니다.
입력 데이터 값 데이터 세트에 대해 비동기적으로 예측을 생성하는 엔드포인트로 배포할 파이프라인을 준비해야 합니다.
어떻게 해야 할까요?
입력 데이터 값 데이터 세트에 대해 비동기적으로 예측을 생성하는 엔드포인트로 배포할 파이프라인을 준비해야 합니다.
어떻게 해야 할까요?
Correct Answer: C
Explanation: Only visible for TrainingDump members. You can sign-up / login (it's free).
머신러닝 모델을 만들고 있습니다.
데이터에서 이상치를 식별해야 합니다.
어떤 시각화 자료 두 개를 사용할 수 있나요? 각 정답은 완전한 해결책을 제시합니다.
참고: 정답 하나당 1점입니다.
참고: 정답 하나당 1점입니다.
데이터에서 이상치를 식별해야 합니다.
어떤 시각화 자료 두 개를 사용할 수 있나요? 각 정답은 완전한 해결책을 제시합니다.
참고: 정답 하나당 1점입니다.
참고: 정답 하나당 1점입니다.
Correct Answer: A,C
Explanation: Only visible for TrainingDump members. You can sign-up / login (it's free).
Azure Machine Learning 작업 영역을 관리하고 있습니다. Azure Machine Learning Python SDK v2를 사용하여 학습 작업을 제출합니다. 모델 학습 시 메트릭, 모델 매개변수 및 모델 아티팩트를 자동으로 로깅하려면 MLflow를 사용해야 합니다.
다음 코드 조각을 작성하는 것으로 시작합니다.
다음 각 문장에 대해, 문장이 사실이면 '예'를 선택하고, 그렇지 않으면 '아니요'를 선택하십시오.
다음 코드 조각을 작성하는 것으로 시작합니다.
다음 각 문장에 대해, 문장이 사실이면 '예'를 선택하고, 그렇지 않으면 '아니요'를 선택하십시오.
Correct Answer:
Explanation:
참고: 이 문제는 동일한 시나리오를 제시하는 일련의 문제 중 하나입니다. 각 문제에는 제시된 목표를 달성할 수 있는 고유한 해결책이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상일 수 있으며, 정답이 없는 문제 세트도 있습니다.
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
로지스틱 회귀 알고리즘을 사용하여 분류 모델을 학습시킵니다.
모델의 예측 결과를 설명하려면 각 특징의 중요도를 계산해야 하며, 이는 전체적인 상대적 중요도 값과 특정 예측 집합에 대한 국소적 중요도 값을 모두 포함해야 합니다.
필요한 전역 및 지역 특징 중요도 값을 가져오는 데 사용할 수 있는 설명자를 만들어야 합니다.
해결 방법: PFIExplainer를 생성합니다.
이 해결책은 목표를 달성합니까?
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
로지스틱 회귀 알고리즘을 사용하여 분류 모델을 학습시킵니다.
모델의 예측 결과를 설명하려면 각 특징의 중요도를 계산해야 하며, 이는 전체적인 상대적 중요도 값과 특정 예측 집합에 대한 국소적 중요도 값을 모두 포함해야 합니다.
필요한 전역 및 지역 특징 중요도 값을 가져오는 데 사용할 수 있는 설명자를 만들어야 합니다.
해결 방법: PFIExplainer를 생성합니다.
이 해결책은 목표를 달성합니까?
Correct Answer: B
Explanation: Only visible for TrainingDump members. You can sign-up / login (it's free).
Azure Machine Learning Studio를 사용하여 머신 러닝 실험을 구축합니다.
데이터를 두 개의 서로 다른 데이터 세트로 나누어야 합니다.
어떤 모듈을 사용해야 할까요?
데이터를 두 개의 서로 다른 데이터 세트로 나누어야 합니다.
어떤 모듈을 사용해야 할까요?
Correct Answer: A
Explanation: Only visible for TrainingDump members. You can sign-up / login (it's free).
WS1이라는 Azure Machine Learning 작업 영역과 rapot이라는 비공개 리포지토리를 호스팅하는 accountl이라는 GitHub 계정이 있습니다. WS1에서 repol 리포지토리를 직접 사용할 수 있도록 복제해야 합니다. 구성은 repol 복제의 성능을 최대화해야 합니다. 어떤 네 가지 작업을 순서대로 수행해야 할까요?
Correct Answer:
Explanation:
참고: 이 문제는 동일한 시나리오를 제시하는 일련의 문제 중 하나입니다. 각 문제에는 제시된 목표를 달성할 수 있는 고유한 해결책이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상일 수 있으며, 정답이 없는 문제 세트도 있습니다.
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
로지스틱 회귀 알고리즘을 사용하여 분류 모델을 학습시킵니다.
모델의 예측 결과를 설명하려면 각 특징의 중요도를 계산해야 하며, 이는 전체적인 상대적 중요도 값과 특정 예측 집합에 대한 국소적 중요도 값을 모두 포함해야 합니다.
필요한 전역 및 지역 특징 중요도 값을 가져오는 데 사용할 수 있는 설명자를 만들어야 합니다.
해결 방법: 표 형식 설명 도구를 만드세요.
이 해결책은 목표를 달성합니까?
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
로지스틱 회귀 알고리즘을 사용하여 분류 모델을 학습시킵니다.
모델의 예측 결과를 설명하려면 각 특징의 중요도를 계산해야 하며, 이는 전체적인 상대적 중요도 값과 특정 예측 집합에 대한 국소적 중요도 값을 모두 포함해야 합니다.
필요한 전역 및 지역 특징 중요도 값을 가져오는 데 사용할 수 있는 설명자를 만들어야 합니다.
해결 방법: 표 형식 설명 도구를 만드세요.
이 해결책은 목표를 달성합니까?
Correct Answer: A
Explanation: Only visible for TrainingDump members. You can sign-up / login (it's free).
Azure Machine Learning 작업 영역을 관리합니다.
Mlftow를 사용하여 로깅해야 하는 사용자 지정 모델을 구축해야 합니다. 사용자 지정 모델에는 다음이 포함됩니다.
* 해당 모델은 Mlflow에서 기본적으로 지원되지 않습니다.
* 해당 모델은 Pickle 형식으로 직렬화할 수 없습니다.
* 모델 소스 코드가 복잡합니다.
* 모델에 사용되는 Python 라이브러리는 모델과 함께 패키징되어야 합니다.
ML.flow를 사용하여 로깅을 활성화하려면 사용자 지정 모델 플레이버를 생성해야 합니다.
무엇을 사용해야 할까요?
Mlftow를 사용하여 로깅해야 하는 사용자 지정 모델을 구축해야 합니다. 사용자 지정 모델에는 다음이 포함됩니다.
* 해당 모델은 Mlflow에서 기본적으로 지원되지 않습니다.
* 해당 모델은 Pickle 형식으로 직렬화할 수 없습니다.
* 모델 소스 코드가 복잡합니다.
* 모델에 사용되는 Python 라이브러리는 모델과 함께 패키징되어야 합니다.
ML.flow를 사용하여 로깅을 활성화하려면 사용자 지정 모델 플레이버를 생성해야 합니다.
무엇을 사용해야 할까요?
Correct Answer: B
Windows용 딥러닝 가상 머신을 구성합니다.
다음 작업을 수행하는 데 필요한 도구와 프레임워크를 추천해 주십시오.
심층 신경망(DNN) 모델을 구축합니다.
대화형 데이터 탐색 및 시각화를 수행합니다.
어떤 도구와 프레임워크를 추천하시겠습니까? 답변하려면 적절한 도구를 해당 작업에 드래그하세요. 각 도구는 한 번, 여러 번 또는 전혀 사용되지 않을 수 있습니다. 콘텐츠를 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.
다음 작업을 수행하는 데 필요한 도구와 프레임워크를 추천해 주십시오.
심층 신경망(DNN) 모델을 구축합니다.
대화형 데이터 탐색 및 시각화를 수행합니다.
어떤 도구와 프레임워크를 추천하시겠습니까? 답변하려면 적절한 도구를 해당 작업에 드래그하세요. 각 도구는 한 번, 여러 번 또는 전혀 사용되지 않을 수 있습니다. 콘텐츠를 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.
Correct Answer:
Explanation:
Box 1: Vowpal Wabbit
Use the Train Vowpal Wabbit Version 8 module in Azure Machine Learning Studio (classic), to create a machine learning model by using Vowpal Wabbit.
Box 2: PowerBI Desktop
Power BI Desktop is a powerful visual data exploration and interactive reporting tool BI is a name given to a modern approach to business decision making in which users are empowered to find, explore, and share insights from data across the enterprise.
References:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/train-vowpal-wabbit- version-8-model
https://docs.microsoft.com/en-us/azure/architecture/data-guide/scenarios/interactive-data-exploration