최신 DP-100日本語 무료덤프 - Microsoft Designing and Implementing a Data Science Solution on Azure (DP-100日本語版)

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。
Pythonスクリプトを使用して、Azure MachineLearningの実験を実行することを計画しています。スクリプトは、実験実行コンテキストへの参照を作成し、ファイルからデータをロードし、ラベル列の一意の値のセットを識別して、実験実行を完了します。
azureml.coreからインポート実行
パンダをpdとしてインポートする
run = Run.get_context（）
データ= pd.read_csv（ 'data.csv'）
label_vals = data ['label']。unique（）
＃ここに指標を記録するコードを追加
run.complete（）
実験では、後で確認できる実行のメトリックとして、データ内の一意のラベルを記録する必要があります。
コメントで示されたポイントで実行メトリックとして一意のラベル値を記録するには、スクリプトにコードを追加する必要があります。
解決策：コメントを次のコードに置き換えます。
run.upload_file（ 'outputs / labels.csv'、 '。/ data.csv'）
ソリューションは目標を達成していますか？

ローカル ワークステーションで Azure Machine Learning SDK を使用してモデルをトレーニングし、登録します。Python 3.6 と Visual Studio Code がワークステーションにインストールされています。
モデルを Azure Kubernetes Service (AKS) ベースの Web サービスとして運用環境にデプロイしようとすると、スコアリング スクリプトでエラーが発生し、デプロイが失敗します。
サービスを実稼働環境にデプロイする前に、ローカル ワークステーションでサービスをデバッグする必要があります。
どの 4 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。

Azure Machine Learning ワークスペースを管理します。ワークスペースには、AKS1 という名前の Azure Kubemetes Service (AKS) クラスターとして構成された Azure Machine Learning kubernetes コンピューティング ターゲットが含まれています。AKS1 は、ワークロードをトレーニングするためにさまざまなノードをターゲットにできるように構成されています。
Azure ML Python SDK v2 を使用して、AK51 でコマンド ジョブを実行する必要がありますか? コマンド ジョブでは、さまざまなタイプの計算ノードを選択する必要があります。比較ノード タイプは、コマンド パラメータを使用して指定する必要があります。
コマンドパラメータを設定する必要があります。
どのパラメータを使用する必要がありますか?

Azure Machine Learning ワークスペースを作成し、MLflow ライブラリをインストールします。
MLflow ライブラリを使用して、さまざまな種類のデータをトグ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? 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。

トレーニングと検証のエラー値に大きな差があるモデルがあります。
新しいモデルを作成し、相互検証を実行する必要があります。
Azure Machine Learning Studioを使用して、新しいモデルのパラメーターセットを識別する必要があります。
各ステップで使用するモジュールはどれですか？答えるには、適切なモジュールを正しい手順にドラッグします。
各モジュールは、1回または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：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。

Azure Machine Learning ワークスペースを管理するとします。
MLflow を使用して複数のメトリクスをログに記録する必要があります。
ロギングのパフォーマンスを最大化する必要があります。
この目標を達成するために考えられる 2 つの方法は何ですか? それぞれの正解は完全な解決策を示します。
注: 正しく選択するたびに 1 ポイントの価値があります。

Azure Machine LearningStudioで多重線形回帰モデルを作成しています。
いくつかの独立変数は高度に相関しています。
すべてのデータに対して効果的な特徴エンジニアリングを実行するための適切な方法を選択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領域に移動し、正しい順序に並べます。

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：列の中央値を計算し、中央値を列の欠損値の置換として使用します。
ソリューションは目標を達成していますか？

Python スクリプトを含む 2 つのステップで、pipeline1 という名前の Azure Machine Learning パイプラインを作成します。最初のステップで処理されたデータは、2 番目のステップに渡されます。
パイプライン 1 のダウンストリーム データ ソースのコンテンツを更新し、パイプラインを再度実行する必要があります。パイプライン 1 の新しい実行で、更新されたコンテンツが完全に処理されるようにする必要があります。
解決策: 両方のステップの PythonScriptStep オブジェクトの allow_reuse パラメーターを False に設定します。解決策は目標を満たしていますか?

モデルをトレーニングして、Azure Machine Learningワークスペースに登録します。これで、モデルをリアルタイムWebサービスとしてデプロイする準備が整いました。
モデルをAzure Kubernetes Service（AKS）推論クラスターにデプロイしますが、サービスがモデルのデプロイメントに関連付けられているエントリスクリプトを実行するとエラーが発生するため、デプロイメントは失敗します。
コードを更新するたびにサービスを再デプロイすることなく、コードを繰り返し変更してサービスをリロードすることにより、エラーをデバッグする必要があります。
あなたは何をするべきか？

次のコードがあります。このコードは、スクリプトを実行するための実験を準備します。

実験は、デフォルトの環境を使用してローカルコンピューターで実行する必要があります。
実験を開始してスクリプトを実行するには、コードを追加する必要があります。
どのコードセグメントを使用する必要がありますか？

Azure Machine Learning ワークスペースを管理します。
Mlftow でログを記録する必要があるカスタム モデルを構築します。カスタム モデルには次のものが含まれます。
* このモデルは Mlflow でネイティブにサポートされていません。
※Pickle形式でシリアル化することはできません。
※モデルのソースコードは複雑です。
* モデルの Python ライブラリはモデルと一緒にパッケージ化する必要があります。
ML によるロギングを有効にするには、カスタム モデル フレーバーを作成する必要があります。流れ。
何を使えばいいのでしょうか？

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。
Pythonスクリプトを使用して、Azure MachineLearningの実験を実行することを計画しています。スクリプトは、実験実行コンテキストへの参照を作成し、ファイルからデータをロードし、ラベル列の一意の値のセットを識別して、実験実行を完了します。
azureml.coreからインポート実行
パンダをpdとしてインポートする
run = Run.get_context（）
データ= pd.read_csv（ 'data.csv'）
label_vals = data ['label']。unique（）
＃ここに指標を記録するコードを追加
run.complete（）
実験では、後で確認できる実行のメトリックとして、データ内の一意のラベルを記録する必要があります。
コメントで示されたポイントで実行メトリックとして一意のラベル値を記録するには、スクリプトにコードを追加する必要があります。
解決策：コメントを次のコードに置き換えます。
label_valsのlabel_valの場合：
run.log（ 'ラベル値'、label_val）
ソリューションは目標を達成していますか？

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。

Azure MachineLearningワークスペースと新しいAzureDevOps組織を作成します。ワークスペースにモデルを登録し、モデルをターゲット環境にデプロイします。
ワークスペースに登録されているモデルのすべての新しいバージョンは、ターゲット環境に自動的にデプロイされる必要があります。
モデルをデプロイするには、Azureパイプラインを構成する必要があります。
順番に実行する必要がある4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領域に移動し、正しい順序に並べます。

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、指定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。
履歴データに基づいて気象条件を予測するモデルを作成します。
データストアからデータを読み込み、処理されたデータを機械学習モデルのトレーニングスクリプトに渡すために、処理スクリプトを実行するパイプラインを作成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？

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。
Azure Machine Learning Studioを使用して、データセットの機能エンジニアリングを実行しています。
値を正規化して、ビンにグループ化されたフィーチャ列を作成する必要があります。
解決策：エントロピー最小記述長（MDL）ビニングモードを適用します。
ソリューションは目標を達成していますか？