Databricks-Machine-Learning-Professional 문제 61
MLflow 실행 중에 생성된 그래프를 기록하는 데 사용할 수 있는 MLflow 작업은 무엇입니까?
Databricks-Machine-Learning-Professional 문제 62
데이터 과학자가 나이, 연소득, 거래 건수와 같이 수치형 특징을 가진 고객 데이터셋에 Spark ML 파이프라인을 구축하려고 합니다. 선택한 알고리즘은 입력값을 [0,1] 범위로 정규화해야 하므로, 이러한 특징들에 적절한 Spark ML 트랜스포머를 적용해야 합니다. 모든 특징을 [0,1] 범위로 스케일링하려면 어떤 Spark ML 트랜스포머를 사용해야 할까요?
Databricks-Machine-Learning-Professional 문제 63
데이터 과학자는 랜덤 포레스트 모델의 실행 결과를 추적하려고 합니다. 이 데이터 과학자는 각 실행마다 트리의 개수와 트리의 최대 깊이를 변경합니다.
그들은 다음과 같은 코드 블록을 작성합니다.
`params`는 어떤 파이썬 객체 유형의 인스턴스여야 합니까?
그들은 다음과 같은 코드 블록을 작성합니다.
`params`는 어떤 파이썬 객체 유형의 인스턴스여야 합니까?
Databricks-Machine-Learning-Professional 문제 64
머신러닝 엔지니어는 머신러닝 모델의 예측 결과를 실시간으로 제공해야 합니다. 하지만 예측 계산에 필요한 특징값들은 쿼리 시점보다 일주일 전에 확보할 수 있습니다. 이러한 시나리오에서 예측값을 쿼리 시점에 계산하는 실시간 서비스 배포 방식 대신 배치 서비스 배포 방식을 사용하는 것이 어떤 이점을 제공할까요?
Databricks-Machine-Learning-Professional 문제 65
머신러닝 엔지니어는 Lakehouse Monitoring을 사용하여 신용 평가 모델의 성능을 추적합니다. 기존 프로필 메트릭 테이블에는 세 가지 집계 메트릭이 포함되어 있습니다.
- 기본 위험 점수
- 결제 내역 점수
- 신용 이용률 점수
그들은 다음을 해야 합니다:
1. 이 세 가지 점수를 각각 0.5, 0.3, 0.2의 가중치를 사용하여 결합한 종합 위험 등급을 생성합니다.
2. 설정된 기준선 대비 이 종합 점수의 변화를 모니터링합니다.
레이크하우스 모니터링에서 두 가지 요구 사항을 모두 충족하려면 어떤 접근 방식을 사용해야 할까요?
- 기본 위험 점수
- 결제 내역 점수
- 신용 이용률 점수
그들은 다음을 해야 합니다:
1. 이 세 가지 점수를 각각 0.5, 0.3, 0.2의 가중치를 사용하여 결합한 종합 위험 등급을 생성합니다.
2. 설정된 기준선 대비 이 종합 점수의 변화를 모니터링합니다.
레이크하우스 모니터링에서 두 가지 요구 사항을 모두 충족하려면 어떤 접근 방식을 사용해야 할까요?
프리미엄 번들
DumpTop 에서 공유하는 최신 Databricks-Machine-Learning-Professional 시험 덤프는 Databricks-Machine-Learning-Professional 시험패스를 도와드릴수 있습니다! DumpTop 은 최근 업데이트된 Databricks-Machine-Learning-Professional 시험자료를 제공해드립니다. DumpTop Databricks-Machine-Learning-Professional 덤프도 시험문제 변경에 따라 업데이트되었으며 오답도 수정되었습니다. DumpTop Databricks-Machine-Learning-Professional 덤프 최신버전을 공유받아보세요.
(193 Q&As 덤프, 30%OFF할인코드: KrDump)