DP-100-KR 문제 101
다음 각 문장에 대해, 문장이 사실이면 '예'를 선택하고, 그렇지 않으면 '아니오'를 선택하십시오. 참고: 각 정답은 1점입니다.
DP-100-KR 문제 102
당신은 Azure AI Foundry 프로젝트를 관리하고 있습니다.
대규모 언어 모델(LLM) 노드와 단일 출력을 가진 업스트림 노드를 포함하는 프롬프트 플로우를 개발했습니다. YAML 플로우 구성을 사용하여 LLM 노드의 입력과 업스트림 노드의 출력을 연결해야 합니다. 어떤 플로우 구성을 사용해야 할까요?
대규모 언어 모델(LLM) 노드와 단일 출력을 가진 업스트림 노드를 포함하는 프롬프트 플로우를 개발했습니다. YAML 플로우 구성을 사용하여 LLM 노드의 입력과 업스트림 노드의 출력을 연결해야 합니다. 어떤 플로우 구성을 사용해야 할까요?
DP-100-KR 문제 103
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.
Azure Machine Learning을 사용하여 분류 모델을 학습시키는 실험을 실행하고 있습니다.
Hyperdrive를 사용하여 모델의 AUC 지표를 최적화하는 매개변수를 찾으려고 합니다. 다음 코드를 실행하여 실험에 대한 HyperDriveConfig를 구성합니다.
이 설정을 사용하여 랜덤 포레스트 모델을 학습시키고 검증 데이터로 테스트하는 스크립트를 실행할 계획입니다. 검증 데이터의 레이블 값은 y_test 변수에 저장되고, 모델에서 예측된 확률은 y_predicted 변수에 저장됩니다.
해결 방법: 다음 코드를 실행하세요.
이 해결책은 목표를 달성합니까?
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
Azure Machine Learning을 사용하여 분류 모델을 학습시키는 실험을 실행하고 있습니다.
Hyperdrive를 사용하여 모델의 AUC 지표를 최적화하는 매개변수를 찾으려고 합니다. 다음 코드를 실행하여 실험에 대한 HyperDriveConfig를 구성합니다.
이 설정을 사용하여 랜덤 포레스트 모델을 학습시키고 검증 데이터로 테스트하는 스크립트를 실행할 계획입니다. 검증 데이터의 레이블 값은 y_test 변수에 저장되고, 모델에서 예측된 확률은 y_predicted 변수에 저장됩니다.
해결 방법: 다음 코드를 실행하세요.
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 104
모델 학습 시 최적의 하이퍼파라미터 값을 결정하기 위해 Azure Machine Learning의 Hyperdrive 기능을 사용할 계획입니다.
다음 하이퍼파라미터 값들의 조합을 시도해 보려면 Hyperdrive를 사용해야 합니다.
* 학습률: 0.001에서 0.1 사이의 값
* 배치 크기: 16, 32 또는 64
Hyperdrive 실험에 대한 검색 공간을 구성해야 합니다.
어떤 두 개의 매개변수 표현식을 사용해야 할까요? 각 정답은 풀이의 일부를 나타냅니다.
참고: 정답 하나당 1점입니다.
다음 하이퍼파라미터 값들의 조합을 시도해 보려면 Hyperdrive를 사용해야 합니다.
* 학습률: 0.001에서 0.1 사이의 값
* 배치 크기: 16, 32 또는 64
Hyperdrive 실험에 대한 검색 공간을 구성해야 합니다.
어떤 두 개의 매개변수 표현식을 사용해야 할까요? 각 정답은 풀이의 일부를 나타냅니다.
참고: 정답 하나당 1점입니다.
DP-100-KR 문제 105
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.
머신러닝 모델을 학습시키고 등록합니다.
모델을 실시간 웹 서비스로 배포할 계획입니다. 애플리케이션은 모델을 사용하기 위해 키 기반 인증을 사용해야 합니다.
웹 서비스를 배포해야 합니다.
해결책:
AciWebservice 인스턴스를 생성합니다.
ssl_enabled 속성 값을 True로 설정하십시오.
모델을 서비스에 배포합니다.
이 해결책은 목표를 달성합니까?
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
머신러닝 모델을 학습시키고 등록합니다.
모델을 실시간 웹 서비스로 배포할 계획입니다. 애플리케이션은 모델을 사용하기 위해 키 기반 인증을 사용해야 합니다.
웹 서비스를 배포해야 합니다.
해결책:
AciWebservice 인스턴스를 생성합니다.
ssl_enabled 속성 값을 True로 설정하십시오.
모델을 서비스에 배포합니다.
이 해결책은 목표를 달성합니까?