DP-100-KR 문제 106
Azure Machine Learning 작업 영역을 관리합니다. 컴퓨터 비전 모델을 위한 자동화된 머신 러닝 학습 실험을 구축합니다.
각 모델의 최적화 및 하이퍼파라미터 튜닝을 위해 기본 평가 지표를 사용해야 합니다.
모델에 어떤 주요 지표를 사용해야 할까요? 이 질문에 답하려면 적절한 주요 지표를 올바른 컴퓨터 비전 모델에 배치하세요. 각 주요 지표는 한 번, 여러 번 또는 전혀 사용하지 않을 수 있습니다.
콘텐츠를 보려면 창 사이의 분할 막대를 이동하거나 스크롤해야 할 수 있습니다.
참고: 정답 하나당 1점입니다.
각 모델의 최적화 및 하이퍼파라미터 튜닝을 위해 기본 평가 지표를 사용해야 합니다.
모델에 어떤 주요 지표를 사용해야 할까요? 이 질문에 답하려면 적절한 주요 지표를 올바른 컴퓨터 비전 모델에 배치하세요. 각 주요 지표는 한 번, 여러 번 또는 전혀 사용하지 않을 수 있습니다.
콘텐츠를 보려면 창 사이의 분할 막대를 이동하거나 스크롤해야 할 수 있습니다.
참고: 정답 하나당 1점입니다.
DP-100-KR 문제 107
다음과 같이 정의된 6개의 데이터 포인트를 포함하는 Python NumPy 배열을 평가하고 있습니다.
데이터 = [10, 20, 30, 40, 50, 60]
Python Scikit-learn 머신러닝 라이브러리의 k-fold 알고리즘 구현을 사용하여 다음 출력 결과를 생성해야 합니다.
훈련: [10 40 50 60], 테스트: [20 30]
훈련: [20 30 40 60], 테스트: [10 50]
훈련: [10 20 30 50], 테스트: [40 60]
원하는 결과를 얻으려면 교차 검증을 구현해야 합니다.
코드 부분을 어떻게 완성해야 할까요? 답하려면 답변 영역의 대화 상자에서 적절한 코드 부분을 선택하세요.
참고: 정답 하나당 1점입니다.
데이터 = [10, 20, 30, 40, 50, 60]
Python Scikit-learn 머신러닝 라이브러리의 k-fold 알고리즘 구현을 사용하여 다음 출력 결과를 생성해야 합니다.
훈련: [10 40 50 60], 테스트: [20 30]
훈련: [20 30 40 60], 테스트: [10 50]
훈련: [10 20 30 50], 테스트: [40 60]
원하는 결과를 얻으려면 교차 검증을 구현해야 합니다.
코드 부분을 어떻게 완성해야 할까요? 답하려면 답변 영역의 대화 상자에서 적절한 코드 부분을 선택하세요.
참고: 정답 하나당 1점입니다.
DP-100-KR 문제 108
Azure Machine Learning 작업 영역을 생성합니다.
Azure Synapse 컴퓨팅 리소스를 사용하여 작업 영역에서 모델 학습을 위한 전용 컴퓨팅 환경을 구현해야 합니다. 솔루션은 전용 컴퓨팅 리소스에 연결하고 Azure Synapse 세션을 시작해야 합니다.
컴퓨팅 리소스를 구현해야 합니다.
어떤 세 가지 행동을 순서대로 수행해야 할까요? 정답을 선택하려면, 행동 목록에서 적절한 행동을 골라 답란에 옮겨 올바른 순서대로 배열하세요.
Azure Synapse 컴퓨팅 리소스를 사용하여 작업 영역에서 모델 학습을 위한 전용 컴퓨팅 환경을 구현해야 합니다. 솔루션은 전용 컴퓨팅 리소스에 연결하고 Azure Synapse 세션을 시작해야 합니다.
컴퓨팅 리소스를 구현해야 합니다.
어떤 세 가지 행동을 순서대로 수행해야 할까요? 정답을 선택하려면, 행동 목록에서 적절한 행동을 골라 답란에 옮겨 올바른 순서대로 배열하세요.
DP-100-KR 문제 109
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 Learning 실험을 실행하기 위해 Python 스크립트를 사용할 계획입니다. 이 스크립트는 실험 실행 컨텍스트에 대한 참조를 생성하고, 파일에서 데이터를 로드하고, 레이블 열에 대한 고유 값 집합을 식별하고, 실험 실행을 완료합니다.
azureml.core에서 Run을 가져옵니다.
pandas를 pd로 가져옵니다.
run = Run.get_context()
data = pd.read_csv('data.csv')
label_vals = data['label'].unique()
# 여기에 지표를 기록하는 코드를 추가하세요
실행 완료()
실험에서는 실행 후 검토할 수 있도록 데이터에 고유 레이블을 기록하여 측정 기준으로 활용해야 합니다.
주석에 표시된 지점에 스크립트에 고유 레이블 값을 실행 메트릭으로 기록하는 코드를 추가해야 합니다.
해결 방법: 주석을 다음 코드로 바꾸세요.
run.upload_file('outputs/labels.csv', './data.csv')
이 해결책은 목표를 달성합니까?
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
Azure Machine Learning 실험을 실행하기 위해 Python 스크립트를 사용할 계획입니다. 이 스크립트는 실험 실행 컨텍스트에 대한 참조를 생성하고, 파일에서 데이터를 로드하고, 레이블 열에 대한 고유 값 집합을 식별하고, 실험 실행을 완료합니다.
azureml.core에서 Run을 가져옵니다.
pandas를 pd로 가져옵니다.
run = Run.get_context()
data = pd.read_csv('data.csv')
label_vals = data['label'].unique()
# 여기에 지표를 기록하는 코드를 추가하세요
실행 완료()
실험에서는 실행 후 검토할 수 있도록 데이터에 고유 레이블을 기록하여 측정 기준으로 활용해야 합니다.
주석에 표시된 지점에 스크립트에 고유 레이블 값을 실행 메트릭으로 기록하는 코드를 추가해야 합니다.
해결 방법: 주석을 다음 코드로 바꾸세요.
run.upload_file('outputs/labels.csv', './data.csv')
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 110
Azure Machine Learning 작업 영역을 관리하고 있습니다. model1이라는 이름의 모델을 학습시킵니다.
모델 예측 결과의 차이를 만들기 위해 수정해야 할 특징들을 파악해야 합니다.
모델1에 대한 책임 있는 AI(RAI) 대시보드를 구성해야 합니다.
어떤 세 가지 행동을 순서대로 수행해야 할까요? 정답을 선택하려면 행동 목록에서 적절한 행동을 골라 답란에 옮겨 올바른 순서대로 배열하세요.
모델 예측 결과의 차이를 만들기 위해 수정해야 할 특징들을 파악해야 합니다.
모델1에 대한 책임 있는 AI(RAI) 대시보드를 구성해야 합니다.
어떤 세 가지 행동을 순서대로 수행해야 할까요? 정답을 선택하려면 행동 목록에서 적절한 행동을 골라 답란에 옮겨 올바른 순서대로 배열하세요.
