DP-100-KR 문제 11
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.
당신은 과거 데이터를 기반으로 날씨를 예측하는 모델을 만듭니다.
데이터 저장소에서 데이터를 로드하는 처리 스크립트를 실행하고, 처리된 데이터를 머신러닝 모델 학습 스크립트에 전달하는 파이프라인을 생성해야 합니다.
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.
당신은 과거 데이터를 기반으로 날씨를 예측하는 모델을 만듭니다.
데이터 저장소에서 데이터를 로드하는 처리 스크립트를 실행하고, 처리된 데이터를 머신러닝 모델 학습 스크립트에 전달하는 파이프라인을 생성해야 합니다.
해결 방법: 다음 코드를 실행하세요.
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 12
구독에서 Azure AI Foundry 프로젝트를 관리하고 있습니다. gpt-4o 모델을 배포했습니다. 기존 프런트엔드 애플리케이션에서 사용하기 전에 모델을 테스트해야 합니다. 더 창의적인 응답을 얻기 위해 매개변수를 조정해야 합니다.
해결책: 빈도수 페널티를 조정합니다.
이 해결책은 목표를 달성합니까?
해결책: 빈도수 페널티를 조정합니다.
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 13
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.
Hyperdrive가 AUC 지표에 맞춰 하이퍼파라미터를 최적화할 수 있도록 스크립트에 로깅 기능을 추가해야 합니다.
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.
Hyperdrive가 AUC 지표에 맞춰 하이퍼파라미터를 최적화할 수 있도록 스크립트에 로깅 기능을 추가해야 합니다.
해결 방법: 다음 코드를 실행하세요.
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 14
Azure Machine Learning SDK v2 for Python 및 노트북을 사용하여 모델을 학습시킵니다. Python 코드를 사용하여 컴퓨팅 대상, 환경 및 학습 스크립트를 생성합니다. 학습 작업을 제출하기 위한 정보를 준비해야 합니다.
어떤 클래스를 사용해야 할까요?
어떤 클래스를 사용해야 할까요?
DP-100-KR 문제 15
디자이너를 사용하여 분류 모델의 학습 파이프라인을 생성합니다. 이 파이프라인은 모델 학습에 필요한 특징과 레이블이 포함된 데이터셋을 사용합니다.
학습 파이프라인에서 실시간 추론 파이프라인을 생성합니다. 생성된 웹 서비스 입력의 스키마가 데이터셋을 기반으로 하며 모델이 예측한 레이블 열을 포함하는 것을 확인합니다.
해당 서비스를 사용하는 클라이언트 애플리케이션은 이 값을 제출할 필요가 없어야 합니다.
요구 사항을 충족하려면 추론 파이프라인을 수정해야 합니다.
어떻게 해야 할까요?
학습 파이프라인에서 실시간 추론 파이프라인을 생성합니다. 생성된 웹 서비스 입력의 스키마가 데이터셋을 기반으로 하며 모델이 예측한 레이블 열을 포함하는 것을 확인합니다.
해당 서비스를 사용하는 클라이언트 애플리케이션은 이 값을 제출할 필요가 없어야 합니다.
요구 사항을 충족하려면 추론 파이프라인을 수정해야 합니다.
어떻게 해야 할까요?