DP-100-KR 문제 196
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 디자이너를 사용하여 다음 데이터 세트를 실험에 로드합니다.
입력 데이터셋과 동일한 열과 헤더 행을 가지면서 두 입력 데이터셋의 모든 행을 포함하는 데이터셋을 생성해야 합니다.
해결 방법: 행 추가 모듈을 사용하십시오.
이 해결책은 목표를 달성합니까?
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
Azure Machine Learning 디자이너를 사용하여 다음 데이터 세트를 실험에 로드합니다.
입력 데이터셋과 동일한 열과 헤더 행을 가지면서 두 입력 데이터셋의 모든 행을 포함하는 데이터셋을 생성해야 합니다.
해결 방법: 행 추가 모듈을 사용하십시오.
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 197
파일 시스템 fsi와 폴더 folder1을 포함하는 storage1이라는 Azure Data Lake Storage Gen2 스토리지 계정을 생성합니다.
folder1의 내용은 Azure Machine Learning 작업 영역의 컴퓨팅 대상에 있는 작업에서 액세스할 수 있어야 합니다.
folder1을 참조하는 URL을 구성해야 합니다.
URI는 어떻게 구성해야 할까요? 답변하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.
folder1의 내용은 Azure Machine Learning 작업 영역의 컴퓨팅 대상에 있는 작업에서 액세스할 수 있어야 합니다.
folder1을 참조하는 URL을 구성해야 합니다.
URI는 어떻게 구성해야 할까요? 답변하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.
DP-100-KR 문제 198
Azure Machine Learning Studio를 사용하여 컴퓨팅 인스턴스를 포함하는 작업 영역을 만듭니다. 이 작업 영역에서 Python SDK v2 노트북을 개발하고 있습니다. 노트북에서 IntelliSense를 사용해야 합니다. 어떻게 해야 할까요?
DP-100-KR 문제 199
Azure Machine Learning 작업 영역이 있습니다. 로컬 컴퓨터에서 실험을 실행 중입니다.
로컬 실험 실행에서 얻은 메트릭과 결과물을 워크스페이스에 저장하려면 MLflow Tracking을 사용해야 합니다.
어떤 순서로 작업을 수행해야 할까요? 정답을 맞추려면 작업 목록에 있는 모든 작업을 정답 영역으로 옮기고 올바른 순서대로 배열하세요.
로컬 실험 실행에서 얻은 메트릭과 결과물을 워크스페이스에 저장하려면 MLflow Tracking을 사용해야 합니다.
어떤 순서로 작업을 수행해야 할까요? 정답을 맞추려면 작업 목록에 있는 모든 작업을 정답 영역으로 옮기고 올바른 순서대로 배열하세요.
DP-100-KR 문제 200
Azure Machine Learning 작업 영역이 있습니다.
터미널을 사용하여 노트북을 실행할 컴퓨팅 인스턴스를 구성할 계획입니다.
컴퓨팅 인스턴스에 새 R 커널을 추가해야 합니다.
어떤 순서로 작업을 수행해야 할까요? 정답을 맞추려면 작업 목록에 있는 모든 작업을 정답 영역으로 옮기고 올바른 순서대로 배열하세요.
터미널을 사용하여 노트북을 실행할 컴퓨팅 인스턴스를 구성할 계획입니다.
컴퓨팅 인스턴스에 새 R 커널을 추가해야 합니다.
어떤 순서로 작업을 수행해야 할까요? 정답을 맞추려면 작업 목록에 있는 모든 작업을 정답 영역으로 옮기고 올바른 순서대로 배열하세요.
