DP-100-KR 문제 206
모델의 다음 버전을 등록합니다.
Azure ML Python SDK를 사용하여 학습 실험을 실행합니다. 실행된 실험을 참조하기 위해 `run`이라는 변수를 사용합니다.
실행 제출 및 완료 후 다음 코드를 실행합니다.
다음 각 문장에 대해, 문장이 사실이면 '예'를 선택하고, 그렇지 않으면 '아니요'를 선택하십시오.
참고: 정답 하나당 1점입니다.
Azure ML Python SDK를 사용하여 학습 실험을 실행합니다. 실행된 실험을 참조하기 위해 `run`이라는 변수를 사용합니다.
실행 제출 및 완료 후 다음 코드를 실행합니다.
다음 각 문장에 대해, 문장이 사실이면 '예'를 선택하고, 그렇지 않으면 '아니요'를 선택하십시오.
참고: 정답 하나당 1점입니다.
DP-100-KR 문제 207
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: 출석 페널티를 조정합니다.
이 해결책은 목표를 달성합니까?
해결책: 출석 페널티를 조정합니다.
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 208
Azure Machine Learning Studio에서 새 실험을 생성하고 있습니다. 여러 열에 결측값이 있는 작은 데이터 세트가 있습니다. 이 데이터는 각 열에 예측 변수를 적용할 필요가 없습니다. 결측값 처리를 위해 결측 데이터 정리 모듈을 사용할 계획입니다.
데이터 정리 방법을 선택해야 합니다.
어떤 방법을 사용해야 할까요?
데이터 정리 방법을 선택해야 합니다.
어떤 방법을 사용해야 할까요?
DP-100-KR 문제 209
짧은 문장 형식으로 작성된 12,000개의 고객 리뷰가 포함된 CSV 파일을 사용하여 감정 분석을 수행합니다. 이 CSV 파일을 Azure Machine Learning Studio에 추가하고 실험의 시작 데이터 세트로 구성합니다. 데이터 세트의 고객 리뷰 열에서 핵심 구문을 추출하기 위해 실험에 텍스트에서 N-그램 특징 추출 모듈을 추가합니다.
고객 리뷰 텍스트에서 새 n-gram 사전을 생성하고 최대 n-gram 크기를 트라이그램으로 설정해야 합니다.
무엇을 선택해야 할까요? 답변하려면 답변란에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.
고객 리뷰 텍스트에서 새 n-gram 사전을 생성하고 최대 n-gram 크기를 트라이그램으로 설정해야 합니다.
무엇을 선택해야 할까요? 답변하려면 답변란에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.
DP-100-KR 문제 210
Azure Machine Learning 데이터 저장소를 사용하는 Azure Machine Learning 작업 영역을 관리합니다.
데이터는 다음 소스에서 불러와야 합니다.
* 자격 증명이 필요 없는 Azure Blob Storage
* 자격 증명 없이 데이터에 액세스할 수 있는 데이터 저장소가 아닌 Azure Data Lake Storage(ADLS) 2세대인 경우, Azure Machine Learning 데이터 저장소의 데이터에 액세스하기 위한 인증 메커니즘을 정의해야 합니다.
어떤 데이터 접근 방식을 사용해야 할까요? 답을 찾으려면 적절한 데이터 접근 방식을 올바른 저장소 유형으로 이동하세요. 각 데이터 접근 방식은 한 번, 여러 번 또는 전혀 사용하지 않을 수 있습니다. 콘텐츠를 보려면 창 사이의 분할 막대를 이동하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.
데이터는 다음 소스에서 불러와야 합니다.
* 자격 증명이 필요 없는 Azure Blob Storage
* 자격 증명 없이 데이터에 액세스할 수 있는 데이터 저장소가 아닌 Azure Data Lake Storage(ADLS) 2세대인 경우, Azure Machine Learning 데이터 저장소의 데이터에 액세스하기 위한 인증 메커니즘을 정의해야 합니다.
어떤 데이터 접근 방식을 사용해야 할까요? 답을 찾으려면 적절한 데이터 접근 방식을 올바른 저장소 유형으로 이동하세요. 각 데이터 접근 방식은 한 번, 여러 번 또는 전혀 사용하지 않을 수 있습니다. 콘텐츠를 보려면 창 사이의 분할 막대를 이동하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.
