DP-100-KR 문제 211
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.log_table('레이블 값', label_vals)
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.log_table('레이블 값', label_vals)
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 212
Azure Machine Learning 작업 영역을 관리합니다. scriptpy라는 이름의 Pylhon 스크립트는 training_data라는 인수를 읽습니다. trainlng.data 인수는 datasetl이라는 파일에 있는 학습 데이터의 경로를 지정합니다.
CSV.
당신은 scriptpy 파이썬 스크립트를 머신러닝 모델을 학습시키는 명령 작업으로 실행할 계획입니다.
스크립트를 학습 작업으로 제출할 때 datasct의 경로를 매개변수 값으로 전달하는 명령을 제공해야 합니다.
해결 방법: python train.py --training_data training_data
이 해결책은 목표를 달성합니까?
CSV.
당신은 scriptpy 파이썬 스크립트를 머신러닝 모델을 학습시키는 명령 작업으로 실행할 계획입니다.
스크립트를 학습 작업으로 제출할 때 datasct의 경로를 매개변수 값으로 전달하는 명령을 제공해야 합니다.
해결 방법: python train.py --training_data training_data
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 213
Workspace1이라는 이름의 Azure Machine Learning 작업 영역을 관리하고 있습니다.
Azure Machine Learning Studio 디자이너에서 파이프라인을 만들려고 합니다. 이 파이프라인에는 사용자 지정 구성 요소가 포함되어야 하며, 파이프라인에서 사용자 지정 구성 요소를 사용할 수 있는지 확인해야 합니다. 먼저 무엇을 해야 할까요?
Azure Machine Learning Studio 디자이너에서 파이프라인을 만들려고 합니다. 이 파이프라인에는 사용자 지정 구성 요소가 포함되어야 하며, 파이프라인에서 사용자 지정 구성 요소를 사용할 수 있는지 확인해야 합니다. 먼저 무엇을 해야 할까요?
DP-100-KR 문제 214
Aunt Machine Learning을 사용하여 머신러닝 모델을 학습시킵니다.
다음 파이썬 학습 스크립트를 사용하여 정확도 값을 기록합니다.
스윕 작업을 정의하려면 파이썬 스크립트를 사용해야 합니다.
하이퍼파라미터 튜닝을 통해 최적화하고자 하는 주요 지표와 목표를 제공해야 합니다.
파이썬 스크립트를 어떻게 완성해야 할까요? 정답을 고르려면 답란에서 적절한 옵션을 선택하세요. 참고: 각 정답은 1점입니다.
다음 파이썬 학습 스크립트를 사용하여 정확도 값을 기록합니다.
스윕 작업을 정의하려면 파이썬 스크립트를 사용해야 합니다.
하이퍼파라미터 튜닝을 통해 최적화하고자 하는 주요 지표와 목표를 제공해야 합니다.
파이썬 스크립트를 어떻게 완성해야 할까요? 정답을 고르려면 답란에서 적절한 옵션을 선택하세요. 참고: 각 정답은 1점입니다.
DP-100-KR 문제 215
파이프라인의 단계를 정의하려면 다음 코드를 사용합니다.
azureml.core에서 Workspace, Experiment, Run을 가져옵니다.
AzureML.Pipeline.core에서 Pipeline을 가져옵니다.
azureml.pipeline.steps에서 PythonScriptStep을 가져옵니다.
ws = Workspace.from_config()
...
step1 = PythonScriptStep(name="step1", ...)
step2 = PythonScriptsStep(name="step2", ...)
pipeline_steps = [step1, step2]
단계를 실행하려면 코드를 추가해야 합니다.
이 목표를 달성하기 위해 사용할 수 있는 두 가지 코드 세그먼트는 무엇입니까? 각 정답은 완전한 솔루션을 나타냅니다.
참고: 정답 하나당 1점입니다.
azureml.core에서 Workspace, Experiment, Run을 가져옵니다.
AzureML.Pipeline.core에서 Pipeline을 가져옵니다.
azureml.pipeline.steps에서 PythonScriptStep을 가져옵니다.
ws = Workspace.from_config()
...
step1 = PythonScriptStep(name="step1", ...)
step2 = PythonScriptsStep(name="step2", ...)
pipeline_steps = [step1, step2]
단계를 실행하려면 코드를 추가해야 합니다.
이 목표를 달성하기 위해 사용할 수 있는 두 가지 코드 세그먼트는 무엇입니까? 각 정답은 완전한 솔루션을 나타냅니다.
참고: 정답 하나당 1점입니다.