DP-100-KR 문제 61
Azure Machine Learning Designer를 사용하여 다음 데이터 세트를 실험에 로드합니다.
데이터셋1:
데이터셋2:
입력 데이터셋과 동일한 열과 헤더 행을 가지면서 두 입력 데이터셋의 모든 행을 포함하는 데이터셋을 생성해야 합니다.
해결 방법: 행 추가 구성 요소를 사용하십시오.
이 해결책은 목표를 달성합니까?
데이터셋1:
데이터셋2:
입력 데이터셋과 동일한 열과 헤더 행을 가지면서 두 입력 데이터셋의 모든 행을 포함하는 데이터셋을 생성해야 합니다.
해결 방법: 행 추가 구성 요소를 사용하십시오.
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 62
Azure Machine Learning 작업 영역의 노트북에서 데이터를 df라는 이름의 pandas 데이터프레임으로 로드합니다.
해당 데이터에는 10,000개의 환자 기록이 포함되어 있습니다. 각 기록에는 해당 환자의 나이 속성이 포함되어 있습니다.
SmartNoise SDK에서 생성된 차분 프라이버시 데이터에서 평균 연령 값을 식별해야 합니다.
차분 프라이버시(Differential Private) 데이터로부터 평균 연령 값을 생성하는 파이썬 코드를 완성해야 합니다.
어떤 코드 세그먼트를 사용해야 할까요? 정답을 선택하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.
해당 데이터에는 10,000개의 환자 기록이 포함되어 있습니다. 각 기록에는 해당 환자의 나이 속성이 포함되어 있습니다.
SmartNoise SDK에서 생성된 차분 프라이버시 데이터에서 평균 연령 값을 식별해야 합니다.
차분 프라이버시(Differential Private) 데이터로부터 평균 연령 값을 생성하는 파이썬 코드를 완성해야 합니다.
어떤 코드 세그먼트를 사용해야 할까요? 정답을 선택하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.
DP-100-KR 문제 63
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 모델을 학습시키고 등록합니다.
모델을 온라인 엔드포인트에 배포할 계획입니다.
애플리케이션이 만료되지 않는 아티팩트를 사용하는 인증 방식을 통해 모델에 접근할 수 있도록 해야 합니다.
해결책:
관리형 온라인 엔드포인트를 생성하고 auto_mode 매개변수 값을 key로 설정합니다. 모델을 인라인 엔드포인트에 배포합니다.
이 해결책은 목표를 달성합니까?
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
Azure Machine Learning 모델을 학습시키고 등록합니다.
모델을 온라인 엔드포인트에 배포할 계획입니다.
애플리케이션이 만료되지 않는 아티팩트를 사용하는 인증 방식을 통해 모델에 접근할 수 있도록 해야 합니다.
해결책:
관리형 온라인 엔드포인트를 생성하고 auto_mode 매개변수 값을 key로 설정합니다. 모델을 인라인 엔드포인트에 배포합니다.
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 64
Azure Machine Learning Studio를 사용하여 머신 러닝 실험을 구축합니다.
데이터를 두 개의 서로 다른 데이터 세트로 나누어야 합니다.
어떤 모듈을 사용해야 할까요?
데이터를 두 개의 서로 다른 데이터 세트로 나누어야 합니다.
어떤 모듈을 사용해야 할까요?
DP-100-KR 문제 65
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?