DP-100-KR 문제 181
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.
머신러닝 모델을 학습시키고 등록합니다.
모델을 실시간 웹 서비스로 배포할 계획입니다. 애플리케이션은 모델을 사용하기 위해 키 기반 인증을 사용해야 합니다.
웹 서비스를 배포해야 합니다.
해결책:
AksWebservice 인스턴스를 생성합니다.
auth_enabled 속성 값을 True로 설정하세요.
모델을 서비스에 배포합니다.
이 해결책은 목표를 달성합니까?
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
머신러닝 모델을 학습시키고 등록합니다.
모델을 실시간 웹 서비스로 배포할 계획입니다. 애플리케이션은 모델을 사용하기 위해 키 기반 인증을 사용해야 합니다.
웹 서비스를 배포해야 합니다.
해결책:
AksWebservice 인스턴스를 생성합니다.
auth_enabled 속성 값을 True로 설정하세요.
모델을 서비스에 배포합니다.
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 182
Azure Machine Learning 작업 영역이 있습니다. 스윕 작업을 사용하여 모델 하이퍼파라미터를 튜닝할 계획입니다.
성능이 저조한 작업을 조기에 종료하고 하이퍼파라미터를 지속적으로 모니터링할 수 있는 샘플링 방법을 찾아야 합니다.
해결책: 초매개변수 공간에 대해 소볼 샘플링 방법을 사용합니다.
이 해결책은 목표를 달성합니까?
성능이 저조한 작업을 조기에 종료하고 하이퍼파라미터를 지속적으로 모니터링할 수 있는 샘플링 방법을 찾아야 합니다.
해결책: 초매개변수 공간에 대해 소볼 샘플링 방법을 사용합니다.
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 183
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 184
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.
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_list('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.
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_list('레이블 값', label_vals)
이 해결책은 목표를 달성합니까?
DP-100-KR 문제 185
Azure Machine Learning 작업 영역을 생성합니다.
다음 요구 사항을 충족하는 DataScientist라는 이름의 사용자 지정 역할을 생성해야 합니다.
역할 구성원은 작업 공간을 삭제할 수 없어야 합니다.
역할 구성원은 워크스페이스에서 컴퓨팅 리소스를 생성, 업데이트 또는 삭제할 수 없어야 합니다.
역할 구성원은 작업 공간에 새 사용자를 추가할 수 없어야 합니다.
Azure Machine Learning 작업 영역의 데이터 과학자 역할에 대한 JSON 파일을 생성해야 합니다.
사용자 지정 역할은 IT 운영팀에서 지정한 제한 사항을 준수해야 합니다.
어떤 JSON 코드 부분을 사용해야 할까요?
다음 요구 사항을 충족하는 DataScientist라는 이름의 사용자 지정 역할을 생성해야 합니다.
역할 구성원은 작업 공간을 삭제할 수 없어야 합니다.
역할 구성원은 워크스페이스에서 컴퓨팅 리소스를 생성, 업데이트 또는 삭제할 수 없어야 합니다.
역할 구성원은 작업 공간에 새 사용자를 추가할 수 없어야 합니다.
Azure Machine Learning 작업 영역의 데이터 과학자 역할에 대한 JSON 파일을 생성해야 합니다.
사용자 지정 역할은 IT 운영팀에서 지정한 제한 사항을 준수해야 합니다.
어떤 JSON 코드 부분을 사용해야 할까요?