DP-100-KR 문제 196
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 197
csvjolder라는 파일 데이터셋을 등록하고 해당 데이터셋이 폴더를 참조하도록 설정합니다. 이 폴더에는 Azure Storage Blob 컨테이너에 저장된 여러 개의 CSV(쉼표로 구분된 값) 파일이 포함되어 있습니다. 다음 코드를 사용하여 파일 데이터셋에서 데이터를 로드하는 스크립트를 실행할 계획입니다. 다음 변수들을 생성하고 인스턴스화합니다.
다음과 같은 코드가 있습니다.
스크립트가 참조하는 파일을 읽을 수 있도록 데이터셋을 전달해야 합니다. 코드 주석을 대체할 코드 조각은 어떤 것입니까?
다음과 같은 코드가 있습니다.
스크립트가 참조하는 파일을 읽을 수 있도록 데이터셋을 전달해야 합니다. 코드 주석을 대체할 코드 조각은 어떤 것입니까?
DP-100-KR 문제 198
Azure Machine Learning 학습 실험을 실행합니다. 학습 스크립트 디렉터리에는 .amlignore라는 파일을 포함하여 총 100개의 파일이 있습니다. 또한 이 디렉터리에는 /outputs 및 /logs라는 하위 디렉터리가 있습니다.
학습 스크립트 디렉터리에는 컴퓨팅 대상에 대한 스냅샷에서 제외해야 하는 파일이 20개 있습니다. 디렉터리 루트에 `.giftignore`라는 파일을 생성하고, 해당 20개 파일의 이름을 이 파일에 추가합니다. 그러면 이 20개 파일은 컴퓨팅 대상에 계속 복사됩니다.
20개의 파일을 제외해야 합니다. 어떻게 해야 할까요?
학습 스크립트 디렉터리에는 컴퓨팅 대상에 대한 스냅샷에서 제외해야 하는 파일이 20개 있습니다. 디렉터리 루트에 `.giftignore`라는 파일을 생성하고, 해당 20개 파일의 이름을 이 파일에 추가합니다. 그러면 이 20개 파일은 컴퓨팅 대상에 계속 복사됩니다.
20개의 파일을 제외해야 합니다. 어떻게 해야 할까요?
DP-100-KR 문제 199
Azure Machine Learning 작업 영역을 관리합니다.
MLflow 모델이 이미 등록되어 있습니다. 배포 시 추론 방식을 사용자 지정하려고 합니다. 배치 추론을 위해 MLflow 모델을 배치 엔드포인트에 배포해야 합니다. 먼저 무엇을 생성해야 할까요?
MLflow 모델이 이미 등록되어 있습니다. 배포 시 추론 방식을 사용자 지정하려고 합니다. 배치 추론을 위해 MLflow 모델을 배치 엔드포인트에 배포해야 합니다. 먼저 무엇을 생성해야 할까요?
DP-100-KR 문제 200
이전에 `training-dataset`이라는 테이블 형식 데이터셋을 사용하여 학습된 모델을 배포했는데, 이 데이터셋은 CSV 파일이 담긴 폴더를 기반으로 합니다.
시간이 지남에 따라 모델이 생성한 특징과 예측 레이블을 각 월별 CSV 파일이 포함된 폴더에 수집했습니다. 추론 데이터가 포함된 폴더를 기반으로 두 개의 표 형식 데이터셋을 생성했습니다. 하나는 예측 레이블을 포함하여 훈련 데이터와 정확히 일치하는 스키마를 가진 'predictions-dataset'이고, 다른 하나는 모든 특징 열과 파일 이름(일, 월, 연도 포함)을 기반으로 하는 타임스탬프 열을 포함하는 스키마를 가진 'features-dataset'입니다.
모델 학습 이후 특징 데이터의 변화 추세를 파악하려면 데이터 드리프트 모니터를 생성해야 합니다. 이를 위해서는 데이터 드리프트 모니터에 필요한 데이터 세트를 정의해야 합니다.
데이터 드리프트 모니터를 구성하는 데 어떤 데이터 세트를 사용해야 할까요? 해당 데이터 세트를 올바른 데이터 드리프트 모니터 옵션으로 드래그하여 선택하세요. 각 데이터 세트는 한 번, 여러 번 또는 전혀 사용되지 않을 수 있습니다. 내용을 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.
시간이 지남에 따라 모델이 생성한 특징과 예측 레이블을 각 월별 CSV 파일이 포함된 폴더에 수집했습니다. 추론 데이터가 포함된 폴더를 기반으로 두 개의 표 형식 데이터셋을 생성했습니다. 하나는 예측 레이블을 포함하여 훈련 데이터와 정확히 일치하는 스키마를 가진 'predictions-dataset'이고, 다른 하나는 모든 특징 열과 파일 이름(일, 월, 연도 포함)을 기반으로 하는 타임스탬프 열을 포함하는 스키마를 가진 'features-dataset'입니다.
모델 학습 이후 특징 데이터의 변화 추세를 파악하려면 데이터 드리프트 모니터를 생성해야 합니다. 이를 위해서는 데이터 드리프트 모니터에 필요한 데이터 세트를 정의해야 합니다.
데이터 드리프트 모니터를 구성하는 데 어떤 데이터 세트를 사용해야 할까요? 해당 데이터 세트를 올바른 데이터 드리프트 모니터 옵션으로 드래그하여 선택하세요. 각 데이터 세트는 한 번, 여러 번 또는 전혀 사용되지 않을 수 있습니다. 내용을 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.
