DP-100 문제 56
참고: 이 질문은 동일한 시나리오를 제시하는 일련의 질문 중 일부입니다. 시리즈의 각 질문에는 명시된 목표를 충족할 수 있는 고유한 솔루션이 포함되어 있습니다. 일부 질문 세트에는 둘 이상의 올바른 솔루션이 있을 수 있지만 다른 질문 세트에는 올바른 솔루션이 없을 수 있습니다.
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
과거 데이터를 기반으로 기상 조건을 예측하는 모델을 생성합니다.
데이터 저장소에서 데이터를 로드하고 처리된 데이터를 기계 학습 모델 학습 스크립트로 전달하기 위해 처리 스크립트를 실행하는 파이프라인을 생성해야 합니다.
솔루션: 다음 코드를 실행합니다.
솔루션이 목표를 충족합니까?
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
과거 데이터를 기반으로 기상 조건을 예측하는 모델을 생성합니다.
데이터 저장소에서 데이터를 로드하고 처리된 데이터를 기계 학습 모델 학습 스크립트로 전달하기 위해 처리 스크립트를 실행하는 파이프라인을 생성해야 합니다.
솔루션: 다음 코드를 실행합니다.
솔루션이 목표를 충족합니까?
DP-100 문제 57
Azure Machine Learning Studio에서 선형 회귀 모델을 개발 중입니다. 다양한 알고리즘을 비교하기 위해 실험을 실행합니다.
다음 이미지는 결과 데이터 세트 출력을 표시합니다.
드롭다운 메뉴를 사용하여 이미지에 표시된 정보를 기반으로 각 질문에 대한 답변을 선택합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
다음 이미지는 결과 데이터 세트 출력을 표시합니다.
드롭다운 메뉴를 사용하여 이미지에 표시된 정보를 기반으로 각 질문에 대한 답변을 선택합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 58
Azure Machine Learning을 사용하여 모델을 학습하고 등록합니다.
IT 부서가 Azure Machine Learning 작업 영역에서 만든 service-compute라는 추론 클러스터에 실시간 웹 서비스로 프로덕션에 모델을 배포해야 합니다.
배포된 웹 서비스를 사용하는 클라이언트 애플리케이션은 해당 Azure Active Directory 서비스 주체를 기반으로 인증되어야 합니다.
Azure Machine Learning SDK를 사용하여 모델을 배포하는 스크립트를 작성해야 합니다. 필요한 모듈을 가져왔습니다.
코드를 어떻게 완성해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
IT 부서가 Azure Machine Learning 작업 영역에서 만든 service-compute라는 추론 클러스터에 실시간 웹 서비스로 프로덕션에 모델을 배포해야 합니다.
배포된 웹 서비스를 사용하는 클라이언트 애플리케이션은 해당 Azure Active Directory 서비스 주체를 기반으로 인증되어야 합니다.
Azure Machine Learning SDK를 사용하여 모델을 배포하는 스크립트를 작성해야 합니다. 필요한 모듈을 가져왔습니다.
코드를 어떻게 완성해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 59
X, Y 및 Z와 같은 숫자 기능을 포함하는 기능 세트가 있습니다.
X, Y 및 Z 기능의 푸아송 상관 계수(r-값)는 다음 이미지에 표시됩니다.
드롭다운 메뉴를 사용하여 그래픽에 표시된 정보를 기반으로 각 질문에 대한 답변을 선택합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
X, Y 및 Z 기능의 푸아송 상관 계수(r-값)는 다음 이미지에 표시됩니다.
드롭다운 메뉴를 사용하여 그래픽에 표시된 정보를 기반으로 각 질문에 대한 답변을 선택합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 60
다음과 같이 정의된 6개의 데이터 포인트가 포함된 Python NumPy 배열을 평가하고 있습니다.
데이터 = [10, 20, 30, 40, 50, 60]
Python Scikit-learn 기계 학습 라이브러리에서 k-fold 알고리즘 삽입을 사용하여 다음 출력을 생성해야 합니다.
기차: [10 40 50 60], 테스트: [20 30]
기차: [20 30 40 60], 테스트: [10 50]
기차: [10 20 30 50], 테스트: [40 60]
출력을 생성하려면 교차 검증을 구현해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 응답하려면 응답 영역의 대화 상자에서 적절한 코드 세그먼트를 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
데이터 = [10, 20, 30, 40, 50, 60]
Python Scikit-learn 기계 학습 라이브러리에서 k-fold 알고리즘 삽입을 사용하여 다음 출력을 생성해야 합니다.
기차: [10 40 50 60], 테스트: [20 30]
기차: [20 30 40 60], 테스트: [10 50]
기차: [10 20 30 50], 테스트: [40 60]
출력을 생성하려면 교차 검증을 구현해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 응답하려면 응답 영역의 대화 상자에서 적절한 코드 세그먼트를 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
