DP-100 문제 216
반정형, 비정형 및 정형 데이터 유형을 분석하기 위해 딥 러닝 모델을 개발 중입니다.
모델 구축에 사용할 수 있는 데이터는 다음과 같습니다.
* 스포츠 경기의 비디오 녹화
* 이벤트에 대한 라디오 해설 녹취
* 스포츠 경기 중 캡처된 관련 소셜 미디어 피드의 로그
모델 생성을 위한 환경을 선택해야 합니다.
어떤 환경을 사용해야 합니까?
모델 구축에 사용할 수 있는 데이터는 다음과 같습니다.
* 스포츠 경기의 비디오 녹화
* 이벤트에 대한 라디오 해설 녹취
* 스포츠 경기 중 캡처된 관련 소셜 미디어 피드의 로그
모델 생성을 위한 환경을 선택해야 합니다.
어떤 환경을 사용해야 합니까?
DP-100 문제 217
TensorFlow를 사용하여 딥 러닝 모델을 개발 중입니다. Azure Machine Learning Compute Instance에서 모델 학습 워크로드를 실행할 계획입니다.
CUDA 기반 모델 훈련을 사용해야 합니다.
Compute 인스턴스를 프로비저닝해야 합니다.
어떤 두 가지 가상 머신 크기를 사용할 수 있습니까? 응답하려면 응답 영역에서 적절한 가상 머신 크기를 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
CUDA 기반 모델 훈련을 사용해야 합니다.
Compute 인스턴스를 프로비저닝해야 합니다.
어떤 두 가지 가상 머신 크기를 사용할 수 있습니까? 응답하려면 응답 영역에서 적절한 가상 머신 크기를 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 218
가까운 기상 관측소에서 데이터를 수집합니다. 다음 데이터를 포함하는 weather_df라는 팬더 데이터 프레임이 있습니다.
데이터는 정오와 자정의 12시간마다 수집됩니다.
자동화된 기계 학습을 사용하여 다음 7일 동안의 온도를 예측하는 시계열 모델을 만들 계획입니다. 초기 훈련 라운드의 경우 최대 50개의 서로 다른 모델을 훈련하려고 합니다.
Azure Machine Learning SDK를 사용하여 자동화된 기계 학습 실험을 실행하여 이러한 모델을 교육해야 합니다.
자동화된 기계 학습 실행을 구성해야 합니다.
AutoMLConfig 정의를 어떻게 완료해야 하나요? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
데이터는 정오와 자정의 12시간마다 수집됩니다.
자동화된 기계 학습을 사용하여 다음 7일 동안의 온도를 예측하는 시계열 모델을 만들 계획입니다. 초기 훈련 라운드의 경우 최대 50개의 서로 다른 모델을 훈련하려고 합니다.
Azure Machine Learning SDK를 사용하여 자동화된 기계 학습 실험을 실행하여 이러한 모델을 교육해야 합니다.
자동화된 기계 학습 실행을 구성해야 합니다.
AutoMLConfig 정의를 어떻게 완료해야 하나요? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 219
폴더를 참조하는 csvjolder라는 파일 데이터 세트를 등록합니다. 폴더에는 Azure Storage Blob 컨테이너에 여러 CSV(쉼표로 구분된 값) 파일이 포함되어 있습니다. 다음 코드를 사용하여 파일 데이터 세트에서 데이터를 로드하는 스크립트를 실행할 계획입니다. 다음 변수를 만들고 인스턴스화합니다.
다음 코드가 있습니다.
스크립트가 참조하는 파일을 읽을 수 있도록 데이터 세트를 전달해야 합니다. 코드 주석을 대체하려면 어떤 코드 세그먼트를 삽입해야 합니까?
A)
B)
C)
D)
다음 코드가 있습니다.
스크립트가 참조하는 파일을 읽을 수 있도록 데이터 세트를 전달해야 합니다. 코드 주석을 대체하려면 어떤 코드 세그먼트를 삽입해야 합니까?
A)
B)
C)
D)
DP-100 문제 220
Azure Machine Learning Studio에서 실험을 만듭니다. 10.000개의 행이 포함된 교육 데이터 세트를 추가합니다. 처음 9,000개 행은 클래스 0(90%)을 나타냅니다. 처음 1,000개의 행은 클래스 1(10%)을 나타냅니다.
훈련 세트가 두 클래스 간에 불균형합니다. 데이터 행을 사용하여 클래스 1의 학습 예제 수를 4,000개로 늘려야 합니다. 실험에 SMOTE(Synthetic Minority Oversampling Technique) 모듈을 추가합니다.
모듈을 구성해야 합니다.
어떤 값을 사용해야 합니까? 응답하려면 응답 영역의 대화 상자에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
훈련 세트가 두 클래스 간에 불균형합니다. 데이터 행을 사용하여 클래스 1의 학습 예제 수를 4,000개로 늘려야 합니다. 실험에 SMOTE(Synthetic Minority Oversampling Technique) 모듈을 추가합니다.
모듈을 구성해야 합니다.
어떤 값을 사용해야 합니까? 응답하려면 응답 영역의 대화 상자에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
