무료 온라인 액세스 Microsoft.DP-100.v2022-07-28.q224 모의 시험 (Page 9)

DP-100 문제 36

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.
IT 부서는 다음 Azure 리소스 그룹 및 리소스를 만듭니다.

IT 부서는 Azure Machine Learning 작업 영역에 aks-cluster라는 AKS(Azure Kubernetes Service) 기반 추론 컴퓨팅 대상을 만듭니다.
GPU가 있는 Microsoft Surface Book 컴퓨터가 있습니다. Python 3.6 및 Visual Studio Code가 설치됩니다.
심층 신경망(DNN) 모델을 훈련하고 손실 및 정확도 메트릭을 기록하는 스크립트를 실행해야 합니다.
솔루션: Surface Book에 Azure ML SDK를 설치합니다. Python 코드를 실행하여 작업 영역에 연결한 다음 훈련 스크립트를 로컬 컴퓨팅에 대한 실험으로 실행합니다.

A. 네

B. 아니요

DP-100 문제 37

완성된 이진 분류 기계를 평가하고 있습니다.
정밀도를 평가 메트릭으로 사용해야 합니다.
어떤 시각화를 사용해야 합니까?

A. 산점도

B. 결정 계수

C. 수신기 동작 특성 CROC) 곡선

D. 경사하강법

정답: C

수신기 작동 특성(또는 ROC)은 특정 모델에 대해 올바르게 분류된 레이블과 잘못 분류된 레이블의 플롯입니다.
참조:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-understand-automated-ml#confusion-matrix
주제 2, 개요
현재 환경
요구 사항
* 패널티 이벤트 감지에 사용되는 미디어는 소비자 기기에서 제공됩니다. 미디어에는 스포츠 경기 중 캡처하고 소셜 미디어를 사용하여 올가미한 이미지와 비디오가 포함될 수 있습니다. 이미지와 비디오는 다양한 크기와 형식을 갖습니다.
* 모델 구축에 사용할 수 있는 데이터는 7년 간의 스포츠 이벤트 미디어로 구성됩니다. 스포츠 이벤트 미디어에는 녹화된 비디오, 라디오 해설 스크립트 및 스포츠 이벤트 중에 캡처된 관련 소셜 미디어 피드 피드의 로그가 포함됩니다.
* 군중 감정에는 이벤트 참석자가 모노 및 스테레오 형식으로 제출한 오디오 녹음이 포함됩니다.
광고
* 광고 응답 모델은 각 이벤트가 시작될 때 학습되고 스포츠 이벤트 중에 적용되어야 합니다.
* 시장 세분화 nxxlels는 유사한 광고 보고서 기록에 대해 최적화해야 합니다.
* 샘플링은 동일한 기능을 공유하는 상호 및 집단 독점 로컬 및 글로벌 세분화 모델을 보장해야 합니다.
* 사용자의 광고 반응 성향을 판단하기 전에 현지 시장 세분화 모델을 적용합니다.
* 데이터 과학자는 모델 저하 및 붕괴를 감지할 수 있어야 합니다.
* 광고 응답 모델은 비선형 경계 기능을 지원해야 합니다.
* 광고 성향 모델은 컷 임계값이 0.45이고 가중치 카파가 0.1 +/-5%에서 벗어날 경우 재학습이 발생합니다.
* 광고 성향 모델은 다음 다이어그램에 표시된 비용 요소를 사용합니다.

광고 성향 모델은 다음 다이어그램에 표시된 제안된 비용 요소를 사용합니다.

현재 및 제안된 비용 요인 시나리오의 성능 곡선은 다음 다이어그램에 나와 있습니다.

페널티 감지 및 감정
결과
* 데이터 과학자는 패널티 이벤트 감지를 위해 여러 기계 학습 모델을 사용하여 지능형 솔루션을 구축해야 합니다.
* 데이터 과학자는 기계 학습 파이프라인에서 자동 기능 엔지니어링 및 모델 구축을 사용하여 로컬 환경에서 노트북을 구축해야 합니다.
* 동적 작업자 할당이 있는 Spark 인스턴스를 사용하여 재교육하려면 노트북을 배포해야 합니다.
* 노트북은 데이터 소스만 다시 코딩하려면 새 Spark 인스턴스에서 동일한 코드로 실행해야 합니다.
* 글로벌 페널티 감지 모델은 훈련 중에 동적 런타임 그래프 계산을 사용하여 훈련해야 합니다.
* 로컬 페널티 감지 모델은 BrainScript를 사용하여 작성해야 합니다.
* 로컬 군중 감정 모델에 대한 실험은 로컬 페널티 감지 데이터를 결합해야 합니다.
* 군중 감정 모델은 환호 및 알려진 캐치 프레이즈와 같은 알려진 소리를 식별해야 합니다. 개별 군중 감정 모델은 유사한 소리를 감지합니다.
* 로컬 모델의 모든 공유 기능은 연속 변수입니다.
* 공유 기능은 배정밀도를 사용해야 합니다. 후속 레이어에는 사용 가능한 집계 실행 평균 및 표준 편차 메트릭이 있어야 합니다.
세그먼트
생산 초기 몇 주 동안 다음이 관찰되었습니다.
* 광고 응답률이 감소했습니다.
* 드롭은 광고 스타일 전반에 걸쳐 일관되지 않았습니다.
* 교육 데이터와 프로덕션 데이터 간의 기능 분포가 일관되지 않습니다.
분석에 따르면 사용자 위치 및 행동에 대한 100개의 숫자 기능 중 위치 소스에서 가져온 47개의 기능이 원시 기능으로 사용되고 있습니다. 편향 및 분산 문제를 해결하기 위해 제안된 실험은 선형으로 수정되지 않은 10개의 기능을 엔지니어링하는 것입니다.
페널티 감지 및 감정
* 초기 데이터 검색은 군중 감정 모델에 사용되는 훈련 데이터에서 광범위한 대상 상태 밀도를 보여줍니다.
* 모든 패널티 감지 모델은 SGD(Stochastic Gradient Descent)를 사용하는 추론 단계가 너무 많이 실행되고 있음을 보여줍니다.
* 오디오 샘플은 캐치프레이즈의 길이가 지역에 따라 25%-47%로 다양함을 보여줍니다.
* 글로벌 페널티 감지 모델의 성능은 훈련 세트와 검증 세트를 비교할 때 분산은 낮지만 편향은 더 높습니다. 기능 변경을 구현하기 전에 모든 훈련 및 검증 사례를 사용하여 편향과 분산을 확인해야 합니다.

DP-100 문제 38

완료된 이진 분류 기계 학습 모델을 평가하고 있습니다.
정밀도를 평가 메트릭으로 사용해야 합니다.
어떤 시각화를 사용해야 합니까?

A. 바이올린 플롯

B. 경사하강법

C. 산점도

D. 수신기 작동 특성(ROC) 곡선

DP-100 문제 39

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.
Azure Machine Learning Studio를 사용하여 데이터 세트에서 기능 엔지니어링을 수행하고 있습니다.
빈으로 그룹화된 기능 열을 생성하려면 값을 정규화해야 합니다.
솔루션: 엔트로피 최소 설명 길이(MDL) 비닝 모드를 적용합니다.
솔루션이 목표를 충족합니까?

A. 네

B. 아니요

DP-100 문제 40

모델 교육 요구 사항에 대해 순열 기능 중요도 모듈을 구성해야 합니다.
당신은 무엇을해야합니까? 응답하려면 응답 영역의 대화 상자에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.

다른 버전: 862Microsoft.DP-100.v2026-08-11.q160; 3133Microsoft.DP-100.v2024-11-13.q443; 5017Microsoft.DP-100.v2024-05-29.q388; 2584Microsoft.DP-100.v2023-09-25.q323; 3190Microsoft.DP-100.v2022-12-19.q265; 2420Microsoft.DP-100.v2022-01-18.q134

최근 업로드: 111Oracle.1Z1-171.v2026-09-06.q38; 116SAP.C_S4TM.v2026-09-06.q71; 116Oracle.1Z0-1054-26.v2026-09-06.q65; 143Huawei.H12-831_V1.0.v2026-09-06.q231; 110Salesforce.Plat-Arch-205.v2026-09-06.q28; 103Salesforce.Plat-Arch-203.v2026-09-06.q90; 133Oracle.1Z0-1050-26.v2026-09-05.q19; 197Salesforce.Manufacturing-Cloud-Professional.v2026-09-05.q111; 217EXIN.ITILFND_V4.v2026-09-05.q129; 231Citrix.1Y0-312.v2026-09-05.q182