DP-100 문제 56
Azure Machine Learning의 Hyperdrive 기능을 사용하여 모델을 훈련하고 있습니다.
다음 코드를 실행하여 Hyperdrive 실험을 구성합니다.
다음 각 문에 대해 해당 문이 참이면 예를 선택합니다. 그렇지 않으면 아니요를 선택합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
다음 코드를 실행하여 Hyperdrive 실험을 구성합니다.
다음 각 문에 대해 해당 문이 참이면 예를 선택합니다. 그렇지 않으면 아니요를 선택합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 57
Designer에서 파이프라인을 생성하여 자동차 가격을 예측하는 모델을 학습시킵니다.
데이터의 비선형 관계 때문에 파이프라인은 교육 데이터의 가격에 대한 자연 로그(Ln)를 계산하고 모델을 교육하여 이 가격 값의 자연 로그를 예측한 다음 점수가 매겨진 레이블의 지수를 계산하여 다음을 얻습니다. 예상 가격.
교육 파이프라인은 전시회에 표시됩니다. (교육 파이프라인 탭을 클릭합니다.) 교육 파이프라인
전시회에 표시된 대로 훈련 파이프라인에서 실시간 추론 파이프라인을 생성합니다. (실시간 파이프라인 탭을 클릭합니다.) 실시간 파이프라인
웹 서비스가 예상 자동차 가격으로 점수가 매겨진 레이블의 지수를 반환하고 클라이언트 애플리케이션이 입력 값에 가격 값을 포함할 필요가 없도록 추론 파이프라인을 수정해야 합니다.
추론 파이프라인에 대해 어떤 세 가지 수정 사항을 적용해야 합니까? 각 정답은 솔루션의 일부를 나타냅니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
데이터의 비선형 관계 때문에 파이프라인은 교육 데이터의 가격에 대한 자연 로그(Ln)를 계산하고 모델을 교육하여 이 가격 값의 자연 로그를 예측한 다음 점수가 매겨진 레이블의 지수를 계산하여 다음을 얻습니다. 예상 가격.
교육 파이프라인은 전시회에 표시됩니다. (교육 파이프라인 탭을 클릭합니다.) 교육 파이프라인
전시회에 표시된 대로 훈련 파이프라인에서 실시간 추론 파이프라인을 생성합니다. (실시간 파이프라인 탭을 클릭합니다.) 실시간 파이프라인
웹 서비스가 예상 자동차 가격으로 점수가 매겨진 레이블의 지수를 반환하고 클라이언트 애플리케이션이 입력 값에 가격 값을 포함할 필요가 없도록 추론 파이프라인을 수정해야 합니다.
추론 파이프라인에 대해 어떤 세 가지 수정 사항을 적용해야 합니까? 각 정답은 솔루션의 일부를 나타냅니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 58
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.
작업 영역에서 Azure Machine Learning 서비스 데이터 저장소를 만듭니다. 데이터 저장소에는 다음 파일이 포함되어 있습니다.
* /data/2018/Q1.csv
* /data/2018/Q2.csv
* /data/2018/Q3.csv
* /data/2018/Q4.csv
* /data/2019/Q1.csv
모든 파일은 다음 형식으로 데이터를 저장합니다.
아이디, f1, f2i
1,1.2,0
2,1,1,
1 3,2.1,0
다음 코드를 실행합니다.
training_data라는 데이터 세트를 만들고 다음 코드를 사용하여 모든 파일의 데이터를 단일 데이터 프레임으로 로드해야 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.
작업 영역에서 Azure Machine Learning 서비스 데이터 저장소를 만듭니다. 데이터 저장소에는 다음 파일이 포함되어 있습니다.
* /data/2018/Q1.csv
* /data/2018/Q2.csv
* /data/2018/Q3.csv
* /data/2018/Q4.csv
* /data/2019/Q1.csv
모든 파일은 다음 형식으로 데이터를 저장합니다.
아이디, f1, f2i
1,1.2,0
2,1,1,
1 3,2.1,0
다음 코드를 실행합니다.
training_data라는 데이터 세트를 만들고 다음 코드를 사용하여 모든 파일의 데이터를 단일 데이터 프레임으로 로드해야 합니다.
솔루션: 다음 코드를 실행합니다.
솔루션이 목표를 충족합니까?
DP-100 문제 59
Azure Machine Learning을 사용하여 기계 학습 모델을 만듭니다.
다양한 컴퓨팅 컨텍스트를 사용하여 모델을 훈련하고 점수를 매길 계획입니다. 또한 Azure Machine Learning Studio에서 새 계산 리소스를 만들 계획입니다.
적절한 컴퓨팅 유형을 선택해야 합니다.
어떤 컴퓨팅 유형을 선택해야 합니까? 대답하려면 적절한 컴퓨팅 유형을 올바른 요구 사항으로 드래그하십시오. 각 컴퓨팅 유형은 한 번, 두 번 이상 또는 전혀 사용되지 않을 수 있습니다. 콘텐츠를 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수 있습니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
다양한 컴퓨팅 컨텍스트를 사용하여 모델을 훈련하고 점수를 매길 계획입니다. 또한 Azure Machine Learning Studio에서 새 계산 리소스를 만들 계획입니다.
적절한 컴퓨팅 유형을 선택해야 합니다.
어떤 컴퓨팅 유형을 선택해야 합니까? 대답하려면 적절한 컴퓨팅 유형을 올바른 요구 사항으로 드래그하십시오. 각 컴퓨팅 유형은 한 번, 두 번 이상 또는 전혀 사용되지 않을 수 있습니다. 콘텐츠를 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수 있습니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 60
광고 응답을 위한 모델링 전략을 정의해야 합니다.
어떤 세 가지 작업을 순서대로 수행해야 합니까? 응답하려면 조치 목록에서 해당 조치를 응답 영역으로 이동하고 올바른 순서로 정렬하십시오.
어떤 세 가지 작업을 순서대로 수행해야 합니까? 응답하려면 조치 목록에서 해당 조치를 응답 영역으로 이동하고 올바른 순서로 정렬하십시오.
