DP-100 문제 171
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.
여러 열에 누락된 값이 포함된 숫자 데이터 세트를 분석하고 있습니다.
기능 세트의 차원에 영향을 주지 않고 적절한 작업을 사용하여 누락된 값을 정리해야 합니다.
모든 값을 포함하려면 전체 데이터 세트를 분석해야 합니다.
솔루션: LOCF(Last Observation Carried Forward) 방법을 사용하여 누락된 데이터 포인트를 대치합니다.
솔루션이 목표를 충족합니까?
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
여러 열에 누락된 값이 포함된 숫자 데이터 세트를 분석하고 있습니다.
기능 세트의 차원에 영향을 주지 않고 적절한 작업을 사용하여 누락된 값을 정리해야 합니다.
모든 값을 포함하려면 전체 데이터 세트를 분석해야 합니다.
솔루션: LOCF(Last Observation Carried Forward) 방법을 사용하여 누락된 데이터 포인트를 대치합니다.
솔루션이 목표를 충족합니까?
DP-100 문제 172
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 Studio에서 새 실험을 만들고 있습니다.
한 클래스는 훈련 세트의 다른 클래스보다 관측값 수가 훨씬 적습니다.
클래스 불균형을 보상하려면 적절한 데이터 샘플링 전략을 선택해야 합니다.
솔루션: Scale and Reduce 샘플링 모드를 사용합니다.
솔루션이 목표를 충족합니까?
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
Azure Machine Learning Studio에서 새 실험을 만들고 있습니다.
한 클래스는 훈련 세트의 다른 클래스보다 관측값 수가 훨씬 적습니다.
클래스 불균형을 보상하려면 적절한 데이터 샘플링 전략을 선택해야 합니다.
솔루션: Scale and Reduce 샘플링 모드를 사용합니다.
솔루션이 목표를 충족합니까?
DP-100 문제 173
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 사용하는 데이터 과학자입니다.
대상 열을 예측하기 위해 출력 열을 Bin으로 생성하려면 값을 정규화해야 합니다.
솔루션: 사용자 정의 시작 및 중지 비닝 모드로 동일한 너비를 적용합니다.
솔루션이 목표를 충족합니까?
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
Azure Machine Learning Studio를 사용하는 데이터 과학자입니다.
대상 열을 예측하기 위해 출력 열을 Bin으로 생성하려면 값을 정규화해야 합니다.
솔루션: 사용자 정의 시작 및 중지 비닝 모드로 동일한 너비를 적용합니다.
솔루션이 목표를 충족합니까?
DP-100 문제 174
다중 클래스 이미지 분류 딥 러닝 모델을 생성합니다.
모델은 공개 웹 포털에서 가져온 새 이미지 데이터를 사용하여 매월 재학습해야 합니다. Azure Machine Learning 파이프라인을 만들어 새 데이터를 가져오고, 이미지 크기를 표준화하고, 모델을 다시 학습시킵니다.
Azure Machine Learning SDK를 사용하여 파이프라인 일정을 구성해야 합니다.
순서대로 수행해야 하는 4가지 작업. 응답하려면 조치 목록에서 해당 조치를 응답 영역으로 이동하고 올바른 순서로 정렬하십시오.
모델은 공개 웹 포털에서 가져온 새 이미지 데이터를 사용하여 매월 재학습해야 합니다. Azure Machine Learning 파이프라인을 만들어 새 데이터를 가져오고, 이미지 크기를 표준화하고, 모델을 다시 학습시킵니다.
Azure Machine Learning SDK를 사용하여 파이프라인 일정을 구성해야 합니다.
순서대로 수행해야 하는 4가지 작업. 응답하려면 조치 목록에서 해당 조치를 응답 영역으로 이동하고 올바른 순서로 정렬하십시오.
DP-100 문제 175
Azure Machine Learning에서 원격 컴퓨팅에 대한 교육 실험을 실행하고 있습니다.
실험은 mlflow 및 azureml-contrib-run 패키지를 포함하는 conda 환경을 사용하도록 구성됩니다.
실험에서 생성된 메트릭을 추적하기 위한 로깅 패키지로 MLflow를 사용해야 합니다.
실험을 위한 스크립트를 완료해야 합니다.
코드를 어떻게 완성해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
실험은 mlflow 및 azureml-contrib-run 패키지를 포함하는 conda 환경을 사용하도록 구성됩니다.
실험에서 생성된 메트릭을 추적하기 위한 로깅 패키지로 MLflow를 사용해야 합니다.
실험을 위한 스크립트를 완료해야 합니다.
코드를 어떻게 완성해야 합니까? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
