DP-100 문제 41
Azure Machine Learning의 원격 컴퓨팅에서 학습 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 완성해야 합니다. 코드를 어떻게 완성해야 합니까? 대답하려면 대답 영역에서 적절한 옵션을 선택하십시오.
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 완성해야 합니다. 코드를 어떻게 완성해야 합니까? 대답하려면 대답 영역에서 적절한 옵션을 선택하십시오.
DP-100 문제 42
분류 작업을 해결하고 있습니다.
k-폴드 교차 검증을 사용하여 제한된 데이터 샘플에서 모델을 평가해야 합니다. ak 매개변수를 분할 수로 구성하여 시작합니다.
교차 검증을 위해 k 매개변수를 구성해야 합니다.
어떤 값을 사용해야 합니까?
k-폴드 교차 검증을 사용하여 제한된 데이터 샘플에서 모델을 평가해야 합니다. ak 매개변수를 분할 수로 구성하여 시작합니다.
교차 검증을 위해 k 매개변수를 구성해야 합니다.
어떤 값을 사용해야 합니까?
DP-100 문제 43
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 하나 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.
로지스틱 회귀 알고리즘을 사용하여 분류 모델을 교육합니다.
전체 글로벌 상대 중요도 값과 특정 예측 집합에 대한 로컬 중요도 측정값으로 각 기능의 중요도를 계산하여 모델의 예측을 설명할 수 있어야 합니다.
필요한 전역 및 로컬 기능 중요도 값을 검색하는 데 사용할 수 있는 설명자를 만들어야 합니다.
솔루션: PFIExplainer를 생성합니다.
솔루션이 목표를 충족합니까?
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
로지스틱 회귀 알고리즘을 사용하여 분류 모델을 교육합니다.
전체 글로벌 상대 중요도 값과 특정 예측 집합에 대한 로컬 중요도 측정값으로 각 기능의 중요도를 계산하여 모델의 예측을 설명할 수 있어야 합니다.
필요한 전역 및 로컬 기능 중요도 값을 검색하는 데 사용할 수 있는 설명자를 만들어야 합니다.
솔루션: PFIExplainer를 생성합니다.
솔루션이 목표를 충족합니까?
DP-100 문제 44
Azure Machine Learning Studio에서 다중 선형 회귀 모델을 생성하고 있습니다.
여러 독립 변수는 높은 상관 관계가 있습니다.
모든 데이터에 대해 효과적인 기능 엔지니어링을 수행하려면 적절한 방법을 선택해야 합니다.
어떤 세 가지 작업을 순서대로 수행해야 합니까? 응답하려면 작업 목록에서 해당 작업을 응답 영역으로 이동하고 올바른 순서로 정렬하십시오.
여러 독립 변수는 높은 상관 관계가 있습니다.
모든 데이터에 대해 효과적인 기능 엔지니어링을 수행하려면 적절한 방법을 선택해야 합니다.
어떤 세 가지 작업을 순서대로 수행해야 합니까? 응답하려면 작업 목록에서 해당 작업을 응답 영역으로 이동하고 올바른 순서로 정렬하십시오.
DP-100 문제 45
여러 에포크에 걸쳐 컨벌루션 신경망 모델을 훈련하고 각 에포크 후 검증 손실을 기록하는 스크립트를 생성합니다. 스크립트에는 배치 크기 및 학습률에 대한 인수가 포함되어 있습니다.
시도하려는 배치 크기 및 학습률 값 집합을 식별합니다.
유효성 검사 손실이 가장 낮은 모델을 생성하는 배치 크기와 학습 속도의 조합을 찾으려면 Azure Machine Learning을 사용해야 합니다.
어떻게 해야 합니까?
시도하려는 배치 크기 및 학습률 값 집합을 식별합니다.
유효성 검사 손실이 가장 낮은 모델을 생성하는 배치 크기와 학습 속도의 조합을 찾으려면 Azure Machine Learning을 사용해야 합니다.
어떻게 해야 합니까?