DP-100 문제 256
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.
IT 부서는 다음 Azure 리소스 그룹 및 리소스를 만듭니다.
IT 부서는 Azure Machine Learning 작업 영역에서 aks-cluster라는 AKS(Azure Kubernetes Service) 기반 유추 컴퓨팅 대상을 만듭니다. GPU가 있는 Microsoft Surface Book 컴퓨터가 있습니다. Python 3.6 및 Visual Studio Code가 설치됩니다.
DNN(심층 신경망) 모델을 교육하고 손실 및 정확도 지표를 기록하는 스크립트를 실행해야 합니다.
솔루션: Surface Book에 Azure ML SDK를 설치합니다. Python 코드를 실행하여 작업 영역에 연결합니다. aks-cluster 컴퓨팅 대상에서 실험으로 학습 스크립트를 실행합니다.
솔루션이 목표를 충족합니까?
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 영역에서 aks-cluster라는 AKS(Azure Kubernetes Service) 기반 유추 컴퓨팅 대상을 만듭니다. GPU가 있는 Microsoft Surface Book 컴퓨터가 있습니다. Python 3.6 및 Visual Studio Code가 설치됩니다.
DNN(심층 신경망) 모델을 교육하고 손실 및 정확도 지표를 기록하는 스크립트를 실행해야 합니다.
솔루션: Surface Book에 Azure ML SDK를 설치합니다. Python 코드를 실행하여 작업 영역에 연결합니다. aks-cluster 컴퓨팅 대상에서 실험으로 학습 스크립트를 실행합니다.
솔루션이 목표를 충족합니까?
DP-100 문제 257
X, Y 및 Z와 같은 숫자 기능을 포함하는 기능 세트가 있습니다.
X, Y 및 Z 기능의 푸아송 상관 계수(r-값)는 다음 이미지에 표시됩니다.
드롭다운 메뉴를 사용하여 그래픽에 표시된 정보를 기반으로 각 질문에 대답하는 답변 선택 항목을 선택합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
X, Y 및 Z 기능의 푸아송 상관 계수(r-값)는 다음 이미지에 표시됩니다.
드롭다운 메뉴를 사용하여 그래픽에 표시된 정보를 기반으로 각 질문에 대답하는 답변 선택 항목을 선택합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 258
Azure Machine Learning 작업 영역을 만듭니다. 작업 영역에는 sample.dataset라는 데이터 세트, 컴퓨팅 인스턴스 및 컴퓨팅 클러스터가 포함됩니다. 데이터 세트의 데이터를 준비한 다음 준비된 데이터를 기반으로 모델을 훈련 및 등록하는 2단계 파이프라인을 생성해야 합니다. 파이프라인의 첫 번째 단계에는 다음 코드가 포함됩니다.
두 번째 단계의 입력으로 사용할 수 있는 스크립트의 첫 번째 단계 출력이 포함된 위치를 식별해야 합니다. 어떤 저장 위치를 사용해야 합니까?
두 번째 단계의 입력으로 사용할 수 있는 스크립트의 첫 번째 단계 출력이 포함된 위치를 식별해야 합니다. 어떤 저장 위치를 사용해야 합니까?
DP-100 문제 259
모델 적합 문제를 수정해야 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.
DP-100 문제 260
Azure ML SDK를 사용하여 배치 유추 파이프라인을 만듭니다. 다음 코드를 사용하여 파이프라인을 실행합니다.
azureml.pipeline.core 가져오기 파이프라인에서
azureml.core.experiment 가져오기 실험에서
파이프라인 = 파이프라인(작업 공간=ws, 단계=[parallelrun_step])
pipeline_run = 실험(ws, 'batch_pipeline').제출(파이프라인)
파이프라인 실행의 진행 상황을 모니터링해야 합니다.
이 목표를 달성할 수 있는 두 가지 가능한 방법은 무엇입니까? 각 정답은 완전한 솔루션을 제시합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
azureml.pipeline.core 가져오기 파이프라인에서
azureml.core.experiment 가져오기 실험에서
파이프라인 = 파이프라인(작업 공간=ws, 단계=[parallelrun_step])
pipeline_run = 실험(ws, 'batch_pipeline').제출(파이프라인)
파이프라인 실행의 진행 상황을 모니터링해야 합니다.
이 목표를 달성할 수 있는 두 가지 가능한 방법은 무엇입니까? 각 정답은 완전한 솔루션을 제시합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.