DP-100 문제 311
Azure Machine Learning Studio에서 실험을 만듭니다. 10,000개의 행이 포함된 학습 데이터 세트를 추가합니다. 처음 9,000개의 행은 클래스 0(90%)을 나타냅니다.
나머지 1,000개 행은 클래스 1(10%)을 나타냅니다.
훈련 세트는 두 클래스 간의 불균형입니다. 5개의 데이터 행을 사용하여 클래스 1의 훈련 예제 수를 4,000개로 늘려야 합니다. SMOTE(Synthetic Minority Oversampling Technique) 모듈을 실험에 추가합니다.
모듈을 구성해야 합니다.
어떤 값을 사용해야 합니까? 응답하려면 응답 영역의 대화 상자에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
나머지 1,000개 행은 클래스 1(10%)을 나타냅니다.
훈련 세트는 두 클래스 간의 불균형입니다. 5개의 데이터 행을 사용하여 클래스 1의 훈련 예제 수를 4,000개로 늘려야 합니다. SMOTE(Synthetic Minority Oversampling Technique) 모듈을 실험에 추가합니다.
모듈을 구성해야 합니다.
어떤 값을 사용해야 합니까? 응답하려면 응답 영역의 대화 상자에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 312
디자이너에서 파이프라인을 생성하여 자동차 가격을 예측하는 모델을 교육합니다.
데이터의 비선형 관계로 인해 파이프라인은 교육 데이터 가격의 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. (학습 파이프라인 탭을 클릭합니다.) 학습 파이프라인
전시회에 표시된 대로 학습 파이프라인에서 실시간 추론 파이프라인을 생성합니다. (실시간 파이프라인 탭을 클릭합니다.) 실시간 파이프라인
웹 서비스가 예상 자동차 가격으로 스코어링된 레이블의 지수를 반환하고 클라이언트 애플리케이션이 입력 값에 가격 값을 포함하지 않아도 되도록 유추 파이프라인을 수정해야 합니다.
추론 파이프라인에서 수정해야 하는 세 가지 사항은 무엇인가요? 각 정답은 솔루션의 일부를 나타냅니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
데이터의 비선형 관계로 인해 파이프라인은 교육 데이터 가격의 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. (학습 파이프라인 탭을 클릭합니다.) 학습 파이프라인
전시회에 표시된 대로 학습 파이프라인에서 실시간 추론 파이프라인을 생성합니다. (실시간 파이프라인 탭을 클릭합니다.) 실시간 파이프라인
웹 서비스가 예상 자동차 가격으로 스코어링된 레이블의 지수를 반환하고 클라이언트 애플리케이션이 입력 값에 가격 값을 포함하지 않아도 되도록 유추 파이프라인을 수정해야 합니다.
추론 파이프라인에서 수정해야 하는 세 가지 사항은 무엇인가요? 각 정답은 솔루션의 일부를 나타냅니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 313
다음과 같이 정의된 6개의 데이터 포인트가 포함된 Python NumPy 배열을 평가하고 있습니다.
데이터 = [10, 20, 30, 40, 50, 60]
Python Scikit-learn 기계 학습 라이브러리에서 k-겹 알고리즘 이식을 사용하여 다음 출력을 생성해야 합니다.
학습: [10 40 50 60], 테스트: [20 30]
학습: [20 30 40 60], 테스트: [10 50]
학습: [10 20 30 50], 테스트: [40 60]
출력을 생성하려면 교차 검증을 구현해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 응답하려면 응답 영역의 대화 상자에서 적절한 코드 세그먼트를 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
데이터 = [10, 20, 30, 40, 50, 60]
Python Scikit-learn 기계 학습 라이브러리에서 k-겹 알고리즘 이식을 사용하여 다음 출력을 생성해야 합니다.
학습: [10 40 50 60], 테스트: [20 30]
학습: [20 30 40 60], 테스트: [10 50]
학습: [10 20 30 50], 테스트: [40 60]
출력을 생성하려면 교차 검증을 구현해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 응답하려면 응답 영역의 대화 상자에서 적절한 코드 세그먼트를 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-100 문제 314
다중 클래스 이미지 분류 딥 러닝 모델을 생성합니다.
모델은 공개 웹 포털에서 가져온 새 이미지 데이터를 사용하여 매월 재교육해야 합니다. Azure Machine Learning 파이프라인을 만들어 새 데이터를 가져오고, 이미지 크기를 표준화하고, 모델을 다시 학습시킵니다.
파이프라인 일정을 구성하려면 Azure Machine Learning SDK를 사용해야 합니다.
어떤 네 가지 작업을 순서대로 수행해야 합니까? 응답하려면 작업 목록에서 해당 작업을 응답 영역으로 이동하고 올바른 순서로 정렬하십시오.
모델은 공개 웹 포털에서 가져온 새 이미지 데이터를 사용하여 매월 재교육해야 합니다. Azure Machine Learning 파이프라인을 만들어 새 데이터를 가져오고, 이미지 크기를 표준화하고, 모델을 다시 학습시킵니다.
파이프라인 일정을 구성하려면 Azure Machine Learning SDK를 사용해야 합니다.
어떤 네 가지 작업을 순서대로 수행해야 합니까? 응답하려면 작업 목록에서 해당 작업을 응답 영역으로 이동하고 올바른 순서로 정렬하십시오.
DP-100 문제 315
Azure에서 Windows 및 Linux용 DSVM(데이터 과학 가상 머신)을 사용합니다.
DSVM에 액세스해야 합니다.
어떤 유틸리티를 사용해야 합니까? 대답하려면 대답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DSVM에 액세스해야 합니다.
어떤 유틸리티를 사용해야 합니까? 대답하려면 대답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
