DP-100 문제 131
Azure Databricks 작업 영역과 연결된 Azure Machine Learning 작업 영역을 만듭니다.
Azure Machine Learning 작업 영역에는 다음과 같은 Python 코드 세그먼트가 있습니다.
mlflow 가져오기
mlflow.azureml 가져오기
azureml.mlflow 가져오기
azureml.core 가져오기
azureml.core에서 작업공간 가져오기
구독_아이디 = '구독_아이디'
리소스 그룹 = '리소스 그룹 이름'
작업공간 이름 = '작업공간 이름'
ws = Workspace.get(이름=작업공간_이름,
구독_아이디=구독_아이디,
리소스 그룹=리소스 그룹)
experimentName = "/Users/{user_name}/{experiment_folder}/{experiment_name}" mlflow.set_experiment(experimentName) uri = ws.get_mlflow_tracking_uri() mlflow.set_tracking_uri(uri) 지침: 다음 각 문장에 대해 문장이 참이면 예를 선택합니다. 그렇지 않으면 아니요를 선택합니다.
참고사항: 정답 하나당 1점입니다.
Azure Machine Learning 작업 영역에는 다음과 같은 Python 코드 세그먼트가 있습니다.
mlflow 가져오기
mlflow.azureml 가져오기
azureml.mlflow 가져오기
azureml.core 가져오기
azureml.core에서 작업공간 가져오기
구독_아이디 = '구독_아이디'
리소스 그룹 = '리소스 그룹 이름'
작업공간 이름 = '작업공간 이름'
ws = Workspace.get(이름=작업공간_이름,
구독_아이디=구독_아이디,
리소스 그룹=리소스 그룹)
experimentName = "/Users/{user_name}/{experiment_folder}/{experiment_name}" mlflow.set_experiment(experimentName) uri = ws.get_mlflow_tracking_uri() mlflow.set_tracking_uri(uri) 지침: 다음 각 문장에 대해 문장이 참이면 예를 선택합니다. 그렇지 않으면 아니요를 선택합니다.
참고사항: 정답 하나당 1점입니다.
DP-100 문제 132
Azure Machine Learning 작업 영역의 노트북에서 df라는 이름의 pandas 데이터프레임으로 데이터를 로드합니다. 데이터에는 10,000명의 환자 기록이 포함되어 있습니다. 각 기록에는 해당 환자의 Age 속성이 포함됩니다.
SmartNoise SDK에서 생성된 차별적 개인 정보 보호 데이터에서 평균 연령 값을 식별해야 합니다.
차등적 개인 정보 보호 데이터로부터 평균 연령 값을 생성하는 Python 코드를 완성해야 합니다.
어떤 코드 세그먼트를 사용해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
SmartNoise SDK에서 생성된 차별적 개인 정보 보호 데이터에서 평균 연령 값을 식별해야 합니다.
차등적 개인 정보 보호 데이터로부터 평균 연령 값을 생성하는 Python 코드를 완성해야 합니다.
어떤 코드 세그먼트를 사용해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
DP-100 문제 133
폴더를 참조하는 csvjolder라는 파일 데이터 세트를 등록합니다. 이 폴더에는 Azure 스토리지 Blob 컨테이너에 있는 여러 개의 com-ma-separated values(CSV) 파일이 포함됩니다. 다음 코드를 사용하여 파일 데이터 세트에서 데이터를 로드하는 스크립트를 실행할 계획입니다. 다음 변수를 만들고 인스턴스화합니다.
다음과 같은 코드가 있습니다:
스크립트가 참조하는 파일을 읽을 수 있도록 데이터 세트를 전달해야 합니다. 코드 주석을 대체하기 위해 어떤 코드 세그먼트를 삽입해야 합니까?
다음과 같은 코드가 있습니다:
스크립트가 참조하는 파일을 읽을 수 있도록 데이터 세트를 전달해야 합니다. 코드 주석을 대체하기 위해 어떤 코드 세그먼트를 삽입해야 합니까?
DP-100 문제 134
훈련 오차 값과 검증 오차 값 사이에 큰 차이가 있는 모델이 있습니다.
새로운 모델을 만들고 교차 검증을 수행해야 합니다.
Azure Machine Learning Studio를 사용하여 새 모델에 대한 매개변수 집합을 식별해야 합니다.
각 단계에 어떤 모듈을 사용해야 합니까? 답하려면 적절한 모듈을 올바른 단계로 끌어다 놓으세요. 각 모듈은 한 번 이상 사용할 수도 있고, 전혀 사용하지 않을 수도 있습니다. 창 사이의 분할 막대를 끌어다 놓거나 스크롤하여 콘텐츠를 볼 수 있습니다.
참고사항: 정답 하나당 1점입니다.
새로운 모델을 만들고 교차 검증을 수행해야 합니다.
Azure Machine Learning Studio를 사용하여 새 모델에 대한 매개변수 집합을 식별해야 합니다.
각 단계에 어떤 모듈을 사용해야 합니까? 답하려면 적절한 모듈을 올바른 단계로 끌어다 놓으세요. 각 모듈은 한 번 이상 사용할 수도 있고, 전혀 사용하지 않을 수도 있습니다. 창 사이의 분할 막대를 끌어다 놓거나 스크롤하여 콘텐츠를 볼 수 있습니다.
참고사항: 정답 하나당 1점입니다.
DP-100 문제 135
Azure Machine Learning 디자이너를 사용하여 학습 파이프라인을 만들고 실행합니다.
파이프라인은 매일 밤 실행되어 대량의 파일에서 예측을 추론해야 합니다. 파일이 저장될 폴더는 데이터 세트로 정의됩니다.
파이프라인을 야간 추론 실행에 사용할 수 있는 REST 서비스로 게시해야 합니다.
어떻게 해야 할까요?
파이프라인은 매일 밤 실행되어 대량의 파일에서 예측을 추론해야 합니다. 파일이 저장될 폴더는 데이터 세트로 정의됩니다.
파이프라인을 야간 추론 실행에 사용할 수 있는 REST 서비스로 게시해야 합니다.
어떻게 해야 할까요?