DP-100 문제 211
Azure Machine Learning Service를 사용하여 신경망 분류 모델의 하이퍼파라미터 탐색을 자동화하고 있습니다.
다음 요구 사항에 따라 무작위 샘플링을 사용하여 하이퍼파라미터를 자동으로 조정하려면 하이퍼파라미터 공간을 정의해야 합니다.
* 학습률은 평균값이 10이고 표준편차가 3인 정규분포에서 선택되어야 합니다.
* 배치 크기는 16, 32, 64여야 합니다.
* 유지 확률은 0.05와 범위 사이의 균일 분포에서 선택된 값이어야 합니다.
0.1.
Azure Machine Learning Service를 사용하려면 Python API의 param_sampling 메서드를 사용해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
다음 요구 사항에 따라 무작위 샘플링을 사용하여 하이퍼파라미터를 자동으로 조정하려면 하이퍼파라미터 공간을 정의해야 합니다.
* 학습률은 평균값이 10이고 표준편차가 3인 정규분포에서 선택되어야 합니다.
* 배치 크기는 16, 32, 64여야 합니다.
* 유지 확률은 0.05와 범위 사이의 균일 분포에서 선택된 값이어야 합니다.
0.1.
Azure Machine Learning Service를 사용하려면 Python API의 param_sampling 메서드를 사용해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
DP-100 문제 212
참고: 이 질문은 동일한 시나리오를 제시하는 일련의 질문 중 일부입니다. 이 시리즈의 각 질문에는 명시된 목표를 충족할 수 있는 고유한 솔루션이 포함되어 있습니다. 일부 질문 세트에는 두 개 이상의 정답이 있을 수 있고, 다른 세트에는 정답이 없을 수 있습니다.
이 섹션의 질문에 답변한 후에는 더 이상 해당 질문으로 돌아갈 수 없으며, 해당 질문은 검토 화면에 나타나지 않습니다.
Azure Machine Learning 모델을 학습시키고 등록합니다.
모델을 온라인 엔드포인트에 배포할 계획입니다.
애플리케이션이 만료되지 않는 아티팩트를 사용하여 인증 방법을 사용하여 모델에 액세스할 수 있는지 확인해야 합니다.
해결책:
Kubernetes 온라인 엔드포인트를 만들고 auth-mode 매개변수 값을 amyl Token으로 설정합니다. 모델을 온라인 엔드포인트에 배포합니다.
해결책이 목표를 충족하는가?
이 섹션의 질문에 답변한 후에는 더 이상 해당 질문으로 돌아갈 수 없으며, 해당 질문은 검토 화면에 나타나지 않습니다.
Azure Machine Learning 모델을 학습시키고 등록합니다.
모델을 온라인 엔드포인트에 배포할 계획입니다.
애플리케이션이 만료되지 않는 아티팩트를 사용하여 인증 방법을 사용하여 모델에 액세스할 수 있는지 확인해야 합니다.
해결책:
Kubernetes 온라인 엔드포인트를 만들고 auth-mode 매개변수 값을 amyl Token으로 설정합니다. 모델을 온라인 엔드포인트에 배포합니다.
해결책이 목표를 충족하는가?
DP-100 문제 213
참고: 이 질문은 동일한 시나리오를 제시하는 일련의 질문 중 일부입니다. 이 시리즈의 각 질문에는 명시된 목표를 충족할 수 있는 고유한 솔루션이 포함되어 있습니다. 일부 질문 세트에는 두 개 이상의 정답이 있을 수 있고, 다른 세트에는 정답이 없을 수 있습니다.
이 섹션의 질문에 답한 후에는 다시 돌아갈 수 없습니다. 따라서 이러한 질문은 검토 화면에 나타나지 않습니다.
Azure Learning Learning Studio에서 새로운 실험을 만들고 있습니다.
한 클래스는 훈련에서 다른 클래스보다 관찰 수가 훨씬 적습니다. 클래스 불균형을 보상하기 위해 적절한 데이터 샘플링 전략을 선택해야 합니다.
해결책: SMOTE(Synthetic Minority Oversampling Technique) 샘플링 모드를 사용합니다.
해결책이 목표를 충족하는가?
이 섹션의 질문에 답한 후에는 다시 돌아갈 수 없습니다. 따라서 이러한 질문은 검토 화면에 나타나지 않습니다.
Azure Learning Learning Studio에서 새로운 실험을 만들고 있습니다.
한 클래스는 훈련에서 다른 클래스보다 관찰 수가 훨씬 적습니다. 클래스 불균형을 보상하기 위해 적절한 데이터 샘플링 전략을 선택해야 합니다.
해결책: SMOTE(Synthetic Minority Oversampling Technique) 샘플링 모드를 사용합니다.
해결책이 목표를 충족하는가?
DP-100 문제 214
완성된 이진 분류 기계를 평가하고 있습니다.
평가 기준으로 정밀도를 사용해야 합니다.
어떤 시각화를 사용해야 하나요?
평가 기준으로 정밀도를 사용해야 합니다.
어떤 시각화를 사용해야 하나요?
DP-100 문제 215
Azure Machine Learning 작업 공간을 사용하고 있습니다. 모델 테스트를 위한 환경과 프로덕션을 위한 환경을 설정합니다.
테스트를 위한 컴퓨트 대상은 비용과 배포 노력을 최소화해야 합니다. 프로덕션을 위한 컴퓨트 대상은 빠른 응답 시간, 배포된 서비스의 자동 확장을 제공하고 실시간 추론을 지원해야 합니다.
모델 테스트 및 프로덕션을 위해 컴퓨팅 대상을 구성해야 합니다.
어떤 컴퓨트 타겟을 사용해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
테스트를 위한 컴퓨트 대상은 비용과 배포 노력을 최소화해야 합니다. 프로덕션을 위한 컴퓨트 대상은 빠른 응답 시간, 배포된 서비스의 자동 확장을 제공하고 실시간 추론을 지원해야 합니다.
모델 테스트 및 프로덕션을 위해 컴퓨팅 대상을 구성해야 합니다.
어떤 컴퓨트 타겟을 사용해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
