새로운 Azure Databricks 작업 영역을 만듭니다.
아래 이미지와 같이 컴퓨팅 클러스터에서 혼합된 부하가 있는 장기 실행 작업을 위한 새 클러스터를 구성합니다.

그래픽에 제시된 정보를 바탕으로 각 진술문을 완성하는 답변 선택지를 선택하려면 드롭다운 메뉴를 사용하세요.
참고사항: 정답 하나당 1점입니다.

Azure Machine Learning Studio를 사용하여 이진 분류 모델을 만듭니다.
모델을 평가하려면 RO C(Receiver Operating Characteristic) 곡선과 F1 점수를 사용해야 합니다.
필요한 비즈니스 지표를 만들어야 합니다.
실험을 어떻게 완료해야 합니까? 대답하려면 답변 영역의 대화 상자에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.

데이터 시각화 요구 사항에 따라 진단 테스트 평가에 대한 시각화를 제작해야 합니다.
어떤 세 모듈을 순서대로 사용하는 것이 좋을까요? 답변하려면 모듈 목록에서 해당 모듈을 답변 영역으로 옮겨 올바른 순서로 정렬하세요.

모델 학습 요구 사항에 따라 순열 특징 중요도 모듈을 설정해야 합니다.
어떤 속성을 선택해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.

이전에는 CSV 파일 폴더를 기반으로 하는 training-dataset이라는 테이블 형식 데이터 세트를 사용하여 학습된 모델을 배포했습니다.
시간이 지남에 따라 모델에서 생성된 피처와 예측 레이블을 각 달의 CSV 파일이 들어 있는 폴더에 수집했습니다. 추론 데이터가 들어 있는 폴더를 기반으로 두 개의 표 형식 데이터 세트를 만들었습니다. 하나는 예측 레이블을 포함하여 학습 데이터와 정확히 일치하는 스키마를 가진 predictions-dataset이고, 다른 하나는 모든 피처 열과 파일 이름에 따른 타임스탬프 열(일, 월, 년 포함)을 포함하는 스키마를 가진 features-dataset입니다.
모델이 학습된 이후 피처 데이터의 변화 추세를 파악하려면 데이터 드리프트 모니터를 만들어야 합니다. 이를 위해 데이터 드리프트 모니터에 필요한 데이터 세트를 정의해야 합니다.
데이터 드리프트 모니터를 구성하려면 어떤 데이터 세트를 사용해야 합니까? 대답하려면 적절한 데이터 세트를 올바른 데이터 드리프트 모니터 옵션으로 드래그합니다. 각 소스는 한 번, 두 번 이상 또는 전혀 사용되지 않을 수 있습니다. 패널 사이의 분할 막대를 드래그하거나 스크롤하여 콘텐츠를 볼 수 있습니다.
참고사항: 정답 하나당 1점입니다.