DP-100 문제 381
군중 감정 모델에 대한 평가 전략을 정의해야 합니다.
어떤 세 가지 행동을 순서대로 수행해야 합니까? 대답하려면 행동 목록에서 적절한 행동을 답변 영역으로 옮기고 올바른 순서로 정렬하세요.
어떤 세 가지 행동을 순서대로 수행해야 합니까? 대답하려면 행동 목록에서 적절한 행동을 답변 영역으로 옮기고 올바른 순서로 정렬하세요.
DP-100 문제 382
Azure Machine Learning 작업 영역에서 실행되는 실험을 검색하는 코드를 작성합니다.
이 실행에서는 Azure Machine Learning의 모델 해석 지원을 사용하여 모델 설명을 생성하고 업로드했습니다.
조직의 비즈니스 관리자는 모델의 기능 중요성을 확인하고 싶어합니다.
다음과 비슷한 출력 형태로 모델 특성과 해당 특성의 상대적 중요도를 인쇄해야 합니다.
코드를 어떻게 완성해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
이 실행에서는 Azure Machine Learning의 모델 해석 지원을 사용하여 모델 설명을 생성하고 업로드했습니다.
조직의 비즈니스 관리자는 모델의 기능 중요성을 확인하고 싶어합니다.
다음과 비슷한 출력 형태로 모델 특성과 해당 특성의 상대적 중요도를 인쇄해야 합니다.
코드를 어떻게 완성해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
DP-100 문제 383
근처 기상 관측소에서 데이터를 수집합니다. 다음 데이터를 포함하는 weather_df라는 이름의 판다스 데이터프레임이 있습니다.
데이터는 정오와 자정, 총 12시간마다 수집됩니다.
자동화된 머신 러닝을 사용하여 향후 7일 동안의 온도를 예측하는 시계열 모델을 만들 계획입니다. 초기 훈련 라운드에서는 최대 50개의 다른 모델을 훈련하려고 합니다.
이러한 모델을 학습시키려면 Azure Machine Learning SDK를 사용하여 자동화된 머신 러닝 실험을 실행해야 합니다.
자동화된 머신 러닝 실행을 구성해야 합니다.
AutoMLConfig 정의를 어떻게 완료해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
데이터는 정오와 자정, 총 12시간마다 수집됩니다.
자동화된 머신 러닝을 사용하여 향후 7일 동안의 온도를 예측하는 시계열 모델을 만들 계획입니다. 초기 훈련 라운드에서는 최대 50개의 다른 모델을 훈련하려고 합니다.
이러한 모델을 학습시키려면 Azure Machine Learning SDK를 사용하여 자동화된 머신 러닝 실험을 실행해야 합니다.
자동화된 머신 러닝 실행을 구성해야 합니다.
AutoMLConfig 정의를 어떻게 완료해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
DP-100 문제 384
정리가 필요한 원시 데이터 세트를 분석하고 있습니다.
Azure Machine Learning Studio를 사용하여 변환 및 조작을 수행해야 합니다.
변환을 수행하려면 올바른 모듈을 식별해야 합니다.
어떤 모듈을 선택해야 할까요? 답하려면 적절한 모듈을 올바른 시나리오로 드래그하세요. 각 모듈은 한 번, 두 번 이상 또는 전혀 사용하지 않을 수 있습니다.
콘텐츠를 보려면 창 사이의 분할 막대를 끌거나 스크롤해야 할 수도 있습니다.
참고사항: 정답 하나당 1점입니다.
Azure Machine Learning Studio를 사용하여 변환 및 조작을 수행해야 합니다.
변환을 수행하려면 올바른 모듈을 식별해야 합니다.
어떤 모듈을 선택해야 할까요? 답하려면 적절한 모듈을 올바른 시나리오로 드래그하세요. 각 모듈은 한 번, 두 번 이상 또는 전혀 사용하지 않을 수 있습니다.
콘텐츠를 보려면 창 사이의 분할 막대를 끌거나 스크롤해야 할 수도 있습니다.
참고사항: 정답 하나당 1점입니다.
DP-100 문제 385
파이프라인을 실행하는 Python 스크립트가 있습니다. 스크립트에는 다음 코드가 포함되어 있습니다.
azureml.core에서 Experiment 가져오기
파이프라인 실행 = 실험(ws, '파이프라인 테스트').제출(파이프라인)
스크립트를 배포하기 전에 파이프라인을 테스트하려고 합니다.
파이프라인이 완료되면 STDOUT 출력에 기록된 파이프라인 실행 세부 정보를 표시해야 합니다.
테스트 스크립트에 어떤 코드 세그먼트를 추가해야 합니까?
azureml.core에서 Experiment 가져오기
파이프라인 실행 = 실험(ws, '파이프라인 테스트').제출(파이프라인)
스크립트를 배포하기 전에 파이프라인을 테스트하려고 합니다.
파이프라인이 완료되면 STDOUT 출력에 기록된 파이프라인 실행 세부 정보를 표시해야 합니다.
테스트 스크립트에 어떤 코드 세그먼트를 추가해야 합니까?