DP-100 문제 426
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.
여러 열에 누락된 값이 포함된 수치형 데이터 세트를 분석하고 있습니다.
특성 세트의 차원에 영향을 주지 않고 적절한 작업을 사용하여 누락된 값을 정리해야 합니다.
모든 값을 포함하려면 전체 데이터 세트를 분석해야 합니다.
해결 방법: MICE(Multiple Imputation by Chained Equations) 방법을 사용하여 누락된 값을 각각 바꿉니다.
해결책이 목표를 충족하는가?
이 섹션의 질문에 답한 후에는 다시 돌아갈 수 없습니다. 따라서 이러한 질문은 검토 화면에 나타나지 않습니다.
여러 열에 누락된 값이 포함된 수치형 데이터 세트를 분석하고 있습니다.
특성 세트의 차원에 영향을 주지 않고 적절한 작업을 사용하여 누락된 값을 정리해야 합니다.
모든 값을 포함하려면 전체 데이터 세트를 분석해야 합니다.
해결 방법: MICE(Multiple Imputation by Chained Equations) 방법을 사용하여 누락된 값을 각각 바꿉니다.
해결책이 목표를 충족하는가?
DP-100 문제 427
여러 에포크에 걸쳐 합성 신경망 모델을 훈련하고 각 에포크 후에 검증 손실을 기록하는 스크립트를 만듭니다. 스크립트에는 배치 크기와 학습률에 대한 인수가 포함됩니다.
시도하고 싶은 배치 크기와 학습률 값의 집합을 식별합니다.
Azure Machine Learning을 사용하여 검증 손실이 가장 낮은 모델을 생성하는 배치 크기와 학습률의 조합을 찾아야 합니다.
어떻게 해야 할까요?
시도하고 싶은 배치 크기와 학습률 값의 집합을 식별합니다.
Azure Machine Learning을 사용하여 검증 손실이 가장 낮은 모델을 생성하는 배치 크기와 학습률의 조합을 찾아야 합니다.
어떻게 해야 할까요?
DP-100 문제 428
파이썬으로 머신 러닝 모델을 만들고 있습니다. 제공된 데이터 세트에는 여러 숫자 열과 하나의 텍스트 열이 포함되어 있습니다. 텍스트 열은 제품의 카테고리를 나타냅니다. 제품 카테고리는 항상 다음 중 하나입니다.
* 자전거
* 자동차
* 밴스
* 보트
scikit-learn Python 패키지를 사용하여 회귀 모델을 구축하고 있습니다.
scikit-learn Python 패키지와 호환되도록 텍스트 데이터를 변환해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
* 자전거
* 자동차
* 밴스
* 보트
scikit-learn Python 패키지를 사용하여 회귀 모델을 구축하고 있습니다.
scikit-learn Python 패키지와 호환되도록 텍스트 데이터를 변환해야 합니다.
코드 세그먼트를 어떻게 완성해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
DP-100 문제 429
Azure Machine Learning을 지원하려면 Azure Blob Storage에 데이터를 저장해야 합니다.
Azure Blob Storage로 데이터를 전송해야 합니다.
목표를 달성할 수 있는 세 가지 가능한 방법은 무엇입니까? 각 정답은 완전한 솔루션을 제시합니다.
참고사항: 정답 하나당 1점입니다.
Azure Blob Storage로 데이터를 전송해야 합니다.
목표를 달성할 수 있는 세 가지 가능한 방법은 무엇입니까? 각 정답은 완전한 솔루션을 제시합니다.
참고사항: 정답 하나당 1점입니다.
DP-100 문제 430
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.
작업 영역에서 Azure Machine Learning 서비스 데이터 저장소를 만듭니다. 데이터 저장소에는 다음 파일이 포함되어 있습니다.
* /데이터/2018/Q1.csv
* /데이터/2018/Q2.csv
* /데이터/2018/Q3.csv
* /데이터/2018/Q4.csv
* /데이터/2019/Q1.csv
모든 파일은 다음 형식으로 데이터를 저장합니다.
아이디,f1,f2,l
1,1,2,0
2,1,1,1
3.2.1.0
다음 코드를 실행합니다.
다음 코드를 사용하여 training_data라는 데이터 세트를 만들고 모든 파일의 데이터를 단일 데이터 프레임으로 로드해야 합니다.
해결책: 다음 코드를 실행하세요.
해결책이 목표를 충족하는가?
이 섹션의 질문에 답한 후에는 다시 돌아갈 수 없습니다. 따라서 이러한 질문은 검토 화면에 나타나지 않습니다.
작업 영역에서 Azure Machine Learning 서비스 데이터 저장소를 만듭니다. 데이터 저장소에는 다음 파일이 포함되어 있습니다.
* /데이터/2018/Q1.csv
* /데이터/2018/Q2.csv
* /데이터/2018/Q3.csv
* /데이터/2018/Q4.csv
* /데이터/2019/Q1.csv
모든 파일은 다음 형식으로 데이터를 저장합니다.
아이디,f1,f2,l
1,1,2,0
2,1,1,1
3.2.1.0
다음 코드를 실행합니다.
다음 코드를 사용하여 training_data라는 데이터 세트를 만들고 모든 파일의 데이터를 단일 데이터 프레임으로 로드해야 합니다.
해결책: 다음 코드를 실행하세요.
해결책이 목표를 충족하는가?