당신은 조류의 건강과 이동을 추적하는 프로젝트의 수석 데이터 과학자입니다. 전문가들이 수집한 레이블이 지정된 조류 사진 세트를 사용하여 다중 이미지 분류 딥러닝 모델을 개발합니다. 이 모델을 활용하여 앱 사용자가 촬영한 사진 속 조류의 종을 예측하는 크로스 플랫폼 모바일 앱을 개발할 계획입니다.
학습된 모델을 테스트하고 웹 서비스로 배포해야 합니다. 배포된 모델은 다음 요구 사항을 충족해야 합니다.
테스트에는 인증된 연결이 필요하지 않아야 합니다.
배포된 모델은 추론 과정에서 낮은 지연 시간으로 작동해야 합니다.
REST 엔드포인트는 확장 가능해야 하며, 여러 최종 사용자가 모바일 애플리케이션을 사용할 때 발생하는 대량의 요청을 처리할 수 있는 용량을 갖춰야 합니다.
유효한 REST 요청이 제출되었을 때 웹 서비스가 예상되는 JSON 형식으로 예측 결과를 반환하는지 확인해야 합니다.
어떤 컴퓨팅 리소스를 사용해야 할까요? 답변하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.

Azure Machine Learning 서비스를 사용하여 신경망 분류 모델의 하이퍼파라미터 탐색을 자동화하고 있습니다.
다음 요구 사항에 따라 무작위 샘플링을 사용하여 하이퍼파라미터를 자동으로 튜닝하려면 하이퍼파라미터 공간을 정의해야 합니다.
학습률은 평균값이 10이고 표준편차가 3인 정규분포에서 선택해야 합니다.
배치 크기는 16, 32, 64 중 선택해야 합니다.
유지 확률은 0.05와 0.1 사이의 균일 분포에서 선택된 값이어야 합니다.
Azure Machine Learning 서비스의 Python API에서 param_sampling 메서드를 사용해야 합니다.
코드 부분을 어떻게 완성해야 할까요? 정답을 선택하려면 답변란에서 적절한 옵션을 고르세요.
참고: 정답 하나당 1점입니다.

Azure Machine Learning 작업 영역이 있습니다.
터미널을 사용하여 노트북을 실행할 컴퓨팅 인스턴스를 구성할 계획입니다.
컴퓨팅 인스턴스에 새 R 커널을 추가해야 합니다.
어떤 순서로 작업을 수행해야 할까요? 정답을 맞추려면 작업 목록에 있는 모든 작업을 정답 영역으로 옮기고 올바른 순서대로 배열하세요.

핫스팟 질문
Python SDK v2를 사용하여 workspace1이라는 Azure Machine Learning 작업 영역을 관리합니다. mlstorage1이라는 범용 v2 Azure 스토리지 계정을 생성합니다. 이 스토리지 계정에는 mlcontainer1이라는 공개적으로 액세스 가능한 컨테이너가 포함되어 있습니다.
컨테이너에는 CSV 형식의 파일이 담긴 블롭 10개가 저장됩니다.
mlcontainer1이라는 컨테이너에 있는 모든 블롭을 참조하는 데이터 자산을 생성하려면 Python SDK v2 코드를 개발해야 합니다.
파이썬 SDK v2 코드를 완성해야 합니다.
코드를 어떻게 완성해야 할까요? 정답을 선택하려면 답변란에서 적절한 옵션을 고르세요.
참고: 정답 하나당 1점입니다.

train.py라는 이름의 파이썬 스크립트를 생성하고 scripts라는 폴더에 저장합니다. 이 스크립트는 scikit-learn 프레임워크를 사용하여 머신러닝 모델을 학습시킵니다.
스크립트를 로컬 워크스테이션에서 Azure Machine Learning 실험으로 실행해야 합니다.
train.py 스크립트를 실행하는 실험을 시작하려면 파이썬 코드를 작성해야 합니다.
코드 부분을 어떻게 완성해야 할까요? 정답을 선택하려면 답변란에서 적절한 옵션을 고르세요.
참고: 정답 하나당 1점입니다.