짧은 문장 형식으로 작성된 12,000개의 고객 리뷰가 포함된 CSV 파일을 사용하여 감정 분석을 수행합니다. 이 CSV 파일을 Azure Machine Learning Studio에 추가하고 실험의 시작 데이터 세트로 구성합니다. 데이터 세트의 고객 리뷰 열에서 핵심 구문을 추출하기 위해 실험에 텍스트에서 N-그램 특징 추출 모듈을 추가합니다.
고객 리뷰 텍스트에서 새 n-gram 사전을 생성하고 최대 n-gram 크기를 트라이그램으로 설정해야 합니다.
무엇을 선택해야 할까요? 답변하려면 답변란에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.

Azure Machine Learning 디자이너를 사용하여 학습 파이프라인을 생성합니다. 모델 학습에 사용할 데이터가 포함된 CSV 파일을 업로드합니다.
다음 작업을 수행하는 단계를 포함하는 파이프라인을 만들려면 디자이너를 사용해야 합니다.
pandas의 filter 메서드를 사용하여 학습 특징을 선택합니다.
naive_bayes.GaussianNB 알고리즘을 기반으로 모델을 학습시킵니다.
`SELECT [Scored Labels] FROM t1;` 쿼리를 사용하여 'Scored Labels' 열만 반환하세요. 어떤 모듈을 사용해야 할까요? 정답을 확인하려면 적절한 모듈을 해당 위치로 드래그하세요. 각 모듈 이름은 한 번, 여러 번 또는 전혀 사용되지 않을 수 있습니다. 콘텐츠를 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.

특정 이벤트 발생 시 통화 횟수를 추정하는 회귀 모델을 구축하고 있습니다.
포아송 회귀 모델을 구축하기 위한 조건을 특징값들이 충족하는지 여부를 판단해야 합니다.
특징 집합이 반드시 포함해야 하는 두 가지 조건은 무엇입니까? 각 정답은 해결책의 일부를 나타냅니다.
참고: 정답 하나당 1점입니다.

참고: 이 문제는 동일한 시나리오를 제시하는 일련의 문제 중 하나입니다. 각 문제에는 제시된 목표를 달성할 수 있는 고유한 해결책이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상일 수 있으며, 정답이 없는 문제 세트도 있습니다.
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
IT 부서에서 다음과 같은 Azure 리소스 그룹 및 리소스를 생성합니다.

IT 부서는 Azure Machine Learning 작업 영역에 aks-cluster라는 이름의 Azure Kubernetes Service(AKS) 기반 추론 컴퓨팅 대상을 생성합니다.
GPU가 내장된 Microsoft Surface Book 컴퓨터를 사용하고 있습니다. Python 3.6과 Visual Studio Code가 설치되어 있습니다.
심층 신경망(DNN) 모델을 학습시키고 손실 및 정확도 지표를 기록하는 스크립트를 실행해야 합니다.
해결 방법: mlvm 가상 머신을 Azure Machine Learning 작업 영역의 컴퓨팅 대상으로 연결합니다.
Surface Book에 Azure ML SDK를 설치하고 Python 코드를 실행하여 작업 영역에 연결합니다. mlvm 원격 컴퓨팅 리소스에서 학습 스크립트를 실험으로 실행합니다.

Azure Machine Learning 솔루션을 구현할 계획입니다. 다음과 같은 요구 사항이 있습니다.
* Jupyter 노트북을 실행하여 머신 러닝 모델을 대화형으로 테스트해 보세요.
* 사용자 지정 프로그래밍 대신 스크립트를 사용하여 머신 러닝 개념 증명을 위한 자산 및 워크플로를 배포합니다.
각 요구사항에 맞는 개발 기법을 선택해야 합니다.
어떤 현상 기법을 사용해야 할까요? 답변하려면, 답변란에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.