DP-800 문제 1
드래그 앤 드롭 질문
DB1이라는 Azure SQL 데이터베이스가 있으며, 이 데이터베이스에는 knowledge_base와 query_cache라는 두 개의 테이블이 있습니다. knowledge_base 테이블에는 지원 문서와 임베딩이 저장되고, query_cache 테이블에는 채팅 질문, 답변 및 임베딩이 저장됩니다. DB1은 AI 기반 채팅 에이전트를 지원합니다.
다음 요구 사항을 충족하는 솔루션을 설계해야 합니다.
- knowledge_base에서 가져온 행을 직렬화합니다.
- 응답에서 답변 필드를 추출합니다.
- 임베딩을 추출하여 query_cache에 저장합니다.
외부 대형 언어 모델(LLM)을 호출하려면 다음을 사용합니다.
sp_invoke_external_rest_endpoint 저장 프로시저.
각 요구 사항에 어떤 Transact-SQL 명령을 사용해야 할까요? 정답을 확인하려면 적절한 명령을 해당 요구 사항으로 드래그하세요. 각 명령은 한 번, 여러 번 또는 전혀 사용되지 않을 수 있습니다. 내용을 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.
DB1이라는 Azure SQL 데이터베이스가 있으며, 이 데이터베이스에는 knowledge_base와 query_cache라는 두 개의 테이블이 있습니다. knowledge_base 테이블에는 지원 문서와 임베딩이 저장되고, query_cache 테이블에는 채팅 질문, 답변 및 임베딩이 저장됩니다. DB1은 AI 기반 채팅 에이전트를 지원합니다.
다음 요구 사항을 충족하는 솔루션을 설계해야 합니다.
- knowledge_base에서 가져온 행을 직렬화합니다.
- 응답에서 답변 필드를 추출합니다.
- 임베딩을 추출하여 query_cache에 저장합니다.
외부 대형 언어 모델(LLM)을 호출하려면 다음을 사용합니다.
sp_invoke_external_rest_endpoint 저장 프로시저.
각 요구 사항에 어떤 Transact-SQL 명령을 사용해야 할까요? 정답을 확인하려면 적절한 명령을 해당 요구 사항으로 드래그하세요. 각 명령은 한 번, 여러 번 또는 전혀 사용되지 않을 수 있습니다. 내용을 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.
DP-800 문제 2
Azure SQL 데이터베이스에는 dbo.ProduetDocs 및 dbo라는 이름의 테이블이 있습니다.
ProductOocsEnbeddings.dbo.ProductOocs에는 제품 설명서와 다음 열이 포함되어 있습니다.
* Docld (int)
* 제목(nvdrchdr(200))
* 본문(nvarthar(max))
* 마지막 업데이트(날짜/시간2)
문서는 하루 종일 편집됩니다. dbo.ProductDocsEabeddings에는 다음 열이 포함되어 있습니다.
* 도티드(당신)
* 청크 순서(정수)
* 청크텍스트(nvarchar(aax))
* 임베딩(vector(1536))
현재 임베딩 파이프라인은 매일 밤 한 번씩 실행됩니다.
기본 문서 콘텐츠가 변경될 때마다 임베딩이 업데이트되도록 해야 합니다. 이 솔루션은 매일 밤 일괄 처리가 필요하지 않습니다.
해결책에 무엇을 포함해야 할까요?
ProductOocsEnbeddings.dbo.ProductOocs에는 제품 설명서와 다음 열이 포함되어 있습니다.
* Docld (int)
* 제목(nvdrchdr(200))
* 본문(nvarthar(max))
* 마지막 업데이트(날짜/시간2)
문서는 하루 종일 편집됩니다. dbo.ProductDocsEabeddings에는 다음 열이 포함되어 있습니다.
* 도티드(당신)
* 청크 순서(정수)
* 청크텍스트(nvarchar(aax))
* 임베딩(vector(1536))
현재 임베딩 파이프라인은 매일 밤 한 번씩 실행됩니다.
기본 문서 콘텐츠가 변경될 때마다 임베딩이 업데이트되도록 해야 합니다. 이 솔루션은 매일 밤 일괄 처리가 필요하지 않습니다.
해결책에 무엇을 포함해야 할까요?
DP-800 문제 3
사례 연구 1 - 콘토소
기존 환경
Azure 환경
Contoso는 기업 인프라가 포함된 북유럽 지역의 Azure 구독을 보유하고 있습니다.
현재 인프라에는 Microsoft SQL Server 2017 데이터베이스가 포함되어 있습니다. 데이터베이스에는 다음과 같은 테이블이 있습니다.
FeedbackJsoncolumn은 전체 텍스트 인덱스를 가지고 있으며 다음과 같은 형식으로 JSON 문서를 저장합니다.
Contoso의 지원팀은 UNMASKpermission 권한을 절대 갖고 있지 않습니다.
문제 진술
Contoso는 다음과 같은 용도로 사용될 새로운 Azure SQL 데이터베이스를 배포하고 있습니다.
* AI 워크로드
* 벡터 검색
* 현대화된 API 접근
* 검색 증강 생성(RAG) 파이프라인
때때로 JSON 형식이 잘못되었거나 페이로드가 중복되어 데이터 수집 파이프라인이 실패할 수 있습니다.
Contoso의 엔지니어들은 다음 대시보드 쿼리가 느리게 실행된다고 보고했습니다.
실행 계획을 검토한 결과 클러스터형 인덱스 스캔이 포함된 것을 발견했습니다.
차량 사고 보고서에는 날씨, 교통 상황 및 위치에 대한 세부 정보가 포함되는 경우가 많습니다. 분석가들은 이러한 세부 정보를 바탕으로 유사한 사고를 찾는 것이 어렵다고 보고합니다.
요구 사항
계획된 변경 사항
콘토소는 사고 보고서에 대한 AI 기반 의미 검색을 지원하도록 차량 관리 정보 플랫폼을 현대화하고자 합니다.
보안 요구 사항
Contoso는 다음과 같은 보안 요구 사항을 제시합니다.
* 지원 담당자가 개인 식별 정보(PII), 즉 전체 이메일 주소와 전화번호를 볼 수 없도록 제한합니다.
* 행 수준 필터링을 적용하여 분석가가 자신에게 할당된 플릿에 대한 사건만 볼 수 있도록 합니다. 분석가는 여러 플릿에 할당될 수 있습니다.
데이터베이스 성능 및 요구 사항
Contoso는 다음과 같은 원격 측정 요구 사항을 제시합니다.
* 원격 측정 데이터는 파티션된 테이블에 저장해야 합니다.
* 원격 측정 데이터는 수집 및 보존 작업에 대해 예측 가능한 성능을 제공해야 합니다.
* 위도, 경도 및 정확도 JSON 속성은 인덱스 탐색을 사용하여 필터링해야 합니다.
Contoso는 다음과 같은 유지보수 데이터 요구사항을 제시합니다.
* MaintenanceEventstable의 행에 변경 사항이 발생하면 LastModifiedUtc 열의 해당 값이 변경 시간으로 업데이트되는지 확인하십시오.
* 재귀적 업데이트를 피하십시오.
AI 검색, 임베딩 및 벡터 인덱싱
Contoso는 다음과 같은 요구 사항을 충족하기 위해 사건 데이터에 대한 의미론적 검색을 구현할 계획입니다.
* 임베딩은 전용 Azure SQL Database 테이블에 저장해야 합니다.
* 임베딩은 풍부한 자연어 필드에서 생성되어야 합니다.
* 청킹은 의미적 일관성을 유지해야 합니다.
* 하이브리드 검색은 다음 사항을 모두 포함해야 합니다.
- 벡터 유사도
- 키워드 필터링 또는 부스팅
개발 요구사항
Contoso의 개발팀은 Microsoft Visual Studio Code와 GitHub Copilot을 사용하여 데이터베이스에서 실시간 메타데이터를 가져올 것입니다.
Contoso는 CustomerFeedback 테이블의 FeedbackJson 열에서 데이터를 조회하기 위한 다음과 같은 요구 사항을 제시합니다.
* JSON 문서에서 고객 피드백 텍스트를 추출합니다.
* JSON 텍스트에 키워드가 포함된 행을 필터링합니다.
* 피드백 텍스트와 알려진 문제 설명 간의 퍼지 유사도 점수를 계산합니다.
* 유사도 점수를 기준으로 결과를 정렬하되, 가장 높은 점수부터 표시합니다.
핫스팟 질문
고객 프로필을 저장할 테이블을 만들고 있습니다.
다음과 같은 Transact-SQL 코드가 있습니다.
다음 각 문장에 대해, 문장이 사실이면 '예'를 선택하고, 그렇지 않으면 '아니요'를 선택하십시오.
참고: 정답 하나당 1점입니다.
기존 환경
Azure 환경
Contoso는 기업 인프라가 포함된 북유럽 지역의 Azure 구독을 보유하고 있습니다.
현재 인프라에는 Microsoft SQL Server 2017 데이터베이스가 포함되어 있습니다. 데이터베이스에는 다음과 같은 테이블이 있습니다.
FeedbackJsoncolumn은 전체 텍스트 인덱스를 가지고 있으며 다음과 같은 형식으로 JSON 문서를 저장합니다.
Contoso의 지원팀은 UNMASKpermission 권한을 절대 갖고 있지 않습니다.
문제 진술
Contoso는 다음과 같은 용도로 사용될 새로운 Azure SQL 데이터베이스를 배포하고 있습니다.
* AI 워크로드
* 벡터 검색
* 현대화된 API 접근
* 검색 증강 생성(RAG) 파이프라인
때때로 JSON 형식이 잘못되었거나 페이로드가 중복되어 데이터 수집 파이프라인이 실패할 수 있습니다.
Contoso의 엔지니어들은 다음 대시보드 쿼리가 느리게 실행된다고 보고했습니다.
실행 계획을 검토한 결과 클러스터형 인덱스 스캔이 포함된 것을 발견했습니다.
차량 사고 보고서에는 날씨, 교통 상황 및 위치에 대한 세부 정보가 포함되는 경우가 많습니다. 분석가들은 이러한 세부 정보를 바탕으로 유사한 사고를 찾는 것이 어렵다고 보고합니다.
요구 사항
계획된 변경 사항
콘토소는 사고 보고서에 대한 AI 기반 의미 검색을 지원하도록 차량 관리 정보 플랫폼을 현대화하고자 합니다.
보안 요구 사항
Contoso는 다음과 같은 보안 요구 사항을 제시합니다.
* 지원 담당자가 개인 식별 정보(PII), 즉 전체 이메일 주소와 전화번호를 볼 수 없도록 제한합니다.
* 행 수준 필터링을 적용하여 분석가가 자신에게 할당된 플릿에 대한 사건만 볼 수 있도록 합니다. 분석가는 여러 플릿에 할당될 수 있습니다.
데이터베이스 성능 및 요구 사항
Contoso는 다음과 같은 원격 측정 요구 사항을 제시합니다.
* 원격 측정 데이터는 파티션된 테이블에 저장해야 합니다.
* 원격 측정 데이터는 수집 및 보존 작업에 대해 예측 가능한 성능을 제공해야 합니다.
* 위도, 경도 및 정확도 JSON 속성은 인덱스 탐색을 사용하여 필터링해야 합니다.
Contoso는 다음과 같은 유지보수 데이터 요구사항을 제시합니다.
* MaintenanceEventstable의 행에 변경 사항이 발생하면 LastModifiedUtc 열의 해당 값이 변경 시간으로 업데이트되는지 확인하십시오.
* 재귀적 업데이트를 피하십시오.
AI 검색, 임베딩 및 벡터 인덱싱
Contoso는 다음과 같은 요구 사항을 충족하기 위해 사건 데이터에 대한 의미론적 검색을 구현할 계획입니다.
* 임베딩은 전용 Azure SQL Database 테이블에 저장해야 합니다.
* 임베딩은 풍부한 자연어 필드에서 생성되어야 합니다.
* 청킹은 의미적 일관성을 유지해야 합니다.
* 하이브리드 검색은 다음 사항을 모두 포함해야 합니다.
- 벡터 유사도
- 키워드 필터링 또는 부스팅
개발 요구사항
Contoso의 개발팀은 Microsoft Visual Studio Code와 GitHub Copilot을 사용하여 데이터베이스에서 실시간 메타데이터를 가져올 것입니다.
Contoso는 CustomerFeedback 테이블의 FeedbackJson 열에서 데이터를 조회하기 위한 다음과 같은 요구 사항을 제시합니다.
* JSON 문서에서 고객 피드백 텍스트를 추출합니다.
* JSON 텍스트에 키워드가 포함된 행을 필터링합니다.
* 피드백 텍스트와 알려진 문제 설명 간의 퍼지 유사도 점수를 계산합니다.
* 유사도 점수를 기준으로 결과를 정렬하되, 가장 높은 점수부터 표시합니다.
핫스팟 질문
고객 프로필을 저장할 테이블을 만들고 있습니다.
다음과 같은 Transact-SQL 코드가 있습니다.
다음 각 문장에 대해, 문장이 사실이면 '예'를 선택하고, 그렇지 않으면 '아니요'를 선택하십시오.
참고: 정답 하나당 1점입니다.
DP-800 문제 4
DB1이라는 데이터베이스가 있습니다. 스키마는 SDK 스타일의 SQL 데이터베이스 프로젝트 형태로 Git 저장소에 저장되어 있습니다.
이미 `dotnet build`를 실행하고 데이터베이스 아티팩트를 생성하는 GitHub Actions 워크플로가 있습니다.
GitHub 리포지토리 비밀 정보에 저장된 비밀 키를 사용하여 dacpac 파일을 Azure SQL 데이터베이스에 게시하는 배포 단계를 추가해야 합니다. 워크플로에 무엇을 포함해야 할까요?
이미 `dotnet build`를 실행하고 데이터베이스 아티팩트를 생성하는 GitHub Actions 워크플로가 있습니다.
GitHub 리포지토리 비밀 정보에 저장된 비밀 키를 사용하여 dacpac 파일을 Azure SQL 데이터베이스에 게시하는 배포 단계를 추가해야 합니다. 워크플로에 무엇을 포함해야 할까요?
DP-800 문제 5
Microsoft SQL Server 2025 데이터베이스(DB1)를 데이터 소스로 사용하는 생성형 AI 솔루션을 설계해야 합니다. 이 솔루션은 다음 요구 사항을 충족하는 응답을 생성해야 합니다.
* Ait는 D61에 저장된 최신 거래 및 참조 데이터에 기반합니다.
* 데이터가 변경될 때 언어 모델을 재학습하거나 미세 조정할 필요가 없습니다.
* 응답에 사용된 원본 데이터에 대한 인용 또는 참조를 포함할 수 있습니다. 검색 증강 생성(RAG) 패턴을 구현하기에 가장 적합한 시나리오는 무엇입니까?
둘 이상의 보기가 목표를 달성할 수 있습니다. 가장 적절한 답을 선택하세요.
* Ait는 D61에 저장된 최신 거래 및 참조 데이터에 기반합니다.
* 데이터가 변경될 때 언어 모델을 재학습하거나 미세 조정할 필요가 없습니다.
* 응답에 사용된 원본 데이터에 대한 인용 또는 참조를 포함할 수 있습니다. 검색 증강 생성(RAG) 패턴을 구현하기에 가장 적합한 시나리오는 무엇입니까?
둘 이상의 보기가 목표를 달성할 수 있습니다. 가장 적절한 답을 선택하세요.