PL-200 문제 131
당신은 컨설턴트입니다. 클라이언트가 Microsoft Dataverse 환경 중 하나에서 여러 솔루션을 제거해 달라고 요청합니다. 클라이언트는 솔루션을 제거하면 나머지 시스템에 어떤 영향이 미칠지 알고 싶어합니다.
솔루션을 제거한 결과를 설명해야 합니다.
어떤 구성 요소가 영향을 받습니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
솔루션을 제거한 결과를 설명해야 합니다.
어떤 구성 요소가 영향을 받습니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
PL-200 문제 132
은행은 Power BI 시각화를 사용하여 고객에게 돈을 대출해야 하는지 여부를 판단합니다. 은행은 Power BI 보고서의 일부인 세 가지 다른 시각화를 가지고 있습니다. 은행은 고객이 신용할 수 있는지 여부를 나타내는 네 가지 위험 변수 세트를 사용합니다.
은행 직원이 4가지 위험 변수의 값을 변경할 수 있도록 메커니즘을 만들어야 합니다. 모든 변수의 값을 변경하면 3가지 시각화가 업데이트되어야 합니다.
당신은 해결책을 만들어야 합니다.
어떤 작업을 수행해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
은행 직원이 4가지 위험 변수의 값을 변경할 수 있도록 메커니즘을 만들어야 합니다. 모든 변수의 값을 변경하면 3가지 시각화가 업데이트되어야 합니다.
당신은 해결책을 만들어야 합니다.
어떤 작업을 수행해야 합니까? 대답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고사항: 정답 하나당 1점입니다.
PL-200 문제 133
Power Automate를 사용하여 여러 가지 프로세스를 자동화할 계획입니다.
각 프로세스마다 고유한 특성이 있습니다.
각 프로세스에 대한 구성요소를 추천해야 합니다.
어떤 구성 요소를 추천해야 합니까? 대답하려면 적절한 구성 요소를 올바른 프로세스로 드래그하세요. 각 구성 요소는 한 번, 두 번 이상 또는 전혀 사용되지 않을 수 있습니다. 창 사이의 분할 막대를 드래그하거나 스크롤하여 콘텐츠를 볼 수 있습니다.
참고사항: 정답 하나당 1점입니다.
각 프로세스마다 고유한 특성이 있습니다.
각 프로세스에 대한 구성요소를 추천해야 합니다.
어떤 구성 요소를 추천해야 합니까? 대답하려면 적절한 구성 요소를 올바른 프로세스로 드래그하세요. 각 구성 요소는 한 번, 두 번 이상 또는 전혀 사용되지 않을 수 있습니다. 창 사이의 분할 막대를 드래그하거나 스크롤하여 콘텐츠를 볼 수 있습니다.
참고사항: 정답 하나당 1점입니다.
PL-200 문제 134
한 회사에서 두 개의 Microsoft Power Platform 애플리케이션을 만들 계획입니다.
한 애플리케이션은 코드를 사용하지 않고 사용자 정의 컨트롤 레이아웃을 요구합니다. 다른 애플리케이션은 주로 외부 사용자가 사용합니다.
응용프로그램을 만들어야 합니다.
어떤 애플리케이션 유형을 사용해야 합니까? 대답하려면 적절한 애플리케이션 유형을 올바른 요구 사항으로 끌어다 놓으십시오. 각 애플리케이션 유형은 한 번, 두 번 이상 또는 전혀 사용되지 않을 수 있습니다. 창 사이의 분할 막대를 끌어다 놓거나 스크롤하여 콘텐츠를 볼 수 있습니다.
참고사항: 정답 하나당 1점입니다.
한 애플리케이션은 코드를 사용하지 않고 사용자 정의 컨트롤 레이아웃을 요구합니다. 다른 애플리케이션은 주로 외부 사용자가 사용합니다.
응용프로그램을 만들어야 합니다.
어떤 애플리케이션 유형을 사용해야 합니까? 대답하려면 적절한 애플리케이션 유형을 올바른 요구 사항으로 끌어다 놓으십시오. 각 애플리케이션 유형은 한 번, 두 번 이상 또는 전혀 사용되지 않을 수 있습니다. 창 사이의 분할 막대를 끌어다 놓거나 스크롤하여 콘텐츠를 볼 수 있습니다.
참고사항: 정답 하나당 1점입니다.
PL-200 문제 135
한 회사에서는 몇 가지 핵심 필드를 기준으로 패키지 배달에 걸리는 시간을 파악하기 위해 사용자 정의 표를 사용하여 AI 모델을 훈련하고 있습니다.
모델을 학습하는 데 사용된 테스트 데이터는 모든 학습 및 회귀 테스트 시나리오에 사용되며 완전한 데이터로 간주됩니다.
훈련된 모델은 패키지의 예상 배달 시간과 실제 배달 시간 사이에 2%의 편차가 있을 것으로 예측합니다.
임원 후원자들은 실제 분산이 15%이기 때문에 이 모델을 거부했습니다.
후원자들의 우려 사항을 해결해야 합니다.
어떻게 해야 할까요?
모델을 학습하는 데 사용된 테스트 데이터는 모든 학습 및 회귀 테스트 시나리오에 사용되며 완전한 데이터로 간주됩니다.
훈련된 모델은 패키지의 예상 배달 시간과 실제 배달 시간 사이에 2%의 편차가 있을 것으로 예측합니다.
임원 후원자들은 실제 분산이 15%이기 때문에 이 모델을 거부했습니다.
후원자들의 우려 사항을 해결해야 합니다.
어떻게 해야 할까요?