무료 온라인 액세스 Oracle.1Z0-1110-26.v2026-11-10.q54 모의 시험 (Page 3)

1Z0-1110-26 문제 6

score.py에서 stdout과 stderr로의 호출은 모델 배포 시 어디로 전달되나요?

A. 가상 머신(VM)에서 해당 사용자에게 정의된 파일

B. 배포에 정의된 Oracle Cloud Infrastructure(OCI) 로깅 서비스의 예측 로그

C. 콘솔에서 접속할 수 있는 OCI 클라우드 셸

D. OCI 콘솔

1Z0-1110-26 문제 7

다음 중 데이터 과학의 주요 목표를 가장 잘 설명하는 것은 무엇입니까?

A. 기업 기록 보관 용도로 다양한 소스 시스템에서 포괄적인 데이터 세트를 수집하고 보관합니다.

B. 대량의 데이터를 마이닝하고 분석하여 운영 개선 및 사업 이익 증대에 활용할 수 있는 정보를 발굴합니다.

C. 분석 애플리케이션의 일부로 사용하기 위한 데이터를 수집하고 준비합니다.

D. 데이터 과학은 분석 결과에 초점을 맞춥니다.

1Z0-1110-26 문제 8

다변량 데이터에 대한 Oracle Cloud Infrastructure 이상 탐지 모델을 만들려고 합니다. 학습 데이터는 어디에 저장해야 합니까?

A. 로컬 머신

B. MySQL 데이터베이스

C. 자율 데이터 웨어하우스

D. 객체 저장 버킷

정답: D

자세한 답변 및 단계별 풀이:
OCI 이상 탐지 이해하기: 이 서비스는 다변량 데이터(예: 센서 판독값)에서 이상 징후를 탐지하도록 모델을 학습시키며, 이를 위해서는 데이터가 OCI 생태계 내에서 접근 가능해야 합니다.
저장 요구 사항 평가: 학습 데이터는 이상 탐지 서비스가 프로그래밍 방식으로 액세스할 수 있는 확장 가능하고 OCI 호환 위치에 있어야 합니다.
옵션 평가:
A. 로컬 컴퓨터: 로컬 컴퓨터의 데이터는 업로드 없이는 OCI 서비스에서 직접 액세스할 수 없으므로 클라우드 기반 교육에는 적합하지 않습니다.
B. MySQL 데이터베이스: OCI는 MySQL을 지원하지만, 이상 탐지 기능은 학습 데이터용으로 MySQL과 기본적으로 통합되지 않으며 파일 기반 입력을 선호합니다.
C. 자율 데이터 웨어하우스: 이는 분석용 데이터베이스이며, CSV/JSON 파일을 필요로 하는 이상 탐지 학습 데이터의 기본 저장소가 아닙니다.
D. 객체 스토리지 버킷: OCI 객체 스토리지는 이상 탐지 도구가 학습 데이터(예: CSV 파일)를 저장하는 데 사용하는 확장 가능하고 내구성이 뛰어난 스토리지 서비스입니다.
이유: 객체 스토리지는 OCI 서비스에서 대규모 데이터를 위한 표준이며, API 또는 SDK를 통해 이상 탐지 기능과 원활하게 통합됩니다.
결론: D가 서비스 아키텍처와 일치하므로 정답입니다.
OCI 이상 탐지 서비스는 CSV 또는 JSON과 같은 형식의 학습 데이터를 객체 스토리지 버킷에 업로드해야 합니다. 이는 공식 문서에 명시적으로 설명되어 있으며, 사용자는 모델 학습용 데이터 자산을 생성하기 전에 "학습 데이터 세트를 OCI 객체 스토리지 버킷에 업로드"해야 합니다. 로컬 스토리지(A)는 클라우드 처리에 적합하지 않으며, MySQL(B) 또는 자율 데이터 웨어하우스(C)와 같은 데이터베이스는 기본 입력으로 지원되지 않습니다. 객체 스토리지(D)는 다변량 이상 탐지 워크플로에 필요한 확장성과 접근성을 제공합니다.
1: Oracle Cloud Infrastructure 이상 탐지 문서, "학습 데이터 준비" 섹션.

1Z0-1110-26 문제 9

자전거 공유 플랫폼이 지난 3년간 사용자 통근 데이터를 수집했습니다. 수익성을 높이고 유용한 추론을 도출하기 위해 축적된 데이터를 기반으로 머신러닝 모델을 구축해야 합니다. 다음 보기 중 모델 구축에 필요한 머신러닝 작업의 순서가 올바른 것은 무엇입니까?

A. 데이터 접근, 특징 탐색, 데이터 탐색, 특징 엔지니어링, 모델링

B. 데이터 접근, 데이터 탐색, 특징 탐색, 특징 엔지니어링, 모델링

C. 데이터 접근, 데이터 탐색, 특징 엔지니어링, 특징 탐색, 모델링

D. 데이터 접근, 특징 탐색, 특징 엔지니어링, 데이터 탐색, 모델링

정답: C

자세한 답변 및 단계별 풀이:
데이터 접근: 모든 머신러닝 워크플로의 첫 번째 단계는 원시 데이터에 접근하는 것입니다. 여기에는 자전거 공유 플랫폼의 저장 시스템에서 지난 3년간 수집된 사용자 통근 데이터를 가져오는 작업이 포함됩니다.
데이터 탐색: 데이터에 접근한 후에는 데이터의 구조, 품질 및 패턴(예: 결측값, 분포)을 파악하기 위해 탐색을 수행합니다. 이 단계를 통해 필요한 전처리 작업을 식별할 수 있습니다.
특징 엔지니어링: 데이터를 이해한 후, 모델 성능 향상을 위해 특징을 생성하거나 변환합니다(예: 통근 시간, 시간대). 이 단계는 특징 탐색에 앞서 수행되는데, 추가 분석을 위해서는 엔지니어링된 특징이 필요하기 때문입니다.
특징 탐색: 이는 설계된 특징들을 분석(예: 상관 분석, 중요도 순위 매기기)하여 특징을 개선하거나 모델링에 가장 적합한 특징을 선택하는 과정을 포함합니다.
모델링: 마지막으로, 준비된 데이터와 특징을 사용하여 머신러닝 모델을 학습시키고 평가합니다.
옵션 C(데이터 접근, 데이터 탐색, 특징 엔지니어링, 특징 탐색, 모델링)는 표준 ML 워크플로와 일치하는 논리적 순서를 따릅니다.
올바른 순서는 Oracle의 OCI 데이터 과학 문서에 설명된 머신 러닝 수명 주기를 반영합니다. 데이터 액세스는 데이터를 검색하는 초기 단계이며, 그 다음으로 데이터 탐색을 통해 데이터를 평가합니다(예: pandas와 같은 도구를 사용하는 OCI 데이터 과학 노트북 세션). 특징 엔지니어링은 원시 데이터를 의미 있는 입력으로 변환하고, 특징 탐색을 통해 특징 중요도를 분석합니다(예: ADS SDK의 상관 관계 도구 사용). 모델링은 모델을 구축하고 학습시키는 마지막 단계입니다. 이 순서는 Oracle의 OCI 데이터 과학에서 머신 러닝 모델을 구축하기 위한 권장 사례와 일치합니다(Oracle Cloud Infrastructure 데이터 과학 서비스 문서, "머신 러닝 수명 주기").

1Z0-1110-26 문제 10

텍스트 및 이미지 파일 세트에 주석을 달아야 하는 데이터 과학자로서 Oracle Cloud Infrastructure(OCI) 데이터 레이블링 도구를 사용하려고 합니다. 다음 세 가지 주석 클래스 중 OCI 도구에서 지원하는 클래스는 무엇입니까?

A. 객체 감지

B. 개체명 추출

C. 분류(단일/다중 레이블)

D. 주요 지점 및 랜드마크

E. 다각형 분할

F. 의미론적 분할

최근 업로드: 129Hitachi.HQT-4160.v2026-11-11.q20; 122Fortinet.FCP_FML_AD-7.4.v2026-11-11.q40; 148Microsoft.DP-900-KR.v2026-11-11.q150; 154Cisco.200-301-KR.v2026-11-11.q846; 158ISACA.CISA-KR.v2026-11-11.q766; 161Microsoft.PL-300-KR.v2026-11-11.q194; 134Genesys.GCX-AI-GPE.v2026-11-10.q37; 132Fortinet.FCP_FSM_AN-7.2.v2026-11-10.q32; 133Oracle.1Z0-1110-26.v2026-11-10.q54; 136Salesforce.AP-220.v2026-11-10.q29