무료 온라인 액세스 Snowflake.DSA-C03.v2025-10-13.q101 모의 시험 (Page 5)

DSA-C03 문제 16

Snowflake에서 Snowpark를 사용하여 대규모 판매 데이터세트에 대한 탐색적 데이터 분석을 수행하고 있습니다. 이 데이터세트에는 'order_id', ',', 'profit'과 같은 열이 포함되어 있습니다. 각 월별로 수익성이 가장 높은 상위 5개 제품을 파악하려고 합니다. 이미 'sales_df'라는 이름의 Snowpark 데이터프레임을 생성했습니다. 다음 Snowpark 연산 중 올바르게 결합했을 때 이 작업을 효율적으로 수행할 수 있는 것은 무엇입니까?

A. 'product_id'로 그룹화하고 'sum(profit)'을 집계한 다음 'sum(profit) DESC'로 정렬하여 분할합니다.

B. 'product_id'로 그룹화하고
'sum(profity.description)'을 집계한 후, 'sum(profit) DESC'로 정렬하여 'rank()'를 사용합니다 .

C. 먼저, SQL을 사용하여 각 제품의 월별 수익을 집계한 임시 테이블을 생성합니다. 그런 다음 Snowpark를 사용하여 임시 테이블을 읽고 'sum(profit) DESC'로 정렬된 윈도우 함수를 적용합니다.

D. 'product_id'로 그룹화하고 'sum(profity'를 집계한 다음 UDF 내에서 'sum(profit) DESC'로 정렬하여 분할합니다.

E. 'product_id'로 그룹화하고 'sum(profit)'을 집계한 후 'sum(profit) DESC'로 정렬된 'ntile(5)'를 사용합니다.

DSA-C03 문제 17

AWS SageMaker를 사용하여 외부에서 호스팅되는 사전 학습된 감정 분석 모델을 배포하는 작업을 맡고 있습니다. 모델 엔드포인트에는 인증을 위한 API 키가 필요하며, 'CUSTOMER REVIEWS'라는 이름의 Snowflake 테이블에 저장된 고객 리뷰를 평가하려고 합니다. 비밀을 저장하기 위한 Snowflake 스테이지를 이미 생성했다고 가정할 때, 이 외부 모델을 Snowflake와 안전하고 효율적으로 통합하려면 다음 중 어떤 단계가 필요할까요?

A. Snowflake에서 SageMaker 엔드포인트를 호출하는 외부 함수를 만들고, 단순화를 위해 API 키를 함수 정의에 직접 하드코딩합니다.

B. Snowflake에 API 키를 저장할 비밀 객체를 생성합니다. 외부 함수를 실행할 역할에 비밀에 대한 적절한 권한을 부여합니다. 보안 외부 스테이지를 참조하는 외부 함수를 수정합니다.

C. Snowflake의 외부 함수를 사용하여 SQL 쿼리에서 SageMaker 엔드포인트를 직접 호출하고 고객 리뷰 텍스트를 입력으로 전달합니다. Snowflake가 인터넷에 연결되어 있는 한 별도의 보안 외부 스테이지 구성은 필요하지 않습니다.

D. Snowflake에서 보안된 Snowflake 비밀 객체에서 API 키를 가져오는 외부 함수를 생성합니다. 외부 함수와 연결된 서비스 계정에 비밀에 대한 USAGE 권한을 부여합니다.

E. Snowflake와 SageMaker 사이의 중개자 역할을 하는 AWS Lambda 함수(API Gateway를 사용하는 경우) 내의 환경 변수에 API 키를 저장합니다. Snowflake는 API Gateway 엔드포인트를 호출하고, 이 엔드포인트는 요청을 SageMaker 엔드포인트로 전달하며, Snowflake에서는 별도의 구성이 필요하지 않습니다.

DSA-C03 문제 18

고객 이탈 예측 모델을 개발 중이며 Snowpark Feature Store를 사용하고 있습니다. 특성 중 하나가 매일 업데이트됩니다. 추론 과정에서 오래된 특성 값이 사용되어 시간이 지남에 따라 모델 성능이 저하되는 것을 발견했습니다. 모델이 항상 최신 특성 값을 사용하도록 하려고 합니다. 다음 중 Snowpark Feature Store를 사용하여 이 문제를 해결하고 온라인 추론 과정에서 모델이 오래된 특성을 유지하는 가장 효과적인 방법은 무엇일까요?

A. 예약된 Snowpark Python 함수를 사용하여 매시간 자동으로 새로 고침되도록 기능 그룹을 구성합니다.

B. Feature Store를 우회하여 Snowpark를 사용하여 기본 Snowflake 테이블을 직접 쿼리하는 실시간 기능 검색 서비스를 구현합니다.

C. 추론 중에 Feature Store 클라이언트에서 메서드를 사용하여 항상 현재 타임스탬프를 전달하도록 합니다.

D. Snowflake에서 사용자 정의 함수(UDF)를 정의하여 모델이 예측을 할 때마다 필요에 따라 Feature Store에서 'customer_lifetime_value'를 검색하고 'feature_retrieval_mode='fresh'S를 설정합니다.

E. 데이터 오래됨을 관리하고 추론 중에 이를 사용하여 모델이 항상 최신 기능 값을 사용하도록 하는 속성을 구성합니다.

DSA-C03 문제 19

Python으로 작성된 Snowflake UDF(사용자 정의 함수) 내에서 머신 러닝 모델을 개발하고 있습니다. 이 UDF는 기본 Snowflake Anaconda 채널에 포함되지 않은 외부 Python 라이브러리에 액세스해야 합니다. 스테이지를 생성하고 필요한 파일을 업로드했습니다. 'conda create'와 'conda install --file requirements.txt'를 사용하여 로컬 환경을 성공적으로 생성하고, 이후 환경을 압축했습니다. 이제 스테이지에서 이러한 외부 라이브러리를 올바르게 사용하도록 Snowflake UDF를 구성하는 데 필요한 단계는 무엇입니까? 해당하는 모든 항목을 선택하세요.

A. UDF 맨 위에 'import sys; sys._xoptions['snowflake_home'] = 줄을 포함하여 환경 단계 위치를 가리킵니다.

B. Python 환경이 포함된 ZIP 파일을 만들고 Snowflake 스테이지에 업로드합니다.

C. 'CREATE OR REPLACE FUNCTION' 문의 'imports' 절에서 기호를 사용하고 zip 파일을 지정하여 압축된 환경이 포함된 스테이지 경로를 지정합니다(예: '@snowflake_packages/myenv.zip').

D. 'CREATE OR REPLACE FUNCTION' 문의 'PYTHON_VERSION' 매개변수를 환경에서 사용되는 Python 버전과 일치하도록 설정합니다. 예: 'PYTHON_VERSION = '3.8'.

E. 'CREATE OR REPLACE FUNCTION RETURNS VARCHAR ..:'와 함수 내에서 pip install 명령을 사용하여 패키지를 Snowflake 환경에 직접 설치합니다.

DSA-C03 문제 20

VS Code에서 Jupyter Notebook을 실행하여 Snowflake Python 커넥터를 사용하여 모델을 학습하고 있습니다. 'CUSTOMER DATA'라는 이름의 Snowflake 테이블에 'ID', 'FEATURE 1', 'FEATURE_2', 'TARGET' 열이 있습니다. 모델 학습을 위해 Pandas DataFrame에 데이터를 효율적으로 로드하여 메모리 사용량을 최소화하려고 합니다. 'FEATURE 1', 'FEATURE 2', 'TARGET' 열만 필요하다고 가정할 때, 다음 중 가장 효율적인 코드는 무엇입니까?

C.
{<디>}:

최근 업로드: 116Oracle.1Z0-1050-26.v2026-09-05.q19; 136Salesforce.Manufacturing-Cloud-Professional.v2026-09-05.q111; 163EXIN.ITILFND_V4.v2026-09-05.q129; 146Citrix.1Y0-312.v2026-09-05.q182; 143NVIDIA.NCP-AIN.v2026-09-05.q56; 170Huawei.H12-351_V1.0.v2026-09-04.q76; 804Cisco.300-435.v2026-09-03.q259; 397Oracle.1Z0-1045-26.v2026-09-03.q17; 691IIA.IIA-CIA-Part1.v2026-09-03.q627; 552Fortinet.NSE6_OTS_AR-7.6.v2026-09-03.q95