SPS-C01 문제 56
'raw events'라는 Snowflake 테이블이 있고, 그 테이블에는 'event data'라는 VARIANT 열이 있습니다. 'event data' 열에는 'timestamp' 필드를 가진 JSON 객체가 포함되어 있는데, 이 필드는 문자열로 표현되는 경우도 있고 숫자(Unix epoch)로 표현되는 경우도 있습니다. 문자열과 숫자 표현 모두를 처리하면서 'timestamp' 필드를 타임스탬프 객체로 추출하는 Snowpark DataFrame을 생성해야 합니다. 다음 코드 조각 중 어떤 것이 유형 호환성 문제로 인한 오류를 발생시키지 않고 이 작업을 올바르게 수행합니까?
SPS-C01 문제 57
Snowpark DataFrame을 입력으로 받아 별도의 Python 모듈 'data utils.py'에 정의된 함수들을 사용하여 여러 데이터 변환을 수행하고 변환된 DataFrame을 반환하는 'process_data'라는 Snowpark Python 저장 프로시저가 있습니다. 'data utils.py' 파일은 로컬 디렉터리에 있습니다. 이 저장 프로시저를 Snowflake에서 호출할 수 있도록 등록하려고 합니다. 다음 코드 조각 중 'data utils.py' 모듈이 Snowpark 환경에서 사용 가능하도록 저장 프로시저를 올바르게 등록하는 방법을 보여주는 것은 무엇입니까? (두 개를 선택하십시오)
SPS-C01 문제 58
'event_data'라는 VARIANT 열에 JSON 데이터가 포함된 Snowflake 테이블 'raw_events'가 있습니다. 이 열에는 웹사이트 사용자 활동을 나타내는 중첩된 JSON 객체가 포함되어 있습니다. 특정 중첩 값을 추출하여 'event_type' 및 'timestamp' 열을 가진 새 Snowflake 테이블 'user_activity'에 로드해야 합니다. 데이터 전송량을 최소화하고 성능을 최적화한다는 가정 하에, 다음 Snowpark 코드 스니펫 중 어떤 것이 가장 효율적이고 정확한 방법입니까? JSON 데이터에 null 값이 포함될 가능성을 고려하십시오.
SPS-C01 문제 59
고객 이탈을 예측하는 Snowpark 머신러닝 파이프라인을 구축하는 임무를 맡았습니다. 모델 학습에는 scikit-learn 라이브러리를 사용하고, 학습된 모델을 실시간 스코어링을 위해 Snowpark UDF로 배포할 계획입니다. 다음 코드 스니펫을 참고하세요.
SPS-C01 문제 60
'region'과 'sales_amount' 열을 가진 판매 데이터가 포함된 Snowpark DataFrame이 있습니다. 각 지역별 총 판매액을 계산한 다음, 총 판매액이 10,000보다 큰 지역만 결과에 포함하도록 필터링해야 합니다. 다음 Snowpark 코드 조각 중 이 로직을 올바르게 구현한 것은 무엇입니까?