[Jan 03, 2024] DP-100 덤프 무료 최신 Microsoft 실제 시험 [Q233-Q250]을 통과하십시오.

새 질문 233
작업 공간1이라는 Azure 머신 러닝 작업 공간을 관리합니다.
액세스 키를 사용하여 작업 공간1에 Azure Blob 스토리지 데이터스토어를 등록해야 합니다. 데이터스토어를 등록하는 데 필요한 모든 모듈을 가져오기 위해 Python SDK v2 코드를 개발합니다.
데이터스토어를 정의하려면 Python SDK v2 코드를 작성해야 합니다.
코드를 어떻게 완성해야 하나요? 답하려면 답 영역에서 적절한 옵션을 선택합니다.
참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 234
머신 러닝 모델이 민감한 기능에 대해 불공정한 예측을 하는 경우가 있습니다.
후처리 기술을 사용하여 모델에 제약 조건을 적용하여 불공정성을 완화해야 합니다.
후처리 기법과 모델 유형을 선택해야 합니다.
어떤 것을 사용해야 하나요? 답하려면 답 영역에서 적절한 옵션을 선택하세요.
참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 235
테스트 요구 사항에 따라 데이터를 분할하는 방법을 식별해야 합니다.
어떤 속성을 선택해야 하나요? 답하려면 답 영역에서 적절한 옵션-, m을 선택합니다. 참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 236
짧은 문장 형식으로 작성된 12,000개의 고객 리뷰가 포함된 CSV 파일을 사용하여 감성 분석을 수행하려고 합니다. CSV 파일을 Azure Machine Learning Studio에 추가하고 실험의 시작점 데이터 집합으로 구성합니다. 데이터 집합의 고객 리뷰 열에서 핵심 문구를 추출하기 위해 텍스트에서 N-Gram 기능 추출 모듈을 실험에 추가합니다.
고객 리뷰 텍스트에서 새 n-그램 사전을 생성하고 최대 n-그램 크기를 트라이그램으로 설정해야 합니다.
무엇을 선택해야 하나요? 답하려면 답 영역에서 적절한 옵션을 선택합니다.
참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 237
참고: 이 문제는 동일한 시나리오를 제시하는 일련의 문제 중 일부입니다. 시리즈의 각 문제에는 명시된 목표를 달성할 수 있는 고유한 해결책이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상 있을 수 있고, 정답이 없는 문제도 있습니다.
이 섹션의 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이러한 질문은 검토 화면에 표시되지 않습니다.
과거 데이터를 기반으로 기상 조건을 예측하는 모델을 만듭니다.
처리 스크립트를 실행하여 데이터스토어에서 데이터를 로드하고 처리된 데이터를 머신 러닝 모델 학습 스크립트로 전달하는 파이프라인을 만들어야 합니다.
해결 방법: 다음 코드를 실행합니다:

솔루션이 목표에 부합하나요?

새 질문 238
근처 기상 관측소에서 데이터를 수집합니다. 다음 데이터를 포함하는 weather_df라는 이름의 판다 데이터 프레임이 있습니다:

데이터는 정오와 자정, 즉 12시간마다 수집됩니다.
자동화된 머신 러닝을 사용하여 향후 7일 동안의 기온을 예측하는 시계열 모델을 만들려고 합니다. 초기 훈련 라운드에서는 최대 50개의 서로 다른 모델을 훈련하려고 합니다.
이러한 모델을 학습하려면 Azure 머신 러닝 SDK를 사용하여 자동화된 머신 러닝 실험을 실행해야 합니다.
자동화된 머신 러닝 실행을 구성해야 합니다.
AutoMLConfig 정의를 어떻게 작성해야 하나요? 답하려면 답 영역에서 적절한 옵션을 선택하세요.
참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 239
Azure ML SDK를 사용하여 실험을 실행하기 위해 준비 중이며 컴퓨팅을 만들어야 합니다. 다음 코드를 실행합니다:

다음 각 진술에 대해 해당 진술이 사실이면 예를 선택합니다. 그렇지 않으면 아니요를 선택합니다.
참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 240
폴더를 참조하는 csvjolder라는 파일 데이터 집합을 등록합니다. 이 폴더에는 Azure 저장소 블롭 컨테이너에 여러 CSV(쉼표로 구분된 값) 파일이 포함되어 있습니다. 다음 코드를 사용하여 파일 데이터 집합에서 데이터를 로드하는 스크립트를 실행하려고 합니다. 다음 변수를 만들고 인스턴스화합니다:

다음 코드가 있습니다:


스크립트가 참조하는 파일을 읽을 수 있도록 데이터 집합을 전달해야 합니다. 코드 주석을 대체하려면 어떤 코드 세그먼트를 삽입해야 하나요?

새 질문 241
Python 언어를 사용하여 글로벌 페널티 탐지 모델에 대한 샘플링 전략을 구축해야 합니다.
코드 세그먼트를 어떻게 완성해야 하나요? 답하려면 답 영역에서 적절한 옵션을 선택합니다.
참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 242
CSV 파일에서 텍스트를 전처리하려고 합니다. Azure 머신 러닝 스튜디오의 기본 중지 단어 목록을 로드합니다.
다음 요구 사항을 충족하도록 텍스트 사전 처리 모듈을 구성해야 합니다:
하나의 표준 양식에서 여러 개의 관련 단어가 있는지 확인합니다.
텍스트에서 파이프 문자를 제거합니다.
단어를 제거하여 정보 검색을 최적화하세요.
다음 중 어떤 세 가지 옵션을 선택해야 하나요? 답하려면 답 영역에서 적절한 옵션을 선택하세요.
참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 243
Azure 머신 러닝 작업 공간이 있습니다.
워크스페이스의 구성 파일이 다운로드된 Python 환경에서 다음 코드를 실행합니다.

지침을 따르세요: 다음 각 문장에 대해 해당 문장이 사실이면 예를 선택합니다. 그렇지 않으면 아니요를 선택합니다. 참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 244
Azure 머신 러닝 스튜디오에서 실험을 만듭니다. 10.000개의 행이 포함된 학습 데이터 집합을 추가합니다. 처음 9.000개의 행은 클래스 0(90%)을 나타냅니다. 처음 1.000개의 행은 클래스 1(10%)을 나타냅니다.
훈련 집합이 두 클래스 간에 불균형합니다. 데이터 행을 사용하여 클래스 1의 훈련 예제 수를 4,000개로 늘려야 합니다. 실험에 합성 소수 오버샘플링 기법(SMOTE) 모듈을 추가합니다.
모듈을 구성해야 합니다.
어떤 값을 사용해야 하나요? 답변하려면 답변 영역의 대화 상자에서 적절한 옵션을 선택합니다.
참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 245
자동화된 머신 러닝을 사용하여 분류 및 회귀 모델을 학습합니다.
자동화된 머신 러닝 실험 결과를 평가해야 합니다. 결과에는 분류 모델이 예측에서 체계적인 오류를 일으키는 방식과 대상 특징과 회귀 모델의 예측 간의 관계가 포함됩니다. 자동화된 머신 러닝으로 생성된 차트를 사용해야 합니다.
각 모델 유형에 대해 차트 유형을 선택해야 합니다.
어떤 차트 유형을 사용해야 하나요? 답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 246
새 Azure 데이터브릭 작업 영역을 만듭니다.
아래 이미지와 같이 컴퓨팅 클러스터에서 부하가 혼합된 장기 실행 작업에 대해 새 클러스터를 구성합니다.

드롭다운 메뉴를 사용하여 그래픽에 표시된 정보에 따라 각 문장을 완성하는 답안을 선택합니다.
참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 247
TSV 파일 집합이 포함된 Azure 블롭 컨테이너가 있습니다. Azure 블롭 컨테이너는 Azure 머신 러닝 서비스 작업 영역의 데이터 저장소로 등록되어 있습니다. 각 TSV 파일은 동일한 데이터 스키마를 사용합니다.
모든 TSV 파일에 대한 데이터를 함께 집계한 다음 Python용 Azure 머신 러닝 SDK를 사용하여 집계된 데이터를 Azure 머신 러닝 작업 영역에 데이터 집합으로 등록할 계획입니다.
다음 코드를 실행합니다.

다음 각 진술에 대해 해당 진술이 사실이면 예를 선택합니다. 그렇지 않으면 아니요를 선택합니다.
참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 248
참고: 이 문제는 동일한 시나리오를 제시하는 일련의 문제 중 일부입니다. 시리즈의 각 문제에는 명시된 목표를 달성할 수 있는 고유한 해결책이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상 있을 수 있고, 정답이 없는 문제도 있습니다.
이 섹션의 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이러한 질문은 검토 화면에 표시되지 않습니다.
Azure 머신 러닝을 사용하여 분류 모델을 학습하는 실험을 실행하고 있습니다.
Hyperdrive를 사용하여 모델의 AUC 지표를 최적화하는 매개 변수를 찾고자 합니다. 다음 코드를 실행하여 실험을 위한 HyperDriveConfig를 구성합니다:

이 구성을 사용하여 무작위 포리스트 모델을 학습한 다음 유효성 검사 데이터로 테스트하는 스크립트를 실행하려고 합니다. 유효성 검사 데이터의 레이블 값은 y_test 변수라는 변수에 저장되고, 모델의 예측 확률은 y_predicted라는 변수에 저장됩니다.
스크립트에 로깅을 추가하여 Hyperdrive가 AUC 메트릭에 대한 하이퍼파라미터를 최적화할 수 있도록 해야 합니다.
해결 방법: 다음 코드를 실행합니다:

솔루션이 목표에 부합하나요?

새 질문 249
Azure 기계 학습 디자이너를 사용하여 모든 국가의 인구 조사 데이터가 포함된 데이터 집합을 변환하고 있습니다.
데이터 분할 구성 요소를 사용하여 데이터 집합을 두 개의 데이터 집합으로 분리해야 합니다. 첫 번째 데이터 집합에는 미국의 인구조사 데이터가 포함되어야 합니다. 두 번째 데이터 집합에는 나머지 국가의 인구 조사 데이터가 포함되어야 합니다.
데이터 집합을 생성하려면 컴포넌트를 구성해야 합니다.
어떤 구성 값을 사용해야 하나요? 답하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고: 정답을 선택할 때마다 1점의 가치가 있습니다.

새 질문 250
오픈 소스 딥 러닝 프레임워크인 Caffe2 및 Theano와 함께 데이터 과학 가상 머신(DSVM)을 사용하려고 합니다. 프레임워크를 지원하도록 미리 구성된 DSVM을 선택해야 합니다.
무엇을 만들어야 하나요?