DP-100 Korean試験無料問題集「Microsoft Designing and Implementing a Data Science Solution on Azure (DP-100 Korean Version) 認定」

ページ: 1 / 48
トータル 528 問
完全版を入手する
Azure Machine Learning 데이터 저장소를 사용하는 Azure Machine Learning 작업 영역을 관리합니다.
데이터는 다음 소스에서 불러와야 합니다.
* 자격 증명이 필요 없는 Azure Blob Storage
* 자격 증명 없이 데이터에 액세스할 수 있는 데이터 저장소가 아닌 Azure Data Lake Storage(ADLS) 2세대인 경우, Azure Machine Learning 데이터 저장소의 데이터에 액세스하기 위한 인증 메커니즘을 정의해야 합니다.
어떤 데이터 접근 방식을 사용해야 할까요? 답을 찾으려면 적절한 데이터 접근 방식을 올바른 저장소 유형으로 이동하세요. 각 데이터 접근 방식은 한 번, 여러 번 또는 전혀 사용하지 않을 수 있습니다. 콘텐츠를 보려면 창 사이의 분할 막대를 이동하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.
正解：

Explanation:
Azure Machine Learning 작업 영역을 생성합니다.
워크스페이스의 Jupiter 노트북에서 실험을 구현하려면 Python SDK v2를 사용해야 합니다. 실험은 문자열 메트릭을 로깅해야 합니다.
문자열 메트릭을 로깅하는 메서드를 구현해야 합니다.
어떤 방법을 사용해야 할까요?

Azure Machine Learning 디자이너를 사용하여 학습 파이프라인을 생성합니다. 가져오기 데이터 구성 요소를 사용하여 머신 러닝 파이프라인에 데이터를 로드해야 합니다. 사용할 수 있는 데이터 소스 두 가지는 무엇입니까? 각 정답은 완전한 솔루션을 제공합니다.
참고: 정답 하나당 1점입니다.

당신은 조류의 건강과 이동을 추적하는 프로젝트의 수석 데이터 과학자입니다. 전문가들이 수집한 레이블이 지정된 조류 사진 세트를 사용하여 다중 이미지 분류 딥러닝 모델을 개발합니다. 이 모델을 활용하여 앱 사용자가 촬영한 사진 속 조류의 종을 예측하는 크로스 플랫폼 모바일 앱을 개발할 계획입니다.
학습된 모델을 테스트하고 웹 서비스로 배포해야 합니다. 배포된 모델은 다음 요구 사항을 충족해야 합니다.
테스트에는 인증된 연결이 필요하지 않아야 합니다.
배포된 모델은 추론 과정에서 낮은 지연 시간으로 작동해야 합니다.
REST 엔드포인트는 확장 가능해야 하며, 여러 최종 사용자가 모바일 애플리케이션을 사용할 때 발생하는 대량의 요청을 처리할 수 있는 용량을 갖춰야 합니다.
유효한 REST 요청이 제출되었을 때 웹 서비스가 예상되는 JSON 형식으로 예측 결과를 반환하는지 확인해야 합니다.
어떤 컴퓨팅 리소스를 사용해야 할까요? 답변하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.
正解：

Explanation:

Box 1: ds-workstation notebook VM
An authenticated connection must not be required for testing.
On a Microsoft Azure virtual machine (VM), including a Data Science Virtual Machine (DSVM), you create local user accounts while provisioning the VM. Users then authenticate to the VM by using these credentials.
Box 2: gpu-compute cluster
Image classification is well suited for GPU compute clusters
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/data-science-virtual-machine/dsvm-common-identity
https://docs.microsoft.com/en-us/azure/architecture/reference-architectures/ai/training-deep-learning
당신은 Azure AI Foundry 프로젝트를 관리하고 있습니다.
PDF 파일 세트를 기반으로 RAG 솔루션을 개발하려고 합니다. 이를 위해 데이터로부터 벡터 인덱스를 생성할 계획입니다. 인덱싱할 데이터의 위치를 ​​선택해야 합니다.
어떤 데이터 소스를 두 개 사용할 수 있습니까? 각 정답은 완전한 해결책을 제시합니다. 두 개를 선택하십시오. 참고:
정답을 맞힐 때마다 1점씩입니다.

Azure Machine Learning 작업 영역을 만들고 MLflow 라이브러리를 설치합니다.
MLflow 라이브러리를 사용하여 다양한 유형의 데이터를 결합해야 합니다.
어떤 방법을 사용해야 할까요? 답변하려면 답변란에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.
正解：

Explanation:
이진 분류 모델을 생성합니다. 해당 모델은 Azure Machine Learning 작업 영역에 등록됩니다.
Azure Machine Learning Fairness SDK를 사용하여 모델의 공정성을 평가할 수 있습니다.
로컬 컴퓨터에서 모델 학습 스크립트를 개발합니다.
모델 공정성 지표를 Azure Machine Learning Studio에 로드해야 합니다.
어떻게 해야 할까요?

解説: (GoShiken メンバーにのみ表示されます)
Azure Machine Learning 작업 영역을 관리합니다. scriptpy라는 이름의 Pylhon 스크립트는 training_data라는 인수를 읽습니다. trainlng.data 인수는 datasetl이라는 파일에 있는 학습 데이터의 경로를 지정합니다.
CSV.
당신은 scriptpy 파이썬 스크립트를 머신러닝 모델을 학습시키는 명령 작업으로 실행할 계획입니다.
스크립트를 학습 작업으로 제출할 때 datasct의 경로를 매개변수 값으로 전달하는 명령을 제공해야 합니다.
해결 방법: python script.py -training_data dataset1,csv
이 해결책은 목표를 달성합니까?

지역별 벌금 감지 데이터에 대한 확장 전략을 구현해야 합니다.
어떤 정규화 유형을 사용해야 할까요?

解説: (GoShiken メンバーにのみ表示されます)
Azure Machine Learning 작업 영역과 두 개의 Azure Blob Storage 계정에 저장된 이미지 파일 모음이 있습니다. 데이터 자산 속성을 구성해야 합니다. 구성에 어떤 값을 사용해야 할까요? 답변 영역에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.
正解：

Explanation:
Azure Machine Learning 작업 영역을 관리합니다.
Mlftow를 사용하여 로깅해야 하는 사용자 지정 모델을 구축해야 합니다. 사용자 지정 모델에는 다음이 포함됩니다.
* 해당 모델은 Mlflow에서 기본적으로 지원되지 않습니다.
* 해당 모델은 Pickle 형식으로 직렬화할 수 없습니다.
* 모델 소스 코드가 복잡합니다.
* 모델에 사용되는 Python 라이브러리는 모델과 함께 패키징되어야 합니다.
ML.flow를 사용하여 로깅을 활성화하려면 사용자 지정 모델 플레이버를 생성해야 합니다.
무엇을 사용해야 할까요?

ページ: 1 / 48
トータル 528 問