最新版無料体験を掴み取れ！Microsoft DP-100日本語問題集PDFは更新されたのは2026年
最新リリースのDP-100日本語問題集はMicrosoft Azure認証済みです
質問 # 272
自動機械学習を使用して回帰モデルをトレーニングする予定です。欠損値のある特徴と、明確な値がほとんどないカテゴリー特徴を持つデータがあります。
トレーニングタスクの一部として、欠損値を自動的に代入し、カテゴリカル機能をエンコードするように自動機械学習を構成する必要があります。
AutoMLConfigクラスで使用するパラメーターと値のペアはどれですか。
- A. enable_tf = True
- B. enable_voting_ensemble = True
- C. featurization = 'auto'
- D. task = 'classification'
- E. exclude_nan_labels = True
正解：C
解説：
Explanation
Featurization str or FeaturizationConfig
Values: 'auto' / 'off' / FeaturizationConfig
Indicator for whether featurization step should be done automatically or not, or whether customized featurization should be used.
Column type is automatically detected. Based on the detected column type preprocessing/featurization is done as follows:
Categorical: Target encoding, one hot encoding, drop high cardinality categories, impute missing values.
Numeric: Impute missing values, cluster distance, weight of evidence.
DateTime: Several features such as day, seconds, minutes, hours etc.
Text: Bag of words, pre-trained Word embedding, text target encoding.
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-train-automl-client/azureml.train.automl.automlconfig.auto
質問 # 273
Azure Machine Learning デザイナーを使用してトレーニング パイプラインを作成します。モデルのトレーニングに使用するデータを含む CSV ファイルをアップロードします。
デザイナーを使用して、次のタスクを実行する手順を含むパイプラインを作成する必要があります。
pandas フィルター メソッドを使用してトレーニング機能を選択します。
naive_bayes.GaussianNB アルゴリズムに基づいてモデルをトレーニングします。
クエリ SELECT [Scored Labels] FROM t1; を使用して、Scored Labels 列のみを返します。どのモジュールを使用する必要がありますか?答えるには、適切なモジュールを適切な場所にドラッグします。各モジュール名は、1 回または複数回使用することも、まったく使用しないこともできます。コンテンツを表示するには、分割バーをペイン間でドラッグするか、スクロールする必要がある場合があります。
注: 正しい選択ごとに 1 ポイントの価値があります。
正解：
解説：
質問 # 274
パブリックエンドポイントからアクセスできるworkspace1という名前のAzureMachineLearningワークスペースがあります。ワークスペースには、account1という名前のAzureストレージアカウントのBLOBコンテナーを表すstore1という名前のAzureBlobストレージデータストアが含まれています。同じ仮想ネットワーク内のプライベートエンドポイントを使用して、workspace1とaccount1にアクセスできるように構成します。
Azure Machine Learning SDK for Pythonを使用して、store1のコンテンツにアクセスできる必要があります。 Azure Machine Learning Studioを使用して、store1のコンテンツをプレビューできる必要があります。
store1を構成する必要があります。
あなたは何をするべきか？回答するには、回答エリアで適切なオプションを選択してください。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-access-data
質問 # 275
二項分類モデルを作成します。Fairlearn パッケージを使用して、モデルの公平性を評価します。モデルを再トレーニングする必要性を排除する必要があります。Fair learn パッケージを実装する必要があります。どのアルゴリズムを使用する必要がありますか?
- A. fairlearn.reductions.ExponentiatedGradient
- B. fatrlearn.reductions.GridSearch
- C. fair Icarn.postprocessing.ThresholdOplimizer
- D. fairlearn.preprocessing.CorrelationRemover
正解：D
質問 # 276
注：この質問は、同じシナリオを提示する一連の質問の一部です。シリーズの各質問には、記載された目標を達成する可能性のある独自のソリューションが含まれています。一部の質問セットには複数の正しい解決策がある場合もあれば、正しい解決策がない場合もあります。
このセクションの質問に回答すると、その質問に戻ることはできません。その結果、これらの質問はレビュー画面に表示されません。
あなたはAzure Machine Learning Studioを使用しているデータサイエンティストです。
ターゲット列を予測するには、値を正規化して出力列をビンに生成する必要があります。
解決策：QuantileIndex正規化でQuantiles正規化を適用します。
ソリューションは目標を満たしていますか？
- A. いいえ
- B. はい
正解：A
解説：
Use the Entropy MDL binning mode which has a target column.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/group-data-into-bins
質問 # 277
組織はAzure Machine Learningサービスを使用しており、機械学習の使用を拡大したいと考えています。
次のコンピューティング環境があります。組織は別のコンピューティング環境を作成したくありません。
次のシナリオで使用するコンピューティング環境を決定する必要があります。
どの計算タイプを使用する必要がありますか？答えるには、適切なコンピューティング環境を正しいシナリオにドラッグします。各コンピューティング環境は、1回、複数回、またはまったく使用しない場合があります。コンテンツを表示するには、ペイン間で分割バーをドラッグするか、スクロールする必要がある場合があります。
注：それぞれの正しい選択は1ポイントの価値があります。
正解：
解説：
Explanation:
Box 1: nb_server
Box 2: mlc_cluster
With Azure Machine Learning, you can train your model on a variety of resources or environments, collectively referred to as compute targets. A compute target can be a local machine or a cloud resource, such as an Azure Machine Learning Compute, Azure HDInsight or a remote virtual machine.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/concept-compute-target
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-set-up-training-targets
質問 # 278
Azure Machine Learning ワークスペースを管理します。
Python SDK v2 を使用して、トレーニング ジョブ用のコンピューティング クラスターを作成し、構成する必要があります。
可能な限り少ないプロパティを指定して、永続的な Azure Machine Learning コンピューティング リソースを作成する必要があります。
定義する必要がある 2 つのプロパティはどれですか。それぞれの正解はソリューションの一部を示しています。
注意: 正しい選択ごとに 1 ポイントが加算されます。
- A. 名前
- B. サイズ
- C. 型
- D. 最小インスタンス数
- E. 最大インスタンス数
正解：D、E
質問 # 279
注：この質問は、同じシナリオを提示する一連の質問の一部です。シリーズの各質問には、指定された目標を達成する可能性のある独自のソリューションが含まれています。一部の質問セットには複数の正しい解決策がある場合がありますが、他の質問セットには正しい解決策がない場合があります。
このセクションの質問に回答した後は、その質問に戻ることはできません。その結果、これらの質問はレビュー画面に表示されません。
スクリプトという名前のローカルフォルダーにtrain.pyという名前のPythonスクリプトがあります。スクリプトは、scikit-learnを使用して回帰モデルをトレーニングします。スクリプトには、やはりスクリプトフォルダーにあるトレーニングデータファイルを読み込むコードが含まれています。
スクリプトは、aml-computeという名前の計算クラスターでAzure ML実験として実行する必要があります。
モデルトレーニングに必要なパッケージが環境に含まれるように、実行を構成する必要があります。ターゲットの計算クラスターを参照するaml-computeという名前の変数をインスタンス化しました。
解決策：次のコードを実行します。
ソリューションは目標を達成していますか？
- A. いいえ
- B. はい
正解：A
解説：
The scikit-learn estimator provides a simple way of launching a scikit-learn training job on a compute target.
It is implemented through the SKLearn class, which can be used to support single-node CPU training.
Example:
from azureml.train.sklearn import SKLearn
}
estimator = SKLearn(source_directory=project_folder,
compute_target=compute_target,
entry_script='train_iris.py'
)
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-scikit-learn
質問 # 280
Azure Machine Learning Studioで分類タスクを実行しています。
提供されたデータセットに基づいて、バランスの取れたテストおよびトレーニングサンプルを準備する必要があります。
0.75：0.25の比率でデータを分割する必要があります。
各パラメーターにどの値を使用する必要がありますか？ 回答するには、回答エリアで適切なオプションを選択します。
注：それぞれの正しい選択には1ポイントの価値があります。
正解：
解説：
.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/split-data
質問 # 281
トレーニング済みのモデルをAzureMachineLearningワークスペースに登録することを計画しています。
モデルに関する追加のメタデータをKey-Value形式で保存する必要があります。作成後に、新しいメタデータを追加したり、メタデータを変更または削除したりできる必要があります。
モデルを登録する必要があります。
どのパラメータを使用する必要がありますか？
- A. 説明
- B. プロパティ
- C. キャグ
- D. model_framework
正解：B
解説：
azureml.core.Model.properties:
Dictionary of key value properties for the Model. These properties cannot be changed after registration, however new key value pairs can be added.
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.model.model
質問 # 282
Azure Machine Learning ワークスペースがあります。
Azure Machine Learning Python SDK v2 を使用してワークスペースにコンポーネントを登録する予定です。コンポーネント定義は、ローカル ファイル ./components/train/train.yml に保存されます。
ml_client オブジェクトを使用してワークスペースに接続し、必要なすべてのライブラリをインポートするコードを記述します。残りのコードを完成させる必要があります。
コードをどのように完成させるべきですか? 回答するには、回答領域で適切なオプションを選択してください。
注意: 正しい選択ごとに 1 ポイントが付与されます。
正解：
解説：
Explanation:
質問 # 283
マルチクラスの画像分類の深層学習モデルを作成します。
モデルは、パブリックWebポータルからフェッチされた新しい画像データで毎月再トレーニングする必要があります。 Azure Machine Learningパイプラインを作成して、新しいデータをフェッチし、画像のサイズを標準化し、モデルを再トレーニングします。
パイプラインのスケジュールを構成するには、Azure Machine Learning SDKを使用する必要があります。
どの4つのアクションを順番に実行する必要がありますか。回答するには、適切なアクションをアクションのリストから回答領域に移動し、正しい順序に並べます。
正解：
解説：
Explanation
Step 1: Publish the pipeline.
To schedule a pipeline, you'll need a reference to your workspace, the identifier of your published pipeline, and the name of the experiment in which you wish to create the schedule.
Step 2: Retrieve the pipeline ID.
Needed for the schedule.
Step 3: Create a ScheduleRecurrence..
To run a pipeline on a recurring basis, you'll create a schedule. A Schedule associates a pipeline, an experiment, and a trigger.
First create a schedule. Example: Create a Schedule that begins a run every 15 minutes:
recurrence = ScheduleRecurrence(frequency="Minute", interval=15)
Step 4: Define an Azure Machine Learning pipeline schedule..
Example, continued:
recurring_schedule = Schedule.create(ws, name="MyRecurringSchedule",
description="Based on time",
pipeline_id=pipeline_id,
experiment_name=experiment_name,
recurrence=recurrence)
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-schedule-pipelines
質問 # 284
モデルトレーニング要件に適した早期停止基準を実装する必要があります。
ソリューションの開発に使用する必要がある3つのコードセグメントはどれですか？回答するには、適切なコードセグメントをコードセグメントのリストから回答領域に移動し、正しい順序で並べます。
注：回答の選択肢の複数の順序が正しいです。選択した正しい注文のいずれかのクレジットを受け取ります。
正解：
解説：
Explanation
You need to implement an early stopping criterion on models that provides savings without terminating promising jobs.
Truncation selection cancels a given percentage of lowest performing runs at each evaluation interval. Runs are compared based on their performance on the primary metric and the lowest X% are terminated.
Example:
from azureml.train.hyperdrive import TruncationSelectionPolicy
early_termination_policy = TruncationSelectionPolicy(evaluation_interval=1, truncation_percentage=20, delay_evaluation=5)
質問 # 285
財務チームから、finance-data という名前の Azure Storage BLOB コンテナー内のデータを使用してモデルをトレーニングするように依頼されました。
コンテナーを Azure Machine Learning ワークスペースのデータストアとして登録し、コンテナーが存在しない場合にエラーが発生するようにする必要があります。
コードをどのように完成させるべきですか? 回答するには、回答エリアで適切なオプションを選択してください。
注意: 正しい選択ごとに 1 ポイントが付与されます。
正解：
解説：
Explanation:
Box 1: register_azure_blob_container
Register an Azure Blob Container to the datastore.
Box 2: create_if_not_exists = False
Create the file share if it does not exists, defaults to False.
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.datastore.datastore
質問 # 286
注：この質問は、同じシナリオを提示する一連の質問の一部です。シリーズの各質問には、記載された目標を達成する可能性のある独自のソリューションが含まれています。一部の質問セットには複数の正しい解決策がある場合もあれば、正しい解決策がない場合もあります。
このセクションの質問に回答すると、その質問に戻ることはできません。その結果、これらの質問はレビュー画面に表示されません。
複数の列に欠損値を含む数値データセットを分析しています。
機能セットの次元に影響を与えることなく、適切な操作を使用して欠損値を消去する必要があります。
すべての値を含めるには、完全なデータセットを分析する必要があります。
解決策：連鎖方程式による多重代入（MICE）メソッドを使用して、各欠損値を置き換えます。
ソリューションは目標を達成していますか？
- A. はい
- B. いいえ
正解：A
解説：
Explanation
Replace using MICE: For each missing value, this option assigns a new value, which is calculated by using a method described in the statistical literature as "Multivariate Imputation using Chained Equations" or
"Multiple Imputation by Chained Equations". With a multiple imputation method, each variable with missing data is modeled conditionally using the other variables in the data before filling in the missing values.
Note: Multivariate imputation by chained equations (MICE), sometimes called "fully conditional specification" or "sequential regression multiple imputation" has emerged in the statistical literature as one principled method of addressing missing data. Creating multiple imputations, as opposed to single imputations, accounts for the statistical uncertainty in the imputations. In addition, the chained equations approach is very flexible and can handle variables of varying types (e.g., continuous or binary) as well as complexities such as bounds or survey skip patterns.
References:
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3074241/
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/clean-missing-data
質問 # 287
注：この質問は、同じシナリオを提示する一連の質問の一部です。シリーズの各質問には、指定された目標を満たす可能性のある独自のソリューションが含まれています。一部の質問セットには複数の正しい解決策がある場合がありますが、他の質問セットには正しい解決策がない場合があります。
このセクションの質問に回答した後は、その質問に戻ることはできません。その結果、これらの質問はレビュー画面に表示されません。
IT部門は、次のAzureリソースグループとリソースを作成します。
IT部門は、Azure Machine Learningワークスペースにaks-clusterという名前のAzure Kubernetes Service（AKS）ベースの推論コンピューティングターゲットを作成します。
GPUを搭載したMicrosoft Surface Bookコンピュータを使用しています。 Python 3.6とVisual Studio Codeがインストールされています。
ディープニューラルネットワーク（DNN）モデルをトレーニングし、損失と精度のメトリックをログに記録するスクリプトを実行する必要があります。
ソリューション：Azure ML SDKをSurface Bookにインストールします。 Pythonコードを実行してワークスペースに接続し、ローカルコンピューティングの実験としてトレーニングスクリプトを実行します。
- A. いいえ
- B. はい
正解：A
解説：
Explanation
Need to attach the mlvm virtual machine as a compute target in the Azure Machine Learning workspace.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/concept-compute-target
質問 # 288
注：この質問は、同じシナリオを提示する一連の質問の一部です。シリーズの各質問には、記載された目標を達成する可能性のある独自のソリューションが含まれています。一部の質問セットには複数の正しい解決策がある場合もあれば、正しい解決策がない場合もあります。
このセクションの質問に回答すると、その質問に戻ることはできません。その結果、これらの質問はレビュー画面に表示されません。
Azure Machine Learning Studioで新しい実験を作成しています。
1つのクラスは、トレーニングセットの他のクラスよりもはるかに少ない数の観測値を持ちます。
クラスの不均衡を補うために、適切なデータサンプリング戦略を選択する必要があります。
解決策：主成分分析（PCA）サンプリングモードを使用します。
ソリューションは目標を達成していますか？
- A. いいえ
- B. はい
正解：A
質問 # 289
Azure Machine Learningを使用して機械学習モデルを作成します。
さまざまなコンピューティングコンテキストを使用して、モデルのトレーニングとスコアリングを計画します。また、Azure Machine Learning Studioで新しいコンピューティングリソースを作成することも計画しています。
適切なコンピューティングタイプを選択する必要があります。
どのコンピューティングタイプを選択する必要がありますか？答えるには、適切な計算タイプを正しい要件にドラッグします。各計算タイプは、1回、複数回、またはまったく使用しない場合があります。コンテンツを表示するには、ペイン間で分割バーをドラッグするか、スクロールする必要がある場合があります。
注：それぞれの正しい選択は1ポイントの価値があります。
正解：
解説：
Explanation:
Box 1: Attached compute
Box 2: Inference cluster
Box 3: Training cluster
Box 4: Attached compute
質問 # 290
データセットの構造が一致するように、メタデータの編集モジュールを構成する必要があります。どの構成オプションを選択する必要がありますか？回答するには、回答エリアで適切なオプションを選択します。
注：それぞれの正しい選択には1ポイントの価値があります。
正解：
解説：
説明
質問 # 291
Azure Machine Learning Designerを使用して、リアルタイムサービスエンドポイントを作成します。 Azure Machine Learning serviceコンピューティングリソースが1つあります。モデルをトレーニングし、デプロイメント用のリアルタイムパイプラインを準備します。推論パイプラインをWebサービスとして公開する必要があります。どの計算タイプを使用する必要がありますか？
- A. Azure Databricks
- B. 既存の機械学習コンピューティングリソース
- C. 新しい機械学習コンピューティングリソース
- D. Azure Kubernetesサービス
- E. HDInsight
正解：D
解説：
Azure Kubernetes Service (AKS) can be used real-time inference.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/concept-compute-target
質問 # 292
パブリックエンドポイントからアクセスできるworkspace1という名前のAzureMachineLearningワークスペースがあります。ワークスペースには、account1という名前のAzureストレージアカウントのBLOBコンテナーを表すstore1という名前のAzureBlobストレージデータストアが含まれています。同じ仮想ネットワーク内のプライベートエンドポイントを使用して、workspace1とaccount1にアクセスできるように構成します。
Azure Machine Learning SDK for Pythonを使用して、store1のコンテンツにアクセスできる必要があります。 Azure Machine Learning Studioを使用して、store1のコンテンツをプレビューできる必要があります。
store1を構成する必要があります。
あなたは何をするべきか？回答するには、回答エリアで適切なオプションを選択してください。
注：正しい選択はそれぞれ1ポイントの価値があります。
正解：
解説：
Explanation
Text, table Description automatically generated
Box 1: Regenerate the keys of account1.
Azure Blob Storage support authentication through Account key or SAS token.
To authenticate your access to the underlying storage service, you can provide either your account key, shared access signatures (SAS) tokens, or service principal Box 2: Update the authentication for store1.
For Azure Machine Learning studio users, several features rely on the ability to read data from a dataset; such as dataset previews, profiles and automated machine learning. For these features to work with storage behind virtual networks, use a workspace managed identity in the studio to allow Azure Machine Learning to access the storage account from outside the virtual network.
Note: Some of the studio's features are disabled by default in a virtual network. To re-enable these features, you must enable managed identity for storage accounts you intend to use in the studio.
The following operations are disabled by default in a virtual network:
Preview data in the studio.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-access-data
質問 # 293
Azure Machine Learning ワークスペースを管理しています。ワークスペースを管理する開発環境は、Azure Machine Learning Notebooks で Python SDK v2 を使用するように構成されています。現在、Synapse Spark Compute がアタッチされており、システム割り当て ID を使用しています。Python コードを使用して Synapse Spark Compute 10 を更新し、ユーザー割り当て ID を使用する必要があります。
解決策: 適切な ID タイプを使用して IdentityConfiguration クラスを構成します。この解決策は目標を満たしていますか?
- A. はい
- B. いいえ
正解：A
質問 # 294
......
最新のDP-100日本語試験問題集でMicrosoft試験問題にトレーニング：https://www.goshiken.com/Microsoft/DP-100J-mondaishu.html