• ホーム
  • ブログ
  • 究極のガイド準備で無料Microsoft DP-100日本語試験問題と解答 [Q164-Q188]

究極のガイド準備で無料Microsoft DP-100日本語試験問題と解答 [Q164-Q188]

Share

究極のガイド準備で無料Microsoft DP-100日本語試験問題と解答

合格させるMicrosoft DP-100日本語テストエンジンPDFで完全版無料問題集

質問 # 164
Azure Machine Learningサービスを使用するデータサイエンスワークスペースを開発しています。
ワークスペースを展開するには、計算ターゲットを選択する必要があります。
何を使うべきですか？

  • A. Azure Data Lake Analytics
  • B. Azure Container Service
  • C. Azure Databrick。
  • D. HDInsightのApache Spark。

正解：B

解説：
Azure Container Instances can be used as compute target for testing or development. Use for low-scale CPU-based workloads that require less than 48 GB of RAM.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/service/how-to-deploy-and-where


質問 # 165
Azure MachineLearningワークスペースを使用します。
Webサービスとしてデプロイする必要があるトレーニング済みモデルがあります。ユーザーは、Azure ActiveDirectoryを使用して認証する必要があります。
あなたは何をするべきか？

  • A. モデルをAzureコンテナーインスタンスにデプロイします。デプロイメント中に、ターゲット構成オブジェクトのauch_enabledパラメーターをtrueに設定します
  • B. モデルをAzureコンテナーインスタンスにデプロイします。デプロイメント中に、ターゲット構成オブジェクトのcoken_auch_enabledパラメーターをtrueに設定します
  • C. モデルをAzure Kubernetes Service（AKS）にデプロイします。展開中に、auchを設定します。ターゲット構成オブジェクトの有効なパラメーターをtrueに設定
  • D. モデルをAzure Kubernetes Service（AKS）にデプロイします。デプロイメント中に、ターゲット構成オブジェクトのtoken_auth_enabledパラメーターをtrueに設定します

正解：D

解説：
To control token authentication, use the token_auth_enabled parameter when you create or update a deployment Token authentication is disabled by default when you deploy to Azure Kubernetes Service.
Note: The model deployments created by Azure Machine Learning can be configured to use one of two authentication methods:
key-based: A static key is used to authenticate to the web service.
token-based: A temporary token must be obtained from the Azure Machine Learning workspace (using Azure Active Directory) and used to authenticate to the web service.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-authenticate-web-service


質問 # 166
クリーニングが必要な生のデータセットを分析しています。
Azure Machine Learning Studioを使用して、変換と操作を実行する必要があります。
変換を実行するには、正しいモジュールを識別する必要があります。
どのモジュールを選択する必要がありますか？答えるには、適切なモジュールを正しいシナリオにドラッグします。各モジュールは、1回、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、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には1ポイントの価値があります。

正解：

解説：

Explanation

Box 1: Clean Missing Data
Box 2: SMOTE
Use the SMOTE module in Azure Machine Learning Studio to increase the number of underepresented cases in a dataset used for machine learning. SMOTE is a better way of increasing the number of rare cases than simply duplicating existing cases.
Box 3: Convert to Indicator Values
Use the Convert to Indicator Values module in Azure Machine Learning Studio. The purpose of this module is to convert columns that contain categorical values into a series of binary indicator columns that can more easily be used as features in a machine learning model.
Box 4: Remove Duplicate Rows
References:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/smote
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/convert-to-indicator-values


質問 # 167
Azure MachineLearningワークスペースを作成します。
DataDriftDetectorクラスを使用して、ベースラインデータセットと後続のターゲットデータセット間のデータドリフトを検出する必要があります。
コードセグメントをどのように完成させ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/python/api/azureml-datadrift/azureml.datadrift.datadriftdetector(class)


質問 # 168
Azure Machine Learning を使用してモデルをトレーニングします。Azure Blob Storage を使用して運用データを保存します。
新しいデータが Azure Blob Storage にアップロードされるときに、モデルを再トレーニングする必要があります。開発とコーディングを最小限に抑える必要があります。
再トレーニング ソリューションを開発するには、Azure サービスを構成する必要があります。
どの Azure サービスを使用する必要がありますか? 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: 正しく選択するたびに 1 ポイントの価値があります。

正解：

解説：
see the answer below.
Explanation
See below image


質問 # 169
新しいAzureDatabricksワークスペースを作成します。
次の図に示すように、計算クラスターに負荷が混在する長時間実行タスク用に新しいクラスターを構成します。

ドロップダウンメニューを使用して、図に示されている情報に基づいて各ステートメントを完了する回答の選択肢を選択します。
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:
Box 1: No
Running user code in separate processes is not possible in Scala.
Box 2: No
Autoscaling is enabled. Minimum 2 workers, Maximum 8 workers.
Reference:
https://docs.databricks.com/clusters/configure.html


質問 # 170
Python SDK v2 を使用して Azure Machine Leaning ソリューションを設計しています。
コンピューティング ターゲットを使用してソリューションをトレーニングし、デプロイする必要があります。コンピューティング ターゲットは次の要件を満たす必要があります。
* オンプレミスのコンピューティング リソースの使用を有効にします。
* 自動呼び出しをサポートします。
トレーニングと推論のためにコンピューティング ターゲットを構成する必要があります。
どのコンピューティング ターゲットを構成する必要がありますか?
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: 正しく選択するたびに 1 ポイントの価値があります。

正解：

解説：

Explanation


質問 # 171
PyTorch深層学習フレームワークを使用するマルチクラス画像分類深層学習モデルを作成します。
分類モデルのハイパーパラメーターを最適化するには、Azure Machine Learningハイパードライブを構成する必要があります。
精度が最も高いモデルとなるハイパーパラメーター値を決定するには、プライマリメトリックを定義する必要があります。
どの3つのアクションを実行する必要がありますか？それぞれの正解がソリューションの一部を示しています。
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。

  • A. bird_classifier_train.pyスクリプトにコードを追加して、モデルの検証精度を計算し、それをキー精度の浮動小数点値として記録します。
  • B. bird_classifier_train.pyスクリプトを実行して最大化するために使用される推定器のprimary_metric_goalを設定します。
  • C. 最小化するためにbird_classifier_train.pyスクリプトを実行するために使用される推定器のprimary_metric_goalを設定します。
  • D. bird_classifier_train.pyスクリプトの実行に使用される推定器のprimary_metric_nameをlossに設定します。
  • E. bird_classifier_train.pyスクリプトにコードを追加して、モデルの検証損失を計算し、キー損失のある浮動小数点値としてログに記録します。
  • F. bird_classifier_train.pyスクリプトを実行するために使用される推定器のprimary_metric_nameを正確に設定します。

正解：A、B、F

解説：
Explanation
AD:
primary_metric_name="accuracy",
primary_metric_goal=PrimaryMetricGoal.MAXIMIZE
Optimize the runs to maximize "accuracy". Make sure to log this value in your training script.
Note:
primary_metric_name: The name of the primary metric to optimize. The name of the primary metric needs to exactly match the name of the metric logged by the training script.
primary_metric_goal: It can be either PrimaryMetricGoal.MAXIMIZE or PrimaryMetricGoal.MINIMIZE and determines whether the primary metric will be maximized or minimized when evaluating the runs.
F: The training script calculates the val_accuracy and logs it as "accuracy", which is used as the primary metric.


質問 # 172
あなたはワイナリーのデータサイエンティストとして雇われています。以前のデータサイエンティストはAzureMachineLearningを使用していました。
モデルを確認し、各モデルがどのように決定を下すかを説明する必要があります。
どの説明モジュールを使用する必要がありますか？回答するには、回答領域で適切なオプションを選択します。
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

Meta explainers automatically select a suitable direct explainer and generate the best explanation info based on the given model and data sets. The meta explainers leverage all the libraries (SHAP, LIME, Mimic, etc.) that we have integrated or developed. The following are the meta explainers available in the SDK:
Tabular Explainer: Used with tabular datasets.
Text Explainer: Used with text datasets.
Image Explainer: Used with image datasets.
Box 1: Tabular
Box 2: Text
Box 3: Image
Reference:
https://medium.com/microsoftazure/automated-and-interpretable-machine-learning-d07975741298


質問 # 173
株価を予測するための機械学習モデルを実装しています。
モデルはPostgreSQLデータベースを使用し、GPU処理を必要とします。
必要なツールで事前構成された仮想マシンを作成する必要があります。
あなたは何をするべきか？

  • A. Geo Alデータサイエンス仮想マシン（Geo-DSVM）Windowsエディションを作成します。
  • B. データサイエンス仮想マシン（DSVM）Linuxエディションを作成します。
    不正解：
    A、C：PostgreSQL（CentOS）はLinuxエディションでのみ使用できます。
    B：Azure Geo AIデータサイエンスVM（Geo-DSVM）は、MicrosoftのデータサイエンスVMから地理空間分析機能を提供します。具体的には、このVMは、ESRIの市場をリードするArcGIS Pro地理情報システムを追加することにより、データサイエンスVMのAIおよびデータサイエンスツールキットを拡張します。
    D：DLVMは、DSVMイメージの上にあるテンプレートです。パッケージに関しては、GPUドライバーなどがすべてDSVMイメージに含まれています。ほとんどの場合、Azure上のGPU VMインスタンスでのみDLVMの作成を許可するのは、作成時の便宜のためです。
  • C. ディープラーニング仮想マシン（DLVM）Windowsエディションを作成します。
  • D. データサイエンス仮想マシン（DSVM）Windowsエディションを作成します。
  • E. ディープラーニング仮想マシン（DLVM）Linuxエディションを作成します。

正解：B

解説：
References:
https://docs.microsoft.com/en-us/azure/machine-learning/data-science-virtual-machine/overview


質問 # 174
AzureDatabricksワークスペースとリンクされたAzureMachineLearningワークスペースを作成します。
Azure MachineLearningワークスペースには次のPythonコードセグメントがあります。
mlflowをインポートします
mlflow.azuremlをインポートします
azureml.mlflowをインポートします
azureml.coreをインポートします
azureml.coreからインポートワークスペース
subscription_id = 'subscription_id'
resourse_group = 'resource_group_name'
workspace_name = 'workspace_name'
ws = Workspace.get(name=workspace_name,
subscription_id=subscription_id,
resource_group = resource_group）
ExperimentName = "/ Users / {user_name} / {experiment_folder} / {experiment_name}" mlflow.set_experiment（experimentName）uri = ws.get_mlflow_tracking_uri（）mlflow.set_tracking_uri（uri）手順：次の各ステートメントで、次の場合は[はい]を選択します。ステートメントは真です。それ以外の場合は、[いいえ]を選択します。
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/python/api/azureml-core/azureml.core.workspace.workspace
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-use-mlflow


質問 # 175
Azure Machine Learning デザイナーでトレーニング パイプラインを使用します。ds1 という名前のデータストアを登録します。データストアには、複数のトレーニング データ ファイルが含まれています。構成されたデータストアでデータのインポート モジュールを使用します。
別のデータ ファイル セットでモデルを再トレーニングする必要があります。
順番に実行する必要がある 4 つのアクションはどれですか? 答えるには、アクションのリストから適切なアクションを回答領域に移動し、正しい順序で並べます。

正解：

解説：

1 - Register each training file as a new datastore.
2 - Specify a new path to the training file as a prarameter value.
3 - Run the training pipeline by using the studio portal.
4 - Publish a training pipeline.


質問 # 176
次のように定義された6つのデータポイントを含むPython NumPy配列を評価しています。
データ= [10、20、30、40、50、60]
Python Scikit-learn機械学習ライブラリのk-foldアルゴリズムの埋め込みを使用して、次の出力を生成する必要があります。
train: [10 40 50 60], test: [20 30]
train: [20 30 40 60], test: [10 50]
train: [10 20 30 50], test: [40 60]
出力を生成するには、相互検証を実装する必要があります。
どのようにコードセグメントを完成させるべきですか？回答するには、回答領域のダイアログボックスで適切なコードセグメントを選択します。
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：

References:
https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.KFold.html


質問 # 177
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：列の中央値を計算し、中央値を列の欠損値の置換として使用します。
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

解説：
Use the Multiple Imputation by Chained Equations (MICE) method.
Reference:
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 # 178
一連のラベル付き写真を使用するマルチクラス画像分類の深層学習モデルがあります。次のコードを作成して、モデルをトレーニングするときにハイパーパラメーター値を選択します。

次の各ステートメントについて、ステートメントがtrueの場合は[はい]を選択します。それ以外の場合は、[いいえ]を選択します。
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：

Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters


質問 # 179
Azure Machine Learningワークスペースを作成し、開発環境をセットアップします。 Tensorflowフレームワークを使用し、推定器を使用してトレーニングスクリプトを送信することにより、ディープニューラルネットワーク（DNN）をトレーニングする予定です。
トレーニング実行の計算速度を最適化する必要があります。
使用する適切な推定量と、適切なトレーニングコンピューティングターゲット構成を選択する必要があります。
どの値を使用する必要がありますか？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: Tensorflow
TensorFlow represents an estimator for training in TensorFlow experiments.
Box 2: 12 vCPU, 112 GB memory..,2 GPU,..
Use GPUs for the deep neural network.
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-train-core/azureml.train.dnn


質問 # 180
Azure Machine Learning を使用してハイパー パラメーター チューニングを実行します。
次の Python コードを作成します。

次の各ステートメントについて、そのステートメントが true の場合は [はい] を選択します。それ以外の場合は、「いいえ」を選択します。

正解：

解説：

Explanation


質問 # 181
新しいAzureサブスクリプションを作成します。サブスクリプションではリソースはプロビジョニングされません。
Azure MachineLearningワークスペースを作成する必要があります。
この目標を達成するための3つの可能な方法は何ですか？それぞれの正解は完全な解決策を提示します。
注：正しい選択はそれぞれ1ポイントの価値があります。

  • A. Azure ML SDKライブラリを使用し、name、subscription_id、およびresource_groupパラメーターを指定してWorkspace.getメソッドを呼び出すPythonコードを実行します。
  • B. Azure ML SDKライブラリを使用し、name、subscription_id、resource_group、locationパラメーターを指定してWorkspace.createメソッドを呼び出すPythonコードを実行します。
  • C. Azure Machine Learning Studioに移動し、ワークスペースを作成します。
  • D. Azure MachineLearning拡張機能を備えたAzureコマンドラインインターフェイス（CLI）を使用して、-nameおよび--locationパラメーターを指定してaz group create関数を呼び出し、次に-wおよび-を指定してazmlワークスペースcreate関数を呼び出します。 gワークスペース名とリソースグループのパラメーター。
  • E. Microsoft.MachineLearningServices /ワークスペースリソースとその依存関係を含むAzureリソース管理テンプレートを使用します。

正解：C、D、E

解説：
B: You can use an Azure Resource Manager template to create a workspace for Azure Machine Learning.
Example:
{"type": "Microsoft.MachineLearningServices/workspaces",
...
C: You can create a workspace for Azure Machine Learning with Azure CLI Install the machine learning extension.
Create a resource group: az group create --name <resource-group-name> --location <location> To create a new workspace where the services are automatically created, use the following command: az ml workspace create -w <workspace-name> -g <resource-group-name> D: You can create and manage Azure Machine Learning workspaces in the Azure portal.
Sign in to the Azure portal by using the credentials for your Azure subscription.
In the upper-left corner of Azure portal, select + Create a resource.
Use the search bar to find Machine Learning.
Select Machine Learning.
In the Machine Learning pane, select Create to begin.

Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-create-workspace-template
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-manage-workspace-cli
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-manage-workspace


質問 # 182
2,000行を含むデータセットがあります。 Azure Machine Learning Studioを使用して、機械学習分類モデルを構築します。パーティションとサンプルモジュールを実験に追加します。
モジュールを構成する必要があります。次の要件を満たしている必要があります。
*データをサブセットに分割します。
*ラウンドロビン方式を使用して、行を折り目に割り当てます。
*データセット内の行の再利用を許可します。
モジュールをどのように構成する必要がありますか？回答するには、回答領域のダイアログボックス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：

Explanation


質問 # 183
PyTorchフレームワークを使用して、マルチクラス画像分類の深層学習実験を作成します。 GPUを備えたノードを持つAzure Computeクラスターで実験を実行する予定です。
画像分類モデルの毎月の再トレーニングを実行するには、Azure Machine Learningサービスパイプラインを定義する必要があります。パイプラインは最小限のコストで実行し、モデルのトレーニングに必要な時間を最小限に抑える必要があります。
どの3つのパイプラインステップ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: Configure a DataTransferStep() to fetch new image data...
Step 2: Configure a PythonScriptStep() to run image_resize.y on the cpu-compute compute target.
Step 3: Configure the EstimatorStep() to run training script on the gpu_compute computer target.
The PyTorch estimator provides a simple way of launching a PyTorch training job on a compute target.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-pytorch


質問 # 184
workspace1 という名前の Azure Machine Learning ワークスペースと、DSMV1 という名前のデータ サイエンス仮想マシン (DSVM) を管理します。
Jupiter ノートブックと Python SDK v2 コードを使用して、DSMV1 で実験を行う必要があります。メトリクスとアーティファクトはワークスペース 1 に保存する必要があります。 まず、必要なすべてのパッケージをインポートするための Python SCK v2 コードを作成します。
workspace1 にメトリクスと記事を保存するには、Python SOK v2 コードを実装する必要があります。
どの 3 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、アクションのリストから適切なアクションを回答領域に移動し、正しい順序で配置します。

正解：

解説：

Explanation:


質問 # 185
Azure Machine Learning ワークスペースを管理します。scriptpy という名前の Pylhon スクリプトは、training_data という名前の引数を読み取ります。trainlng.data 引数は、datasetl という名前のファイル内のトレーニング データへのパスを指定します。
csv。
機械学習モデルをトレーニングするコマンド ジョブとして、scriptpy Python スクリプトを実行する予定です。
スクリプトをトレーニング ジョブとして送信するときに、データ スクリプトのパスをパラメーター値として渡すコマンドを指定する必要があります。
解決策: python script.py -training_data ${{inputs,training_data}}
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：B


質問 # 186
二項分類モデルを作成して、人が病気にかかっているかどうかを予測します。
考えられる分類エラーを検出する必要があります。
説明ごとにどのエラータイプを選択する必要がありますか？回答するには、回答領域で適切なオプションを選択します。
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://developers.google.com/machine-learning/crash-course/classification/true-false-positive-negative


質問 # 187
Azure Machine Learning ワークスペースを作成します。
ワークスペースの Jupyter ノートブックから実験を実装するには、Python SDK v2 を使用する必要があります。実験では、次の形式でテーブルをログに記録する必要があります。

テーブルをログに記録するには、Python 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は 1 ポイントの価値があります。

正解：

解説：


質問 # 188
......

オンライン試験練習テストと詳細な解説付き！：https://www.goshiken.com/Microsoft/DP-100J-mondaishu.html

関するブログ

もっと
DP-100J無料問題集