Diese Seite wurde exportiert von Exams Labs Braindumps [ http://blog.examslabs.com ] Exportdatum:Sat Jan 4 6:53:04 2025 / +0000 GMT ___________________________________________________ Titel: Probieren Sie DP-100 Exam Valid Dumps mit Instant Download Free Updates [Q107-Q129] --------------------------------------------------- Versuchen Sie DP-100 Exam Valid Dumps mit Instant Download Free Updates DP-100 Dumps Erster Versuch Garantierter Erfolg Die Vorbereitung auf die DP-100-Prüfung erfordert eine Kombination aus technischem Wissen und praktischer Erfahrung. Die Kandidaten sollten mit Data-Science-Konzepten wie überwachtes und unüberwachtes Lernen, Feature-Engineering und Modellbewertung vertraut sein. Sie sollten auch Erfahrung im Umgang mit Azure-Diensten und -Tools wie Azure Machine Learning, Azure Databricks und Azure Synapse Analytics haben. Das Studium für die DP-100-Prüfung kann Datenwissenschaftlern helfen, ihre Karriere voranzutreiben und ihr Fachwissen auf dem Gebiet der Datenwissenschaft zu demonstrieren. DP-100-Prüfung Zielpublikum Kandidaten, die die DP-100-Prüfung ablegen dürfen, sind diejenigen, die Azure Data Scientists werden wollen und sich ein umfangreiches Wissen in den Bereichen Data Science und Machine Learning Workloads auf Azure angeeignet haben. NEUE FRAGE 107Hinweis: Diese Frage ist Teil einer Reihe von Fragen, die das gleiche Szenario darstellen. Jede Frage in dieser Reihe enthält eine einzigartige Lösung, die die angegebenen Ziele erfüllen könnte. Nachdem Sie eine Frage in diesem Abschnitt beantwortet haben, können Sie NICHT mehr zu ihr zurückkehren. Daher werden diese Fragen nicht im Überprüfungsbildschirm angezeigt.Sie erstellen einen Azure Machine Learning Service-Datenspeicher in einem Arbeitsbereich. Der Datenspeicher enthält die folgenden Dateien:* /data/2018/Q1.csv* /data/2018/Q2.csv* /data/2018/Q3.csv* /data/2018/Q4.csv* /data/2019/Q1.csvAlle Dateien speichern Daten im folgenden Format:id,f1,f2i1,1.2,02,1,1,1,1 3,2.1,0Sie führen den folgenden Code aus:Sie müssen einen Datensatz mit dem Namen training_data erstellen und die Daten aus allen Dateien in einen einzigen Datenrahmen laden, indem Sie den folgenden Code verwenden:Lösung: Führen Sie den folgenden Code aus:Erfüllt die Lösung das Ziel? Ja Nein ErläuterungVerwenden Sie zwei Dateipfade.Verwenden Sie Dataset.Tabular_from_delimeted anstelle von Dataset.File.from_files, da die Daten nicht bereinigt werden.Referenz:https://docs.microsoft.com/en-us/azure/machine-learning/how-to-create-register-datasetsNEW FRAGE 108Sie haben einen Azure Blob-Container, der einen Satz von TSV-Dateien enthält. Der Azure Blob-Container ist als Datenspeicher für einen Azure Machine Learning Service Workspace registriert. Sie planen, Daten für alle TSV-Dateien zusammen zu aggregieren und die aggregierten Daten dann als Datensatz in einem Azure Machine Learning-Arbeitsbereich zu registrieren, indem Sie das Azure Machine Learning SDK für Python verwenden.Sie führen den folgenden Code aus.Wählen Sie für jede der folgenden Aussagen Ja aus, wenn die Aussage wahr ist. Andernfalls wählen Sie Nein.HINWEIS: Jede richtige Auswahl ist einen Punkt wert. Referenz:https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.data.tabulardatasetNEW FRAGE 109Sie erstellen einen Azure Machine Learning-Arbeitsbereich und eine neue Azure DevOps-Organisation. Sie registrieren ein Modell im Workspace und stellen das Modell in der Zielumgebung bereit.Alle neuen Versionen des im Workspace registrierten Modells müssen automatisch in der Zielumgebung bereitgestellt werden.Sie müssen Azure Pipelines konfigurieren, um das Modell bereitzustellen.Welche vier Aktionen sollten Sie nacheinander durchführen? Um zu antworten, verschieben Sie die entsprechenden Aktionen aus der Liste der Aktionen in den Antwortbereich und ordnen Sie sie in der richtigen Reihenfolge an. ErläuterungGrafische Benutzeroberfläche, Text, Anwendung, E-Mail Beschreibung automatisch generiertSchritt 1: Erstellen eines Azure DevOps-ProjektsSchritt 2: Erstellen einer Release-PipelineMelden Sie sich bei Ihrer Azure DevOps-Organisation an und navigieren Sie zu Ihrem Projekt.Gehen Sie zu Pipelines und wählen Sie dann Neue Pipeline.Schritt 3: Installieren Sie die Machine Learning-Erweiterung für Azure PipelinesSie müssen die Azure CLI und die ML-Erweiterung installieren und konfigurieren.Schritt 4: Erstellen einer DienstverbindungSo richten Sie Ihre Dienstverbindung einGrafische Benutzeroberfläche, Text, Anwendung, E-Mail Beschreibung automatisch generiertWählen Sie AzureMLWorkspace für die Bereichsebene aus und geben Sie die folgenden Parameter einGrafische Benutzeroberfläche, Text, Anwendung Beschreibung automatisch generiertHinweis: So aktivieren Sie die Modellauslösung in einer Release-PipelineGehen Sie zu Ihrer Release-Pipeline und fügen Sie ein neues Artefakt hinzu. Klicken Sie auf AzureML-Modell-Artefakt, wählen Sie dann die entsprechende AzureML-Service-Verbindung aus und wählen Sie aus den verfügbaren Modellen in Ihrem Arbeitsbereich aus.Aktivieren Sie den Bereitstellungsauslöser für Ihr Modell-Artefakt wie hier gezeigt. Jedes Mal, wenn eine neue Version dieses Modells registriert wird, wird eine Release-Pipeline ausgelöst.Referenz:https://marketplace.visualstudio.com/items?itemName=ms-air-aiagility.vss-services-azuremlhttps://docs.microsoft.com/en-us/azure/devops/pipelines/targets/azure-machine-learningNEW FRAGE 110Sie arbeiten mit einem Zeitreihendatensatz in Azure Machine Learning Studio.Sie müssen Ihren Datensatz in Trainings- und Testteilmengen aufteilen, indem Sie das Modul Split Data verwenden.Welchen Aufteilungsmodus sollten Sie verwenden? Aufteilung mit regulären Ausdrücken Split Rows mit dem Parameter Randomized Split auf true gesetzt Aufteilung mit relativen Ausdrücken Empfehlungs-Split Zeilen aufteilen: Verwenden Sie diese Option, wenn Sie die Daten lediglich in zwei Teile aufteilen möchten. Sie können den prozentualen Anteil der Daten angeben, der in jeden Split eingefügt werden soll, aber standardmäßig werden die Daten 50:50 geteilt. https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/split-dataNEW FRAGE 111Sie müssen das Modul Feature Based Feature Selection basierend auf den Anforderungen des Experiments und der Datensätze konfigurieren.Wie sollten Sie die Moduleigenschaften konfigurieren? Wählen Sie zur Beantwortung die entsprechenden Optionen im Dialogfeld im Antwortbereich aus.HINWEIS: Jede richtige Auswahl ist einen Punkt wert. ErläuterungBox 1: Mutual InformationDer Mutual Information Score ist besonders nützlich bei der Feature-Auswahl, da er die gegenseitige Information zwischen der gemeinsamen Verteilung und den Zielvariablen in Datensätzen mit vielen Dimensionen maximiert.Box 2: MedianValueMedianValue ist die Feature-Spalte, sie ist der Prädiktor des Datensatzes.Scenario: Die Spalten MedianValue und AvgRoomsinHouse enthalten beide Daten in numerischem Format. Sie müssen einen Merkmalsauswahlalgorithmus auswählen, um die Beziehung zwischen den beiden Spalten genauer zu analysieren.Referenzen:https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/filter-based-feature-selectionNEW FRAGE 112Sie werten ein Python NumPy-Array aus, das sechs Datenpunkte enthält, die wie folgt definiert sind:data = [10, 20, 30, 40, 50, 60]Sie müssen die folgende Ausgabe unter Verwendung des k-fold-Algorithmus in der Python Scikit-learn-Bibliothek für maschinelles Lernen erzeugen:train: [10 40 50 60], test: [20 30]train: [20 30 40 60], test: [10 50]train: [10 20 30 50], test: [40 60]Sie müssen eine Kreuzvalidierung implementieren, um die Ausgabe zu erzeugen.wie sollten Sie das Codesegment vervollständigen? Um zu antworten, wählen Sie das entsprechende Codesegment im Dialogfeld im Antwortbereich aus.HINWEIS: Jede richtige Auswahl ist einen Punkt wert. Referenzen:https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.KFold.htmlNEW FRAGE 113Sie erstellen einen Azure Machine Learning-Arbeitsbereich. Sie trainieren ein Klassifizierungsmodell mit no-code AutoML in Azure Machine Learning studio.Das Modell muss vorhersagen, ob ein Kunde eines Finanzinstituts ein Festgeld abschließen wird. Sie müssen das Merkmal identifizieren, das den größten Einfluss auf die Vorhersagen des Modells für den Algorithmus mit der zweithöchsten Punktzahl hat. Sie müssen den Aufwand und die Zeit für die Identifizierung des Merkmals minimieren.Sie müssen die Identifizierung abschließen.Welche drei Aktionen sollten Sie nacheinander durchführen? Um zu antworten, verschieben Sie die entsprechenden Aktionen aus der Liste der Aktionen in den Antwortbereich und ordnen Sie sie in der richtigen Reihenfolge an. 1 - Wählen Sie den zweiten Algorithmus in der Liste aus...2 - Wählen Sie die Option Modell erklären aus.3 - Zeigen Sie das Aggregatmerkmal-Bedeutungsdiagramm an.NEUE FRAGE 114Sie müssen die Methoden zur Aufteilung der Daten gemäß den Testanforderungen identifizieren.Welche Eigenschaften sollten Sie auswählen? Wählen Sie zur Beantwortung die entsprechende Option im Antwortbereich aus. HINWEIS:Jede richtige Auswahl ist einen Punkt wert. NEUE FRAGE 115Sie müssen eine Feature-Engineering-Strategie für die lokalen Crowd-Sentiment-Modelle implementieren.Was sollten Sie tun? Wenden Sie einen Pearson-Korrelationskoeffizienten an. Wenden Sie eine Varianzanalyse (ANOVA) an. Wenden Sie eine lineare Diskriminanzanalyse an. Wenden Sie einen Spearman-Korrelationskoeffizienten an. NEUE FRAGE 116Sie verwenden Azure Machine Learning, um ein Modell zu trainieren und zu registrieren. Sie müssen das Modell als Echtzeit-Webdienst in einem Inferenzcluster mit dem Namen "service-compute" bereitstellen, den die IT-Abteilung im Azure Machine Learning-Arbeitsbereich erstellt hat. Client-Anwendungen, die den bereitgestellten Webdienst nutzen, müssen auf der Grundlage ihres Azure Active Directory-Dienstes authentifiziert werden. Die erforderlichen Module wurden importiert. Wie sollten Sie den Code vervollständigen? Wählen Sie zur Beantwortung die entsprechenden Optionen im Antwortbereich aus.HINWEIS: Jede richtige Auswahl ist einen Punkt wert. Referenz:https://docs.microsoft.com/en-us/azure/machine-learning/how-to-deploy-azure-kubernetes-servicehttps://docs.microsoft.com/en-us/azure/databricks/dev-tools/api/latest/aad/service-prin-aad-tokenNEW FRAGE 117Sie verwenden Hyperparameter-Tuning in Azure Machine Learning Python SDK v2, um ein Modell zu trainieren. Sie konfigurieren das Hyperparameter-Abstimmungsexperiment, indem Sie den folgenden Code ausführen:Wählen Sie für jede der folgenden Aussagen Ja, wenn die Aussage wahr ist. Andernfalls wählen Sie Nein. HINWEIS: Eine richtige Auswahl ist eine Farbe wert.D:mudassarUntitled.jpg NEUE FRAGE 118Sie erstellen ein Deep-Learning-Modell, um Katzen und Hunde zu identifizieren. Sie haben 25.000 Farbbilder.Sie müssen die folgenden Anforderungen erfüllen:* Reduzieren Sie die Anzahl der Trainingsepochen.* Reduzieren Sie die Größe des neuronalen Netzwerks.* Reduzieren Sie die Überanpassung des neuronalen Netzwerks.Sie müssen die Bildmodifikationswerte auswählen.Welchen Wert sollten Sie verwenden? Wählen Sie die entsprechenden Optionen im Antwortbereich aus.HINWEIS: Jede richtige Auswahl ist einen Punkt wert. NEUE FRAGE 119Sie sind dabei, ein Modell für maschinelles Lernen zu erstellen. Sie müssen das Modul "Clean Missing Data" in Azure Machine Learning Studio verwenden, um die ungültigen und fehlenden Daten im Datensatz zu identifizieren und aufzulösen.welchen Parameter sollten Sie verwenden? Ersetzen durch Mittelwert Ganze Spalte entfernen Gesamte Zeile entfernen Hot Deck Gesamte Zeile entfernen: Entfernt vollständig jede Zeile im Datensatz, die einen oder mehrere fehlende Werte enthält. Dies ist nützlich, wenn der fehlende Wert als zufällig fehlend angesehen werden kann.Referenz:https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/clean-missing-dataNEW FRAGE 120Sie verwenden Azure Machine Learning, um Modelle für maschinelles Lernen zu trainieren. Sie benötigen ein Rechenziel, auf dem Sie das Trainingsskript per Fernzugriff ausführen können. Sie führen den folgenden Python-Code aus: Referenz:https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.compute.amlcompute.amlcomputeprovisioningconfigurationhttps://docs.microsoft.com/en-us/azure/machine-learning/how-to-create-attach-compute-studioNEW FRAGE 121Eine Organisation erstellt und implementiert ein Deep-Learning-Modell für die Klassifizierung von Bildern mit mehreren Klassen, das eine Reihe von beschrifteten Fotos verwendet.Das Software-Engineering-Team berichtet, dass die Vorhersage-Webdienste im Sommer stark ausgelastet sind. Sie müssen die Leistung des Bildklassifizierungs-Webdienstes mit minimalen Ausfallzeiten und minimalem Verwaltungsaufwand verbessern. Was sollten Sie dem IT-Operations-Team raten? Erhöhen Sie die Mindestanzahl der Knoten des Compute-Clusters, in dem der Webdienst bereitgestellt wird. Erstellen Sie einen neuen Compute-Cluster, indem Sie größere VM-Größen für die Knoten verwenden, stellen Sie den Webdienst auf diesem Cluster neu bereit und aktualisieren Sie die DNS-Registrierung für den Endpunkt des Dienstes, um auf den neuen Cluster zu verweisen. Erhöhen Sie die VM-Größe der Knoten in dem Compute-Cluster, in dem der Webdienst bereitgestellt wird. Erhöhen Sie die Anzahl der Knoten des Compute-Clusters, in dem der Webdienst bereitgestellt wird. NEUE FRAGE 122Sie stimmen einen Hyperparameter für einen Algorithmus ab. Die folgende Tabelle zeigt einen Datensatz mit verschiedenen Hyperparametern, Trainingsfehlern und Validierungsfehlern. Verwenden Sie die Dropdown-Menüs, um die Antwort auszuwählen, die jede Frage auf der Grundlage der in der Grafik dargestellten Informationen beantwortet. Erläuterung:Box 1: 4Wählen Sie diejenige aus, die einen geringeren Trainings- und Validierungsfehler aufweist und auch am ehesten übereinstimmt.Minimieren Sie die Varianz (Differenz zwischen Validierungsfehler und Trainingsfehler).Box 2: 5Minimieren Sie die Varianz (Differenz zwischen Validierungsfehler und Trainingsfehler).Referenz:https://medium.com/comet-ml/organizing-machine-learning-projects-project-management-guidelines-2d2b85651bbdNEW FRAGE 123Sie stellen ein Modell in Azure Container Instance bereit.Sie müssen das Azure Machine Learning SDK verwenden, um die Modell-API aufzurufen.Sie müssen das bereitgestellte Modell mit nativen SDK-Klassen und -Methoden aufrufen.Wie sollten Sie den Befehl ausführen? Wählen Sie die entsprechenden Optionen in den Antwortbereichen aus.HINWEIS: Jede richtige Auswahl ist einen Punkt wert. Erläuterung:Feld 1: from azureml.core.webservice import WebserviceDer folgende Code zeigt, wie das SDK verwendet wird, um das Modell, die Umgebung und das Eingabeskript für einen Webservice auf Azure Container Instances zu aktualisieren:from azureml.core import Environmentfrom azureml.core.webservice import Webservicefrom azureml.core.model import Model, InferenceConfigBox 2: predictions = service.run(input_json)Beispiel: Der folgende Code demonstriert das Senden von Daten an den Dienst:import jsontest_sample = json.dumps({'data': [[1, 2, 3, 4, 5, 6, 7, 8, 9, 10],[10, 9, 8, 7, 6, 5, 4, 3, 2, 1]]})test_sample = bytes(test_sample, encoding='utf8′)prediction = service.run(input_data=test_sample)print(prediction)Referenz:https://docs.microsoft.com/bs-latn-ba/azure/machine-learning/how-to-deploy-azure-container-instancehttps://docs.microsoft.com/en-us/azure/machine-learning/how-to-troubleshoot-deploymentNEW FRAGE 124Sie müssen das Modul "Permutation Feature Importance" entsprechend den Anforderungen für die Modellschulung einrichten.Welche Eigenschaften sollten Sie auswählen? Wählen Sie zur Beantwortung die entsprechenden Optionen im Antwortbereich aus.HINWEIS: Jede richtige Auswahl ist einen Punkt wert. ErläuterungBox 1: GenauigkeitsSzenario: Sie möchten Hyperparameter im Modelllernprozess konfigurieren, um die Lernphase durch die Verwendung von Hyperparametern zu beschleunigen. Darüber hinaus sollte diese Konfiguration die Läufe mit der geringsten Leistung in jedem Auswertungsintervall löschen und damit Aufwand und Ressourcen auf Modelle lenken, die mit größerer Wahrscheinlichkeit erfolgreich sind.Box 2: R-QuadratNEUE FRAGE 125Sie müssen das Modul Permutation Feature Importance für die Anforderungen der Modellschulung konfigurieren.Was sollten Sie tun? Wählen Sie zur Beantwortung die entsprechenden Optionen im Dialogfeld im Antwortbereich aus.HINWEIS: Jede richtige Auswahl ist einen Punkt wert. Referenz:https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/permutation-feature-importanceNEW FRAGE 126Sie verwalten einen Azure Machine Learning-Arbeitsbereich mit dem Namen workspace1 unter Verwendung des Python SDK v2. Sie müssen Datenspeicher in workspace 1 für Azure Blot-Speicher und Azure Fetes-Speicher registrieren, um die folgenden Anforderungen zu erfüllen.* Die Authentifizierung über Azure Active Directory (Azure AD) muss für den Zugriff auf den Speicher verwendet werden, wenn dies möglich ist.* Die in Arbeitsbereich1 eingegebenen Anmeldeinformationen und Geheimnisse müssen für einen bestimmten Zeitraum gültig sein, wenn Sie auf den Azure-Dateispeicher zugreifen.Sie müssen eine Sicherheitszugriffsmethode konfigurieren, die für die Registrierung des Azure-Blob- und Azure-Dateispeichers in Arbeitsbereich1 verwendet wird.Welche Sicherheitszugriffsmethode sollten Sie konfigurieren? Wählen Sie zur Beantwortung die entsprechenden Optionen im Antwortbereich aus.HINWEIS: Jede richtige Auswahl ist einen Punkt wert. NEUE FRAGE 127Sie erstellen einen Azure Machine Learning-Arbeitsbereich. Sie verwenden das Azure Machine Learning Python SDK v2, um einen Compute-Cluster zu erstellen, auf dem ein Trainingsskript ausgeführt werden muss. Die mit der Ausführung des Trainingsskripts verbundenen Kosten müssen minimiert werden. Sie müssen das Python-Skript vervollständigen, um den Compute-Cluster zu erstellen. Wählen Sie zur Beantwortung die entsprechenden Optionen im Antwortbereich aus.HINWEIS: Jede richtige Auswahl ist einen Punkt wert. NEUE FRAGE 128Sie ers