このページはExams Labs Braindumps [ http://blog.examslabs.com ] からエクスポートされました。 エクスポート日時:Thu Dec 12 9:40:06 2024 / +0000 GMT ___________________________________________________ タイトル：【2022年5月12日】DP-100テスト対策レッスン ブリリアントPDF 本日無料更新【Q29～Q46 --------------------------------------------------- [2022年5月12日】DP-100試験のためのレッスンの華麗なPDFは今日無料更新されました 新しい2022有効な練習Microsoft Azure DP-100のQ&Aを取得する - テストエンジン NEW QUESTION 29あなたは機械学習モデルを作成しています。データの異常値を識別する必要があります。各正解は、完全なソリューションを提示します。注：各正解の選択は1ポイントに値する。 箱ひげ図 散布図 ランダムフォレスト図 ベン図 ROC曲線 箱ひげ図アルゴリズムは、外れ値を表示するために使用することができます。外れ値を視覚的にすばやく識別するための他の1つの方法は、散布図を作成することです。参考：https://blogs.msdn.microsoft.com/azuredev/2017/05/27/data-cleansing-tools-in-azure-machine-learning/NEW QUESTION 30あなたは、PyTorchフレームワークを使用してマルチクラス画像分類ディープラーニング実験を作成します。あなたは、GPUを搭載したノードを持つAzure Computeクラスタ上で実験を実行することを計画しています。あなたは、画像分類モデルの毎月の再トレーニングを実行するために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？解答するには、アクションのリストから適切なアクションを解答エリアに移動し、正しい順序で並べます。 説明:ステップ1: DataTransferStep()を構成して、新しい画像データをフェッチします。ステップ2: PythonScriptStep()を構成して、cpu-computeコンピュートターゲット上でimage_resize.yを実行します。ステップ3: EstimatorStep()を構成して、gpu_computeコンピュータターゲット上でトレーニングスクリプトを実行します。PyTorch estimatorは、計算ターゲット上でPyTorchトレーニングジョブを起動する簡単な方法を提供します。参照:https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-pytorchNEW QUESTION 31モデルトレーニングの要件に合わせて、Permutation Feature Importanceモジュールを構成する必要があります。回答するには、回答エリアのダイアログボックスで適切なオプションを選択してください。 説明ボックス 1: 500ランダムシード（Random seed）には、ランダム化のシードとして使用する値を入力します。0（デフォルト）を指定すると、システム・クロックに基づいて数値が生成されます。シード値は任意ですが、同じ実験の実行にわたって再現性を求める場合は、値を指定すべきです：訓練されたモデルとテストデータセットが与えられて、特徴変数のPermutation Feature Importanceスコアを計算しなければなりません。モデルの精度を調査し、調査結果を再現するために、正しいメトリックを選択するように Permutation Feature Importance モジュールをセットアップする必要があります。次の中から1つを選びます：Precision、Recall、Mean Absolute Error、Root Mean Squared Error、Relative Absolute Error、Relative Squared Error、Coefficient of Determination 参考文献:https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/permutation-feature-importanNEW QUESTION 32機械学習モデルを訓練するために、Azure Machine Learning を使用しています。トレーニングスクリプトをリモートで実行するための計算ターゲットが必要です。あなたは次のPythonコードを実行します： Reference: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 QUESTION 33注：この問題は、同じシナリオを提示する一連の問題の一部です。シリーズの各問題には、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。このセクションの問題に解答した後、その問題に戻ることはできません。その結果、これらの問題はレビュー画面に表示されません。scriptsという名前のローカルフォルダにtrain.pyというPythonスクリプトがあります。このスクリプトは、scikit-learn を使用して回帰モデルを学習します。スクリプトには、scripts フォルダにある学習データファイルを読み込むコードが含まれています。aml-compute という名前の計算クラスタ上で Azure ML 実験としてスクリプトを実行する必要があります。対象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：以下のコードを実行します。 はい いいえ 説明scikit-learn estimatorは、計算ターゲット上でscikit-learnトレーニングジョブを起動する簡単な方法を提供します。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-learnNEW質問34あなたは、トレーニングクラスタと推論クラスタを含むAzure Machine Learningワークスペースを持っています。あなたは、Azure Machine Learningデザイナーを使用して分類モデルを作成することを計画している。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、それらを正しい順序で並べます。 1 - 分類モデルを学習するパイプラインを作成し、計算クラスタ上でパイプラインを実行します。2 - バッチ推論パイプラインを作成し、計算クラスタ上でパイプラインを実行します。 順列フィーチャー重要度 フィルタベースの特徴選択 フィッシャー線形判別分析 合成少数オーバーサンプリング手法（SMOTE） 解説:機械学習に使用するデータセット内の未提出のケースの数を増やすには、Azure Machine Learning Studio (classic)のSMOTEモジュールを使用します。SMOTE は、既存のケースを単に複製するよりも、レアケースの数を増やす優れた方法です。SMOTE モジュールを不均衡なデータセットに接続します。データセットが不均衡である理由はたくさんあります。対象とするカテゴリーが母集団で非常にまれであったり、単にデータの収集が困難であったりします。参考:https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/smoteNEW QUESTION 36あなたは、Azure Machine Learning Studio を使用してバイナリ分類モデルを作成します。あなたは、モデルを評価するために、Receiver Operating Characteristic (RO C)曲線と F1 スコアを使用する必要があります。回答するには、回答エリアのダイアログボックスで適切なオプションを選択してください。 NEW QUESTION 37あなたは、鳥の健康と移動を追跡するプロジェクトのリードデータサイエンティストです。あなたは、専門家によって収集されたラベル付きの鳥の写真のセットを使用するマルチクラス画像分類ディープラーニングモデルを作成します。すべての写真はJPG形式を使用し、AzureサブスクリプションのAzure blobコンテナに格納されています。ディープラーニングモデルの学習に使用されるAzure Machine Learningサービスのワークスペースから、Azure blobコンテナ内の鳥の写真ファイルにアクセスする必要があります。データの移動を最小限に抑える必要があります。 Azure Data Lakeストアを作成し、鳥の写真をストアに移動する。 Azure Cosmos DBデータベースを作成し、鳥の写真のストレージを含むAzure Blobをデータベースにアタッチする。 TabularDataset クラスを使用して、鳥の写真を含む Azure Blob ストレージを参照するデータセットを作成し、登録します。 鳥の写真を含む Azure Blob ストレージを、Azure Machine Learning サービスのデータストアとして登録する。 Azure Machine Learning サービスのワークスペースで作成した blob データストアに鳥の写真をコピーします。 説明Azure Blob コンテナ用にデータストアを作成することをお勧めします。ワークスペースを作成すると、Azure BlobコンテナとAzureファイル共有が自動的にワークスペースに登録されます。参考:https://docs.microsoft.com/en-us/azure/machine-learning/how-to-access-dataNEW QUESTION 38ペナルティイベント検出のプロセスを定義する必要があります。順番に実行すべき3つのアクションはどれですか？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エリアに移動し、正しい順序で並べます。 NEW QUESTION 39あなたはAzure ML SDKを使用して実験を実行する準備をしており、computeを作成する必要があります。次のコードを実行します。次の各ステートメントについて、そのステートメントが真である場合は「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：各正解の選択には 1 ポイントの価値があります。 参考:https://notebooks.azure.com/azureml/projects/azureml-getting-started/html/how-to-use-azureml/training/train-on-amlcompute/train-on-amlcompute.ipynbhttps://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.compute.computetargetNEW QUESTION 40Azure機械学習SDKを使用して、ワークスペース内のデータと実験を操作する必要があります。Python環境からワークスペースに接続するには、config.jsonファイルを構成する必要があります。ワークスペースに接続するには、config.jsonファイルにどの2つの追加パラメータを追加する必要がありますか？各正解は、解答の一部を示します。注：各正解の選択は、1 ポイントに相当します。 サブスクリプションID キー リソースグループ 地域 ログイン 同じワークスペースを複数の環境で使用するには、JSON 設定ファイルを作成します。設定ファイルには、サブスクリプション(subscription_id)、リソース(resource_group)、ワークスペース名を保存し、簡単に読み込めるようにします。以下のサンプルは、ワークスペースを作成する方法を示しています。create(name='myworkspace',subscription_id='',resource_group='myresourcegroup',create_resource_group=True,location='eastus2′)参考:https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.workspace.workspaceNEW 第41問注意: この問題は、同じシナリオを提示する一連の問題の一部です。シリーズの各問題には、指定された目標を達成する可能性のあるユニークな解決策が含まれています。このセクションの問題に解答した後、その問題に戻ることはできません。その結果、これらの問題はレビュー画面には表示されません。Azure Machine Learning Studio で新しい実験を作成しています。あるクラスは、トレーニングセット内の他のクラスよりもオブザベーションの数が非常に少ないです。クラスの不均衡を補正するために、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。 はい いいえ 新しい質問42あなたは、年齢列に外れ値が存在するかどうかを視覚的に識別し、外れ値が除去される前に外れ値を定量化する必要があります。回答するには、モジュールのリストから適切なモジュールを回答領域に移動し、正しい順序で並べます。 解説：Azure Machine Learning StudioのClip Valuesモジュールを使用すると、指定したしきい値を超えるか下回るデータ値を特定し、オプションで置き換えることができます。これは、異常値を削除したり、平均値、定数、または他の代替値に置き換えたりする場合に便利です。参考文献:https://blogs.msdn.microsoft.com/azuredev/2017/05/27/data-cleansing-tools-in-azure-machine-learning/https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/clip-valuesNEW QUESTION 43あなたは、英語のテキストコンテンツをフランス語のテキストコンテンツに翻訳するための機械学習モデルを構築しています。あなたは、テキストコンテンツのシーケンスを学習するために機械学習モデルを構築し、訓練する必要があります。 多層知覚（MLP） 畳み込みニューラルネットワーク（CNN） リカレント・ニューラル・ネットワーク（RNN） 生成的逆数ネットワーク（GANs） 英語テキストのコーパスをフランス語に翻訳するには、リカレント・ニューラル・ネットワーク（RNN）を構築する必要がある。注：RNNは、テキストのシーケンスを入力とするか、テキストのシーケンスを出力とするか、またはその両方を返すように設計されている。このリカレントは一種の記憶として機能する。参照:https://towardsdatascience.com/language-translation-with-rnns-d84d43b40571NEW QUESTION 44あなたは、データの可視化要件に従って、診断テスト評価のための可視化を作成する必要があります。どの3つのモジュールを順番に使用することを推奨しますか?回答するには、モジュールのリストから適切なモジュールを回答エリアに移動し、正しい順序で並べます。 1 - SweepClustering2 - Train Model3 - Evaluate ModelNEW QUESTION 45スクリプト実行構成を使用して、実験としてスクリプトを実行する予定です。このスクリプトは、scipyライブラリのモジュールと、デフォルトのconda環境では通常インストールされないいくつかのPythonパッケージを使用します。小さなデータセットの場合はローカルワークステーションで実験を実行し、大きなデータセットの場合はより強力なリモート計算クラスタで実行して実験をスケールアウトする予定です。 実験の実行設定で環境を指定しない。デフォルト環境を使用して実験を実行する。 必要な Python 構成の仮想マシン（VM）を作成し、その VM をコンピュートターゲットとしてアタッチする。全ての実験実行にこのコンピュートターゲットを使用する。 必要なパッケージを含む Environment を作成して登録します。この Environment をすべての実験に使用します。 必要なcondaパッケージを定義したconfig.yamlファイルを作成し、experimentフォルダに保存します。 常にデフォルトのパッケージを使用してEstimatorで実験を実行します。 ローカルコンピュータに既存のConda環境がある場合は、サービスを使って環境オブジェクトを作成することができます。この戦略を