이 페이지는 시험 연구소 브레인덤프 [ http://blog.examslabs.com ]에서 내보낸 페이지입니다. 내보내기 날짜:Thu Dec 12 9:45:28 2024 / +0000 GMT ___________________________________________________ 제목: [2022년 5월 12일] DP-100 시험을 위한 레슨 브릴리언트 PDF 오늘 업데이트 [Q29-Q46] --------------------------------------------------- [2022년 5월 12일] 오늘 업데이트된 DP-100 시험용 강의 PDF 무료 제공 새로운 2022 유효 실습 Microsoft Azure DP-100 Q&A - 테스트 엔진 받기 새로운 문제 29머신 러닝 모델을 만들고 있는데 데이터에서 이상값을 식별해야 합니다.사용할 수 있는 두 가지 비주얼리제이션은 무엇입니까? 각 정답은 완전한 해결책을 제시합니다.참고: 정답을 선택할 때마다 1점의 가치가 있습니다.참고: 정답을 선택할 때마다 1점의 가치가 있습니다. 박스 플롯 분산형 랜덤 포리스트 다이어그램 벤 다이어그램 ROC 곡선 박스 플롯 알고리즘을 사용하여 이상값을 표시할 수 있으며, 이상값을 시각적으로 빠르게 식별하는 다른 방법은 분산형 차트를 만드는 것입니다.참조:https://blogs.msdn.microsoft.com/azuredev/2017/05/27/data-cleansing-tools-in-azure-machine-learning/NEW 질문 30PyTorch 프레임워크를 사용하여 다중 클래스 이미지 분류 딥 러닝 실험을 만듭니다. GPU가 있는 노드가 있는 Azure Compute 클러스터에서 실험을 실행할 계획이며, 이미지 분류 모델의 월별 재학습을 수행하기 위해 Azure 머신 러닝 서비스 파이프라인을 정의해야 합니다. 파이프라인은 최소한의 비용으로 실행되어야 하며 모델 학습에 필요한 시간을 최소화해야 하는데, 어떤 세 가지 파이프라인 단계를 순서대로 실행해야 하나요? 답하려면 작업 목록에서 적절한 작업을 답 영역으로 이동하고 올바른 순서로 정렬하세요. 설명: 1단계: 새 이미지 데이터를 가져오도록 DataTransferStep()을 구성하고...2단계: cpu-compute 컴퓨터 대상에서 image_resize.y를 실행하도록 PythonScriptStep()을 구성하고.3단계: gpu_compute 컴퓨터 대상에서 훈련 스크립트를 실행하도록 EstimatorStep()을 구성합니다.파이토치 추정기는 컴퓨팅 대상에서 파이토치 훈련 작업을 실행하는 간단한 방법을 제공합니다.참조: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-pytorchNEW 질문 31모델 훈련 요구 사항에 대해 순열 기능 중요도 모듈을 구성해야 하는데 어떻게 해야 하나요? 답하려면 답 영역의 대화 상자에서 적절한 옵션을 선택하십시오.참고: 올바른 선택은 각각 1점의 가치가 있습니다. 설명상자 1: 500랜덤 시드의 경우 무작위화를 위한 시드로 사용할 값을 입력합니다. 0(기본값)을 지정하면 시스템 시계를 기준으로 숫자가 생성됩니다.시드 값은 선택 사항이지만 동일한 실험의 실행 간에 재현성을 원할 경우 값을 제공해야 합니다.상자 2: 평균 절대 오차시나리오: 학습된 모델과 테스트 데이터 세트가 주어지면 기능 변수의 순열 기능 중요도 점수를 계산해야 합니다. 모델의 정확도를 조사하고 결과를 복제하기 위해 올바른 메트릭을 선택하도록 순열 기능 중요도 모듈을 설정해야 합니다.회귀. 다음 중 하나를 선택합니다: 정밀도, 회수, 평균 절대 오차 , 평균 제곱 오차, 상대 절대 오차, 상대 제곱 오차, 결정 계수 참조:https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/permutation-feature-importanNEW 질문 32머신 러닝 모델을 학습하기 위해 Azure Machine Learning을 사용하고 있습니다. 트레이닝 스크립트를 원격으로 실행할 컴퓨팅 대상이 필요합니다. 다음 Python 코드를 실행합니다: 참조: 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 질문 33 참고: 이 질문은 동일한 시나리오를 제시하는 일련의 질문 중 일부입니다. 시리즈의 각 문제에는 명시된 목표를 달성할 수 있는 고유한 솔루션이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상 있을 수 있고, 정답이 없는 문제도 있습니다.이 섹션의 문제에 답한 후에는 해당 문제로 돌아갈 수 없습니다. 따라서 이러한 문제는 검토 화면에 표시되지 않습니다.scripts라는 로컬 폴더에 train.py라는 Python 스크립트가 있습니다. 이 스크립트는 scikit-learn을 사용하여 회귀 모델을 훈련합니다. 스크립트에는 스크립트 폴더에 있는 학습 데이터 파일을 로드하는 코드가 포함되어 있으며, aml-compute라는 이름의 컴퓨팅 클러스터에서 Azure ML 실험으로 스크립트를 실행해야 하며, 환경에 모델 학습에 필요한 패키지가 포함되어 있는지 확인하도록 실행을 구성해야 합니다. 대상 컴퓨팅 클러스터를 참조하는 aml-compute라는 변수를 인스턴스화했습니다.Solution: 다음 코드를 실행합니다.솔루션이 목표를 충족하나요? 예 아니요 설명 스키킷-학습 추정기는 컴퓨팅 대상에서 스키킷-학습 학습 작업을 시작하는 간단한 방법을 제공합니다. 단일 노드 CPU 트레이닝을 지원하는 데 사용할 수 있는 SKLearn 클래스를 통해 구현됩니다.예:from azureml.train.sklearn import SKLearn}estimator = SKLearn(source_directory=project_folder,compute_target=comput_target,entry_script='train_iris.py')참조:https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-scikit-learn새 질문 34훈련 클러스터와 추론 클러스터가 포함된 Azure Machine Learning 작업 공간이 있고, Azure Machine Learning 디자이너를 사용하여 분류 모델을 만들 계획입니다.클라이언트 애플리케이션이 데이터를 HTTP 요청으로 제출하고 예측을 응답으로 받을 수 있도록 해야 합니다.어떤 세 가지 작업을 순서대로 수행해야 하나요? 답하려면 작업 목록에서 적절한 작업을 답 영역으로 이동하고 올바른 순서로 정렬하세요. 1 - 분류 모델을 학습하는 파이프라인을 만들고 컴퓨팅 클러스터에서 파이프라인을 실행합니다.2 - 배치 추론 파이프라인을 만들고 컴퓨팅 클러스터에서 파이프라인을 실행합니다.3 - 추론 클러스터에 서비스를 배포합니다.새로운 문제 35분류 작업을 해결하고 있는데 데이터 집합이 불균형합니다.분류 정확도를 개선하기 위해 Azure Machine Learning Studio 모듈을 선택해야 하는데 어떤 모듈을 사용해야 하나요? 순열 기능 중요도 필터 기반 특징 선택 피셔 선형 판별 분석 합성 소수 오버샘플링 기법(SMOTE) 설명설명:기계 학습에 사용되는 데이터 집합에서 잘 표현되지 않은 사례의 수를 늘리려면 Azure Machine Learning Studio(클래식)의 SMOTE 모듈을 사용하세요. SMOTE는 단순히 기존 사례를 복제하는 것보다 희귀 사례의 수를 늘리는 더 좋은 방법이며, 불균형한 데이터 집합에 SMOTE 모듈을 연결합니다. 데이터 세트의 불균형에는 여러 가지 이유가 있습니다. 타겟팅하는 카테고리가 모집단에서 매우 드물거나 단순히 데이터를 수집하기 어려울 수 있습니다. 일반적으로 분석하려는 클래스가 과소 대표되는 경우 SMOTE를 사용합니다.참조:https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/smoteNEW 질문 36Azure Machine Learning Studio를 사용하여 이진 분류 모델을 만들고, 모델을 평가하기 위해 수신자 작동 특성(RO C) 곡선과 F1 점수를 사용해야 하며, 필요한 비즈니스 메트릭을 만들어야 하는데, 실험을 어떻게 완료해야 하나요? 답 영역의 대화 상자에서 적절한 옵션을 선택하십시오.참고: 각 정답은 1점씩 가치가 있습니다. 새 문제 37당신은 새의 건강과 이동을 추적하는 프로젝트의 수석 데이터 과학자입니다. 전문가들이 수집한 라벨이 붙은 새 사진 세트를 사용하는 다중 클래스 이미지 분류 딥 러닝 모델을 만들고 있으며, 새 사진 100,000장이 있습니다. 모든 사진은 JPG 형식을 사용하며 Azure 구독의 Azure 블롭 컨테이너에 저장되어 있고, 딥 러닝 모델 학습에 사용할 Azure 머신 러닝 서비스 작업 영역에서 Azure 블롭 컨테이너에 있는 새 사진 파일에 액세스해야 합니다. 데이터 이동을 최소화해야 하는데 어떻게 해야 하나요? Azure Data Lake 스토어를 만들고 새 사진을 스토어로 이동합니다. Azure Cosmos DB 데이터베이스를 생성하고 새 사진 저장소가 포함된 Azure Blob을 데이터베이스에 연결합니다. 새 사진이 포함된 Azure Blob 스토리지를 참조하는 TabularDataset 클래스를 사용하여 데이터셋을 생성하고 등록합니다. 새 사진이 포함된 Azure 블로브 스토리지를 Azure 머신 러닝 서비스에 데이터 저장소로 등록합니다. 새 사진을 Azure 머신 러닝 서비스 작업 영역으로 만든 블롭 데이터 저장소에 복사합니다. 설명 Azure Blob 컨테이너용 데이터스토어를 만드는 것이 좋습니다. 작업 공간을 만들면 Azure 블롭 컨테이너와 Azure 파일 공유가 작업 공간에 자동으로 등록됩니다.참조:https://docs.microsoft.com/en-us/azure/machine-learning/how-to-access-dataNEW 질문 38페널티 이벤트 감지를 위한 프로세스를 정의해야 하는데, 어떤 세 가지 작업을 순서대로 수행해야 하나요? 답하려면 작업 목록에서 적절한 작업을 답 영역으로 이동하여 올바른 순서로 정렬하세요. 새로운 문제 39Azure ML SDK를 사용하여 실험을 실행하기 위해 준비 중이며 컴퓨팅을 만들어야 합니다. 다음 코드를 실행합니다.다음 각 문에 대해 문이 참이면 예를 선택합니다. 그렇지 않으면 아니요를 선택합니다.참고: 올바른 선택은 각각 1점의 가치가 있습니다. 참조: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 문제 40작업 영역의 데이터 및 실험과 상호 작용하려면 Azure Machine Learning SDK를 사용해야 하며, Python 환경에서 작업 영역에 연결하려면 config.json 파일을 구성해야 합니다.작업 영역에 연결하려면 config.json 파일에 추가해야 하는 두 가지 추가 매개 변수는 무엇인가요? 각 정답은 솔루션의 일부를 나타냅니다.참고: 정답을 선택할 때마다 1점의 가치가 있습니다. 구독_Id 키 resource_group 지역 로그인 여러 환경에서 동일한 워크스페이스를 사용하려면 JSON 구성 파일을 만드세요. 구성 파일에는 구독(구독_id), 리소스(리소스_그룹) 및 워크스페이스 이름을 저장하여 쉽게 로드할 수 있습니다. 다음 샘플은 워크스페이스를 만드는 방법을 보여 줍니다.from azureml.core import Workspacews = 워크스페이스.create(name='myworkspace',subscription_id='',resource_group='myresourcegroup',create_resource_group=True,location='eastus2′)참조:https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.workspace.workspaceNEW 질문 41 참고: 이 질문은 동일한 시나리오를 제시하는 일련의 질문 중 일부입니다. 시리즈의 각 문제에는 명시된 목표를 달성할 수 있는 고유한 솔루션이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상 있을 수 있고, 정답이 없는 문제도 있습니다.이 섹션의 문제에 답한 후에는 해당 문제로 돌아갈 수 없습니다. 따라서 이러한 질문은 검토 화면에 나타나지 않습니다.Azure Machine Learning Studio에서 새 실험을 만들고 있습니다.한 클래스의 관찰 수가 훈련 집합의 다른 클래스보다 훨씬 적습니다.클래스 불균형을 보완하기 위해 적절한 데이터 샘플링 전략을 선택해야 합니다.해결 방법: 주성분 분석(PCA) 샘플링 모드를 사용합니다.솔루션이 목표를 충족합니까? 예 아니요 새로운 질문 42연령 열에 이상값이 존재하는지 시각적으로 식별하고 이상값을 제거하기 전에 이상값을 정량화해야 하는데, 어떤 세 가지 Azure Machine Learning Studio 모듈을 순서대로 사용해야 하나요? 답하려면 모듈 목록에서 적절한 모듈을 답 영역으로 이동하고 올바른 순서로 정렬하세요. 설명: Azure Machine Learning Studio에서 값 잘라내기 모듈을 사용하여 지정된 임계값보다 크거나 작은 데이터 값을 식별하고 선택적으로 바꿀 수 있습니다. 이 모듈은 이상값을 제거하거나 평균, 상수 또는 기타 대체 값으로 대체하려는 경우에 유용합니다.참조: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 질문 43영어 텍스트 콘텐츠를 프랑스어 텍스트 콘텐츠로 번역하기 위한 기계 학습 모델을 빌드하고 있으며, 텍스트 콘텐츠의 순서를 학습하기 위해 기계 학습 모델을 빌드하고 훈련해야 하는데 어떤 유형의 신경망을 사용해야 하나요? 다층 인식(MLP) 컨볼루션 신경망(CNN) 순환 신경망(RNN) 생성적 적대 신경망(GAN) 영어 텍스트 말뭉치를 프랑스어로 번역하려면 순환 신경망(RNN)을 구축해야 합니다. 참고: RNN은 텍스트 시퀀스를 입력으로 받거나 텍스트 시퀀스를 출력으로 반환하거나 둘 다 반환하도록 설계되었으며, 네트워크의 숨겨진 계층에 각 시간 단계의 출력과 셀 상태가 다음 시간 단계에서 입력이 되는 루프가 있기 때문에 순환이라고 불립니다. 이러한 반복은 일종의 메모리 역할을 합니다. 이를 통해 이전 시간 단계의 관련 출력이 현재 시간 단계의 네트워크 작업에 적용될 수 있도록 컨텍스트 정보가 네트워크를 통해 흐르게 합니다.참조: https://towardsdatascience.com/language-translation-with-rnns-d84d43b40571NEW 질문 44데이터 시각화 요구 사항에 따라 진단 테스트 평가를 위한 시각화를 제작해야 하는데, 어떤 모듈을 순서대로 사용하는 것이 좋습니까? 답하려면 모듈 목록에서 해당 모듈을 답 영역으로 이동한 후 올바른 순서로 배열하십시오. 1 - 스윕 클러스터링2 - 모델 훈련3 - 모델 평가새로운 문제 45스크립트 실행 구성을 사용하여 스크립트를 실험으로 실행할 계획입니다. 스크립트는 일반적으로 기본 콘다 환경에 설치되지 않는 여러 Python 패키지뿐만 아니라 scipy 라이브러리의 모듈을 사용합니다.소규모 데이터 세트의 경우 로컬 워크스테이션에서 실험을 실행하고 대규모 데이터 세트의 경우 더 강력한 원격 컴퓨팅 클러스터에서 실행하여 실험을 확장할 계획입니다.최소한의 관리 노력으로 실험이 로컬 및 원격 컴퓨팅에서 성공적으로 실행되도록 해야 합니다.어떻게 해야 하나요? 실험의 실행 구성에서 환경을 지정하지 마세요. 기본 환경을 사용하여 실험을 실행합니다. 필요한 Python 구성으로 가상 머신(VM)을 생성하고 VM을 컴퓨팅 대상으로 연결합니다. 모든 실험 실행에 이 컴퓨팅 대상을 사용합니다. 필요한 패키지가 포함된 환경을 생성하고 등록합니다. 모든 실험 실행에 이 환경을 사용합니다. 필요한 콘다 패키지를 정의하는 config.yaml 파일을 생성하고 실험 폴더에 파일을 저장합니다. 항상 기본 패키지를 사용하여 추정기로 실험을 실행하세요. 로컬 컴퓨터에 기존 Conda 환