最新 [2022年03月14日] 100%合格率を保証します素晴らしいDP-100日本語試験問題PDF
DP-100日本語認定有効な試験問題集解答で学習ガイド！（最新の230問題)
質問 14
特徴抽出方法を選択する必要があります。
どの方法を使用する必要がありますか？
- A. ムードの中央値検定
- B. 順列機能の重要性
- C. 相互情報
- D. ケンドール相関
正解: D
解説:
In statistics, the Kendall rank correlation coefficient, commonly referred to as Kendall's tau coefficient (after the Greek letter), is a statistic used to measure the ordinal association between two measured quantities.
It is a supported method of the Azure Machine Learning Feature selection.
Scenario: When you train a Linear Regression module using a property dataset that shows data for property prices for a large city, you need to determine the best features to use in a model. You can choose standard metrics provided to measure performance before and after the feature importance process completes. You must ensure that the distribution of the features across multiple training models is consistent.
References:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/feature-selection-modules
質問 15
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
質問 16
群衆感情モデルの評価戦略を定義する必要があります。
順番に実行する必要がある3つのアクションはどれですか？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エリアに移動し、正しい順序に並べます。
正解:
解説:
Explanation
Scenario:
Experiments for local crowd sentiment models must combine local penalty detection data.
Crowd sentiment models must identify known sounds such as cheers and known catch phrases. Individual crowd sentiment models will detect similar sounds.
Note: Evaluate the changed in correlation between model error rate and centroid distance In machine learning, a nearest centroid classifier or nearest prototype classifier is a classification model that assigns to observations the label of the class of training samples whose mean (centroid) is closest to the observation.
References:
https://en.wikipedia.org/wiki/Nearest_centroid_classifier
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/sweep-clustering
質問 17 
ワークスペースでデータや実験を操作するには、Azure Machine LearningSDKを使用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ためにconfig.jsonファイルに追加する必要がある2つの追加パラメーターはどれですか？
それぞれの正解は、解決策の一部を示しています。
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. ログイン
- B. subscription_Id
- C. キー
- D. resource_group
- E. 地域
正解: B,D
解説:
Explanation
To use the same workspace in multiple environments, create a JSON configuration file. The configuration file saves your subscription (subscription_id), resource (resource_group), and workspace name so that it can be easily loaded.
The following sample shows how to create a workspace.
from azureml.core import Workspace
ws = Workspace.create(name='myworkspace',
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup',
create_resource_group=True,
location='eastus2'
)
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.workspace.workspace
質問 18
Azure Machine Learningサービスを使用して、training.dataという名前の表形式のデータセットを作成します。このデータセットをトレーニングスクリプトで使用する予定です。
次のコードを使用して、データセットを参照する変数を作成します。
training_ds = workspace.datasets.get（ "training_data"）
スクリプトを実行する推定器を定義します。
スクリプトがtraining.dataデータセットにアクセスできるようにするには、推定器の正しいプロパティを設定する必要があります。どのプロパティを設定する必要がありますか？
A）
B）
C）
D）
- A. オプションC
- B. オプションD
- C. オプションA
- D. オプションB
正解: D
質問 19
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 20
決定木アルゴリズムを使用しています。次のツリー深度で一般化するモデルを訓練しました。
10。
さまざまなツリー深度値を持つモデルのバイアスおよび分散プロパティを選択する必要があります。
各ツリーの深さに対してどのプロパティ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。
正解:
解説:
Explanation:
In decision trees, the depth of the tree determines the variance. A complicated decision tree (e.g. deep) has low bias and high variance.
Note: In statistics and machine learning, the bias-variance tradeoff is the property of a set of predictive models whereby models with a lower bias in parameter estimation have a higher variance of the parameter estimates across samples, and vice versa. Increasing the bias will decrease the variance. Increasing the variance will decrease the bias.
References:
https://machinelearningmastery.com/gentle-introduction-to-the-bias-variance-trade-off-in-machine-learning/
質問 21
財務チームは、finance-dataという名前のAzure Storage BLOBコンテナー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します。
Azure Machine Learningワークスペースでコンテナーを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はエラーが発生することを確認する必要があります。
どのようにコードを完成させ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:
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.datastore.datastore
質問 22
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 23
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:
質問 24
ラベル付き画像のセットを使用するマルチクラス画像分類の深層学習モデルを作成します。 PyTorch 1.3フレームワークを使用してモデルをトレーニングするtrain.pyという名前のスクリプトファイルを作成します。
見積もりツールを使用してスクリプトを実行する必要があります。このコードでは、推定ツールの環境に追加のPythonライブラリをインストールする必要はありません。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。
スクリプトの実行に使用する推定器を定義する必要があります。
どの推定器タイプを使用する必要がありますか？
- A. TensorFlow
- B. PyTorch
- C. Estimator
- D. SKLearn
正解: B
解説:
For PyTorch, TensorFlow and Chainer tasks, Azure Machine Learning provides respective PyTorch, TensorFlow, and Chainer estimators to simplify using these frameworks.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-ml-models
質問 25
グローバルペナルティ検出モデルのサンプリング戦略を構築するには、Python言語を使用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: import pytorch as deeplearninglib
Box 2: ..DistributedSampler(Sampler)..
DistributedSampler(Sampler):
Sampler that restricts data loading to a subset of the dataset.
It is especially useful in conjunction with class:`torch.nn.parallel.DistributedDataParallel`. In such case, each process can pass a DistributedSampler instance as a DataLoader sampler, and load a subset of the original dataset that is exclusive to it.
Scenario: Sampling must guarantee mutual and collective exclusively between local and global segmentation models that share the same features.
Box 3: optimizer = deeplearninglib.train. GradientDescentOptimizer(learning_rate=0.10)
質問 26
あなたは線形回帰モデルを作成するデータサイエンティストです。
データが回帰直線にどの程度適合するかを判断する必要があります。
どのメトリックを確認する必要がありますか？
- A. Coefficient of determination
- B. Recall
- C. Precision
- D. Mean absolute error
- E. Root Mean Square Error
正解: A
解説:
説明
多くの場合R2と呼ばれる決定係数は、モデルの予測力を0〜1の値として表します。ゼロは、モデルがランダムであることを意味します（何も説明しません）。 1は完璧にフィットすることを意味します。ただし、R2値の解釈には注意が必要です。低い値は完全に正常であり、高い値は疑わしいためです。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/evaluate-model
質問 27
分類タスクを解決しています。
k分割交差検証を使用して、限られたデータサンプルでモデルを評価する必要があります。 kパラメーターを分割数として構成することから始めます。
交差検定のkパラメーターを構成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？
- A. k=1
- B. k=0.5
- C. k=5
- D. k=0
正解: C
解説:
Explanation
Leave One Out (LOO) cross-validation
Setting K = n (the number of observations) yields n-fold and is called leave-one out cross-validation (LOO), a special case of the K-fold approach.
LOO CV is sometimes useful but typically doesn't shake up the data enough. The estimates from each fold are highly correlated and hence their average can have high variance.
This is why the usual choice is K=5 or 10. It provides a good compromise for the bias-variance tradeoff.
質問 28
モデルトレーニング要件に合わせて、順列特徴重要度モジュール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：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: 500
For Random seed, type a value to use as seed for randomization. If you specify 0 (the default), a number is generated based on the system clock.
A seed value is optional, but you should provide a value if you want reproducibility across runs of the same experiment.
Here we must replicate the findings.
Box 2: Mean Absolute Error
Scenario: Given a trained model and a test dataset, you must compute the Permutation Feature Importance scores of feature variables. You need to set up the Permutation Feature Importance module to select the correct metric to investigate the model's accuracy and replicate the findings.
Regression. Choose one of the following: Precision, Recall, Mean Absolute Error , Root Mean Squared Error, Relative Absolute Error, Relative Squared Error, Coefficient of Determination References:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/permutation-feature-importance
質問 29
......
DP-100日本語時間限定！無料アクセス：https://jp.fast2test.com/DP-100J-premium-file.html