DP-100日本語試験問題を今すぐ試そう！最新の[2024年最新] 正解回答付き [Q135-Q153]

DP-100日本語試験問題を今すぐ試そう！最新の[2024年最新] 正解回答付き

練習できるDP-100日本語には認定ガイド問題と解答とトレーニングを提供しています

質問 # 135
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：

1 - Define a cross-entropy function activation.
2 - Add cost functions for each target state.
3 - Evaluate the distance error metric.

質問 # 136
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：

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

質問 # 137
マルチクラス画像分類深層学習モデルを作成します。
PyTorch バージョン 1.2 を使用してモデルをトレーニングします。
モデルをデプロイするときに、推論環境に対して正しいバージョンの PyTorch を確実に識別できるように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 a.pt ファイルとしてローカルに保存し、モデルをローカル Web サービスとしてデプロイします。
B. 既定の Azure Machine Learning conda 環境を使用するように構成されたコンピューターにモデルをデプロイします。
C. .pt ファイル拡張子とデフォルトのバージョンプロパティを使用してモデルを登録します。
D. model_framework プロパティと model_framework_version プロパティを指定して、モデルを登録します。

正解：D

解説：
framework_version: The PyTorch version to be used for executing training code.
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-train-core/azureml.train.dnn.pytorch?view=azure-ml-py

質問 # 138
Azure Machine Learning SDK for Python を使用して、次のステップを含むパイプラインを作成します。
source.directory 値が変更されていない場合は、ステップ実行の出力をキャッシュして、後続の実行で再利用する必要があります。
ステップを定義する必要があります。
ステップ定義には何を含める必要がありますか?

A. data-as_input(name-..)
B. バージョン
C. allow.reuse
D. hash_path

正解：C

質問 # 139
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. 地域
C. subscription_Id
D. resource_group
E. キー

正解：C、D

解説：
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 # 140
Azure Machine Learning Studioを使用してデータセットを分析しています。
各機能列のp値と一意の値カウントを含む統計サマリーを生成する必要があります。
ユーザーはどちらのモジュールを使用できますか？それぞれの正解は完全な解決策を提示します。
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。

A. インジケーター値に変換
B. データの要約
C. カウントテーブルのエクスポート
D. Pythonスクリプトの実行
E. 線形相関の計算

正解：C、E

解説：
The Export Count Table module is provided for backward compatibility with experiments that use the Build Count Table (deprecated) and Count Featurizer (deprecated) modules.
E: Summarize Data statistics are useful when you want to understand the characteristics of the complete dataset. For example, you might need to know:
How many missing values are there in each column?
How many unique values are there in a feature column?
What is the mean and standard deviation for each column?
The module calculates the important scores for each column, and returns a row of summary statistics for each variable (data column) provided as input.
References:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/export-count-table
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/summarize-data

質問 # 141
ローカルの機械学習パイプラインのパフォーマンスの問題を解決する必要があります。あなたは何をするべきか？

A. Increase the training iterations,
B. Increase the learning rate.
C. Increase Graphic Processing Units (GPUs).
D. Increase Central Processing Units (CPUs).

正解：C

質問 # 142
都市の住宅販売データを含むデータセットがあります。データセットには、次の列が含まれています。

データセットの各行は、個々の住宅販売トランザクションに対応しています。
家の特徴に基づいて販売価格を予測するための最適なモデルを生成するには、自動機械学習を使用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：

Reference:
https://docs.microsoft.com/en-us/learn/modules/create-regression-model-azure-machine-learning-designer

質問 # 143
AutoMLConfigクラスを使用する実験を実行して、最大10のモデルトレーニング反復で自動機械学習タスクを定義します。タスクは、精度という名前のメトリックに基づいて、最もパフォーマンスの高いモデルを見つけようとします。
次のコードで実験を送信します。
自動機械学習タスクによって生成される最適なモデルを返すPythonコードを作成する必要があります。どのコードセグメントを使用する必要がありますか？
A）

B）

C）

D）

A. オプションD
B. オプションA
C. オプションC
D. オプションB

正解：B

質問 # 144
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 # 145
Azure Machine Learning Studioで新しい実験を作成しています。多くの列に欠損値がある小さなデータセットがあります。データでは、各列に予測変数を適用する必要はありません。欠損データの処理モジュールを使用して、欠損データを処理する予定です。
データクリーニング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. を使用して置き換えます。確率的PCA
B. 合成マイノリティオーバーサンプリングテクニック（SMOTE）
C. MICEを使用して交換
D. 正規化

正解：A

解説：
Explanation
Replace using Probabilistic PCA: Compared to other options, such as Multiple Imputation using Chained Equations (MICE), this option has the advantage of not requiring the application of predictors for each column. Instead, it approximates the covariance for the full dataset. Therefore, it might offer better performance for datasets that have missing values in many columns.
References:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/clean-missing-data

質問 # 146
Azure Machine Learning Studioを使用して、2つのデータセットが互いに著しく異なるかどうかを判断しています。
1つのデータセットの推定値は、他のデータセットの参照値よりも大きい場合も小さい場合もあります。定数を持つ分布を作成する必要があります。相関の関数としてのタイプIエラー。
ディストリビューションを作成する必要があります。
どのタイプの配布を作成する必要がありますか？

A. ツーテールオプションを使用した対応のないt検定
B. 両側オプション付きの対応のあるt検定
C. 片側オプション付きの対応のないt検定
D. 片側オプション付きの対応のあるt検定

正解：B

解説：
Explanation
Choose a one-tail or two-tail test. The default is a two-tailed test. This is the most common type of test, in which the expected distribution is symmetric around zero.
Example: Type I error of unpaired and paired two-sample t-tests as a function of the correlation. The simulated random numbers originate from a bivariate normal distribution with a variance of 1.

Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/test-hypothesis-using-t-test
https://en.wikipedia.org/wiki/Student%27s_t-test

質問 # 147
広告応答のモデリング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：

1 - Implement a K-Means Clustering model
2 - Use the cluster as a feature in a Decision jungle model.
3 - Use the raw score as a feature in a Score Matchbox Recommender model Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/multiclass-decision-jungle
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/score-matchbox-recommender

質問 # 148
Azure Machine Learning ワークスペースを作成します。表形式の構造化データを使用して、MLflow 形式の回帰モデルをトレーニングします。
モデルを評価するには、責任ある Al ダッシュボードを使用する必要があります。
Responsible A ダッシュボードを生成するには、Azure Machine Learning スタジオ Ul を使用する必要があります。
最初に何をすべきですか？

A. モデルをマネージドオンラインエンドポイントにデプロイします。
B. モデルをワークスペースに登録します。
C. モデルの説明を作成します。
D. モデルを MLflow 形式からカスタム形式に変換します。

正解：B

質問 # 149
Azure Machine Learning Studioで新しい実験を作成しています。多くの列に欠損値がある小さなデータセットがあります。データでは、各列に予測変数を適用する必要はありません。欠損データの処理モジュールを使用して、欠損データを処理する予定です。
データクリーニング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. を使用して置き換えます。確率的PCA
B. 合成マイノリティオーバーサンプリングテクニック（SMOTE）
C. MICEを使用して交換
D. 正規化

正解：B

質問 # 150
Azure ML SDKを使用して実験を実行する準備をしており、コンピューティング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、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：

Explanation

Box 1: No
If a training cluster already exists it will be used.
Box 2: Yes
The wait_for_completion method waits for the current provisioning operation to finish on the cluster.
Box 3: Yes
Low Priority VMs use Azure's excess capacity and are thus cheaper but risk your run being pre-empted.
Box 4: No
Need to use training_compute.delete() to deprovision and delete the AmlCompute target.
Reference:
https://notebooks.azure.com/azureml/projects/azureml-getting-started/html/how-to-use-azureml/training/train-on
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.compute.computetarget

質問 # 151
Azure Machine Learning データセットを作成します。Azure Machine Learning デザイナーを使用して、Python スクリプトの実行コンポーネントとカスタムコードを使用してデータセットを変換します。
スクリプトと関連ライブラリをスクリプトバンドルとしてアップロードする必要があります。
Python スクリプトの実行コンポーネントを構成する必要があります。
どの構成を使用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。
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：

質問 # 152
Azureを使用して、機械学習、実験を開発しています。
次の画像は、機械学習実験の入力と出力を示しています。

ドロップダウンメニューを使用して、グラフィックに表示される情報に基づいて各質問に回答する回答選択肢を選択します。
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。