DP-100日本語 無料問題集「Microsoft Designing and Implementing a Data Science Solution on Azure (DP-100日本語版)」
Azure Machine Learning ワークスペースを管理するとします。Azure Machine Learning Python SDK v2 と MLflow を使用して、experiment1 という名前の実験を作成します。
次の各ステートメントについて、そのステートメントが 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。
次の各ステートメントについて、そのステートメントが 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。
正解：
Explanation:
Azure Machine Learning Studioで実験を作成します-10.000行を含むトレーニングデータセットを追加します。最初の9.000行はクラス0（90パーセント）を表します。最初の1.000行はクラス1（10パーセント）を表します。
トレーニングセットは2つのクラス間で不均衡です。データ行を使用して、クラス1のトレーニング例の数を4,000に増やす必要があります。 Synthetic Minority Oversampling Technique（SMOTE）モジュールを実験に追加します。
モジュール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？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：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。
トレーニングセットは2つのクラス間で不均衡です。データ行を使用して、クラス1のトレーニング例の数を4,000に増やす必要があります。 Synthetic Minority Oversampling Technique（SMOTE）モジュールを実験に追加します。
モジュール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？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：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：
Azure Machine Learning ワークスペースを管理します。scriptpy という名前の Pylhon スクリプトは、training_data という名前の引数を読み取ります。trainlng.data 引数は、datasetl という名前のファイル内のトレーニング データへのパスを指定します。
csv。
機械学習モデルをトレーニングするコマンド ジョブとして、scriptpy Python スクリプトを実行する予定です。
スクリプトをトレーニング ジョブとして送信するときに、データ スクリプトのパスをパラメーター値として渡すコマンドを指定する必要があります。
解決策: python train.py --training_data training_data
ソリューションは目標を満たしていますか?
csv。
機械学習モデルをトレーニングするコマンド ジョブとして、scriptpy Python スクリプトを実行する予定です。
スクリプトをトレーニング ジョブとして送信するときに、データ スクリプトのパスをパラメーター値として渡すコマンドを指定する必要があります。
解決策: python train.py --training_data training_data
ソリューションは目標を満たしていますか?
正解：A
解答を投票する
ビジネスアプリケーションで使用されるバッチ推論パイプラインを公開します。
アプリケーション開発者は、公開されたパイプラインのRESTインターフェースに送信および返される情報を知る必要があります。
RESTリクエストで必要とされ、公開されたパイプラインからの応答として返される情報を識別する必要があります。
RESTリクエストでどの値を使用し、レスポンスで期待すべきですか？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。
アプリケーション開発者は、公開されたパイプラインのRESTインターフェースに送信および返される情報を知る必要があります。
RESTリクエストで必要とされ、公開されたパイプラインからの応答として返される情報を識別する必要があります。
RESTリクエストでどの値を使用し、レスポンスで期待すべきですか？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：
Explanation:
Box 1: JSON containing an OAuth bearer token
Specify your authentication header in the request.
To run the pipeline from the REST endpoint, you need an OAuth2 Bearer-type authentication header.
Box 2: JSON containing the experiment name
Add a JSON payload object that has the experiment name.
Example:
rest_endpoint = published_pipeline.endpoint
response = requests.post(rest_endpoint,
headers=auth_header,
json={"ExperimentName": "batch_scoring",
"ParameterAssignments": {"process_count_per_node": 6}})
run_id = response.json()["Id"]
Box 3: JSON containing the run ID
Make the request to trigger the run. Include code to access the Id key from the response dictionary to get the value of the run ID.
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/tutorial-pipeline-batch-scoring-classification
train.pyという名前のPythonスクリプトを作成し、scriptsという名前のフォルダーに保存します。このスクリプトは、scikit-learnフレームワークを使用して、機械学習モデルをトレーニングします。
スクリプトは、ローカルワークステーションでAzure MachineLearningの実験として実行する必要があります。
train.pyスクリプトを実行する実験を開始するには、Pythonコードを作成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てください。
注：正しい選択はそれぞれ1ポイントの価値があります。
スクリプトは、ローカルワークステーションでAzure MachineLearningの実験として実行する必要があります。
train.pyスクリプトを実行する実験を開始するには、Pythonコードを作成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てください。
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：
Explanation:
Box 1: source_directory
source_directory: A local directory containing code files needed for a run.
Box 2: script
Script: The file path relative to the source_directory of the script to be run.
Box 3: environment
Reference:
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.scriptrunconfig
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: 正しい選択ごとに 1 ポイントの価値があります。
正解：
次の形式の salesData という名前の Python データ フレームがあります。
データ フレームは、次のように長いデータ形式にピボット解除する必要があります。
変換を実行するには、Python の pandas.melt() 関数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了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。
注意: 正しい選択ごとに 1 ポイントが付与されます。
データ フレームは、次のように長いデータ形式にピボット解除する必要があります。
変換を実行するには、Python の pandas.melt() 関数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了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。
注意: 正しい選択ごとに 1 ポイントが付与されます。
正解：
Explanation:
Box 1: dataFrame
Syntax: pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)[source] Where frame is a DataFrame Box 2: shop Paramter id_vars id_vars : tuple, list, or ndarray, optional Column(s) to use as identifier variables.
Box 3: ['2017','2018']
value_vars : tuple, list, or ndarray, optional
Column(s) to unpivot. If not specified, uses all columns that are not set as id_vars.
Example:
df = pd.DataFrame({'A': {0: 'a', 1: 'b', 2: 'c'},
'B': {0: 1, 1: 3, 2: 5},
'C': {0: 2, 1: 4, 2: 6}})
pd.melt(df, id_vars=['A'], value_vars=['B', 'C'])
A variable value
0 a B 1
1 b B 3
2 c B 5
3 a C 2
4 b C 4
5 c C 6
References:
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.melt.html
Azure Container Instanceにモデルをデプロイします。
モデルAPIを呼び出すには、Azure Machine Learning SDKを使用する必要があります。
ネイティブSDKクラスおよびメソッドを使用して、デプロイされたモデルを呼び出す必要があります。
コマンドをどのように完了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。
モデルAPIを呼び出すには、Azure Machine Learning SDKを使用する必要があります。
ネイティブSDKクラスおよびメソッドを使用して、デプロイされたモデルを呼び出す必要があります。
コマンドをどのように完了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：
Explanation:
Box 1: from azureml.core.webservice import Webservice
The following code shows how to use the SDK to update the model, environment, and entry script for a web service to Azure Container Instances:
from azureml.core import Environment
from azureml.core.webservice import Webservice
from azureml.core.model import Model, InferenceConfig
Box 2: predictions = service.run(input_json)
Example: The following code demonstrates sending data to the service:
import json
test_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)
Reference:
https://docs.microsoft.com/bs-latn-ba/azure/machine-learning/how-to-deploy-azure-container-instance
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-troubleshoot-deployment
Azure Machine Learning ワークスペースを作成します
ワークスペースでカスタム モデル トレーニングを実行するための Python SDK v2 ノートブックを開発しています。ノートブック コードは、必要なパッケージをすべてインポートします。
トレーニング スクリプトを組み込むには、Python SDK v2 コードを完成させる必要があります。環境、およびコンピューティング情報。
10 個のコードをどのように完成させるべきでしょうか? 回答するには、回答領域で適切なオプションを選択してください。
注: 正しく選択するたびに 1 ポイントの価値があります
ワークスペースでカスタム モデル トレーニングを実行するための Python SDK v2 ノートブックを開発しています。ノートブック コードは、必要なパッケージをすべてインポートします。
トレーニング スクリプトを組み込むには、Python SDK v2 コードを完成させる必要があります。環境、およびコンピューティング情報。
10 個のコードをどのように完成させるべきでしょうか? 回答するには、回答領域で適切なオプションを選択してください。
注: 正しく選択するたびに 1 ポイントの価値があります
正解：
Explanation:
Azure Machine Learning ワークスペースを作成します。Azure Machine Learning Studio でノーコード AutoML を使用して分類モデルをトレーニングしています。
モデルは、金融機関の顧客が定期預金を契約するかどうかを予測する必要があります。データセットが作成されたら、Azure Machine Learning Studio でデータ プロファイルをプレビューする必要があります。
モデルをトレーニングする必要があります。
どの 4 つのアクションを順番に実行する必要がありますか? 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領域に移動し、正しい順序で並べます。
モデルは、金融機関の顧客が定期預金を契約するかどうかを予測する必要があります。データセットが作成されたら、Azure Machine Learning Studio でデータ プロファイルをプレビューする必要があります。
モデルをトレーニングする必要があります。
どの 4 つのアクションを順番に実行する必要がありますか? 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領域に移動し、正しい順序で並べます。
正解：
Explanation:
Azure MachineLearningのリモートコンピューティングでトレーニング実験を実行しています。
実験は、mlflowおよびazureml-contrib-runパッケージを含むconda環境を使用するように構成されています。
実験で生成されたメトリックを追跡するためのロギングパッケージとしてMLflowを使用する必要があります。
実験用のスクリプトを完了する必要があります。
コード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、回答領域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。
実験は、mlflowおよびazureml-contrib-runパッケージを含むconda環境を使用するように構成されています。
実験で生成されたメトリックを追跡するためのロギングパッケージとしてMLflowを使用する必要があります。
実験用のスクリプトを完了する必要があります。
コード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、回答領域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：
Explanation:
Box 1: import mlflow
Import the mlflow and Workspace classes to access MLflow's tracking URI and configure your workspace.
Box 2: mlflow.start_run()
Set the MLflow experiment name with set_experiment() and start your training run with start_run().
Box 3: mlflow.log_metric(' ..')
Use log_metric() to activate the MLflow logging API and begin logging your training run metrics.
Box 4: mlflow.end_run()
Close the run:
run.endRun()
Reference:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-use-mlflow
Azure Machine Learning SDK を使用して、分類モデルをトレーニングし、その精度メトリックを計算するトレーニング実験を実行します。
新しいデータが利用可能になると、モデルは毎月再トレーニングされます。
バッチ推論パイプラインで使用するには、モデルを登録する必要があります。
モデルを登録し、その後の再トレーニング実験で作成されたモデルが、現在登録されているモデルよりも精度が高い場合にのみ登録されるようにする必要があります。
この目標を達成するには、どのような 2 つの方法がありますか? それぞれの正解は完全な解決策を示しています。
注意: 正しい選択ごとに 1 ポイントが付与されます。
新しいデータが利用可能になると、モデルは毎月再トレーニングされます。
バッチ推論パイプラインで使用するには、モデルを登録する必要があります。
モデルを登録し、その後の再トレーニング実験で作成されたモデルが、現在登録されているモデルよりも精度が高い場合にのみ登録されるようにする必要があります。
この目標を達成するには、どのような 2 つの方法がありますか? それぞれの正解は完全な解決策を示しています。
注意: 正しい選択ごとに 1 ポイントが付与されます。
正解：A、D
解答を投票する
解説: (JPNTest メンバーにのみ表示されます)