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)」
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。
Azure Machine Learningサービスのデータストアをワークスペースに作成します。データストアには次のファイルが含まれています。
* /data/2018/Q1.csv
* /data/2018/Q2.csv
* /data/2018/Q3.csv
* /data/2018/Q4.csv
* /data/2019/Q1.csv
すべてのファイルは、次の形式でデータを保存します。
id、f1、f2i
1,1.2,0
2,1,1、
1 3,2.1,0
次のコードを実行します。
次のコードを使用して、training_dataという名前のデータセットを作成し、すべてのファイルから単一のデータフレームにデータを読み込む必要があります。
解決策：次のコードを実行します。
ソリューションは目標を達成していますか？
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。
Azure Machine Learningサービスのデータストアをワークスペースに作成します。データストアには次のファイルが含まれています。
* /data/2018/Q1.csv
* /data/2018/Q2.csv
* /data/2018/Q3.csv
* /data/2018/Q4.csv
* /data/2019/Q1.csv
すべてのファイルは、次の形式でデータを保存します。
id、f1、f2i
1,1.2,0
2,1,1、
1 3,2.1,0
次のコードを実行します。
次のコードを使用して、training_dataという名前のデータセットを作成し、すべてのファイルから単一のデータフレームにデータを読み込む必要があります。
解決策：次のコードを実行します。
ソリューションは目標を達成していますか？
正解：A
解答を投票する
解説: (JPNTest メンバーにのみ表示されます)
Azure MachineLearningワークスペースを作成します。
DataDriftDetectorクラスを使用して、ベースラインデータセットと後続のターゲットデータセット間のデータドリフトを検出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。
DataDriftDetectorクラスを使用して、ベースラインデータセットと後続のターゲットデータセット間のデータドリフトを検出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: create_from_datasets
The create_from_datasets method creates a new DataDriftDetector object from a baseline tabular dataset and a target time series dataset.
Box 2: backfill
The backfill method runs a backfill job over a given specified start and end date.
Syntax: backfill(start_date, end_date, compute_target=None, create_compute_target=False) Reference:
https://docs.microsoft.com/en-us/python/api/azureml-datadrift/azureml.datadrift.datadriftdetector(class)
ワークスペース 1 という名前の Azure Machine Learning ワークスペースを、computet という名前のコンピューティング インスタンスを使用して管理します。
kernel 1 という名前のカーネルを computet1 から削除する必要があります。ワークスペース 1 から noa ターミナル ウィンドウを使用して、コンピューティング 1 に接続します。
カーネル 1 を削除するには、ターミナル ウィンドウにコマンドを入力する必要があります。
どのコマンドを使用すればよいでしょうか? 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。
kernel 1 という名前のカーネルを computet1 から削除する必要があります。ワークスペース 1 から noa ターミナル ウィンドウを使用して、コンピューティング 1 に接続します。
カーネル 1 を削除するには、ターミナル ウィンドウにコマンドを入力する必要があります。
どのコマンドを使用すればよいでしょうか? 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ワークスペースでモデルをトレーニングおよび登録します。
クライアントアプリケーションがバッチ推論のモデルを使用できるようにするパイプラインを公開する必要があります。入力データから予測を取得するには、Python推論スクリプトを実行する単一のParallelRunStepステップでパイプラインを使用する必要があります。
ParallelRunStepパイプラインステップの推論スクリプトを作成する必要があります。
どの2つの関数を含める必要がありますか？それぞれの正解がソリューションの一部を示しています。
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。
クライアントアプリケーションがバッチ推論のモデルを使用できるようにするパイプラインを公開する必要があります。入力データから予測を取得するには、Python推論スクリプトを実行する単一のParallelRunStepステップでパイプラインを使用する必要があります。
ParallelRunStepパイプラインステップの推論スクリプトを作成する必要があります。
どの2つの関数を含める必要がありますか？それぞれの正解がソリューションの一部を示しています。
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：A、B
解答を投票する
解説: (JPNTest メンバーにのみ表示されます)
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 ワークスペースを管理するとします。model1 という名前のモデルをトレーニングします。
異なるモデルの予測結果に対して変更する特徴を特定する必要があります。
Model1 の Responsible Al (RAI) ダッシュボードを構成する必要があります。
どの 3 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。
異なるモデルの予測結果に対して変更する特徴を特定する必要があります。
Model1 の Responsible Al (RAI) ダッシュボードを構成する必要があります。
どの 3 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:
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。
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：
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
あなたはAzureMachineLearningワークスペースの所有者です。
カスタムロールを使用して、コンピューティングリソースの作成または削除を防止する必要があります。ワークスペース内の他のすべての操作を許可する必要があります。
カスタムロールを構成する必要があります。
どのように構成を完了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。
カスタムロールを使用して、コンピューティングリソースの作成または削除を防止する必要があります。ワークスペース内の他のすべての操作を許可する必要があります。
カスタムロールを構成する必要があります。
どのように構成を完了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: Microsoft.MachineLearningServices/workspaces/*/read
Reader role: Read-only actions in the workspace. Readers can list and view assets, including datastore credentials, in a workspace. Readers can't create or update these assets.
Box 2: Microsoft.MachineLearningServices/workspaces/*/write
If the roles include Actions that have a wildcard (*), the effective permissions are computed by subtracting the NotActions from the allowed Actions.
Box 3: Box 2: Microsoft.MachineLearningServices/workspaces/computes/*/delete Box 4: Microsoft.MachineLearningServices/workspaces/computes/*/write Reference:
https://docs.microsoft.com/en-us/azure/role-based-access-control/overview#how-azure-rbac-determines-if-a- user-has-access-to-a-resource
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)
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