Einstein-Analytics-and-Discovery-Consultant日本語 無料問題集「Salesforce Einstein Analytics and Discovery Consultant (Einstein-Analytics-and-Discovery-Consultant日本語版)」

（A）50

（B）200

（C）100

（D）75

（A）ステップ「Region_1」のフィルターセクションで選択バインディングを使用します。

（B）ステップ「Step_pie_1」のフィルターセクションで選択バインディングを使用します。

（C）ステップ「Step_pie_1」でオプション「ファセットからフィルターを適用」を有効にします。

（D）ステップ「Region_1」でオプション「ファセットからフィルターを適用」を有効にします。

（A）ダッシュボードのウィジェットを再配置するには

（B）Chatterに投稿するには

（C）ダッシュボードに表示される期間を拡張するには

（D）あなたとあなたのチームのトレーニング計画を作成するには

（A）メジャー

（B）グループ化

（C）数式と名前

（D）フィルター

（A）rowLevelSecurityFilterキーを使用して外部データファイルに関連付けられたメタデータファイル内

（B）このデータセットを使用するデータフローのRegister変換ノード

（C）アップロード前の各行

（D）データセットセキュリティ述語内

（A）ユースケースが正確でない可能性があることを伝えます。

（B）アインシュタインが洞察までの時間を短縮することを強調します。これは経験から学ぶよりもはるかに高速です。

（C）テクノロジーはデータと同じくらい良いことを思い出させてください。

（D）Einstein Analyticsなどの視覚化ツールを使用して詳細を明らかにすることをお勧めします。

（A）データセットごとに500ファイル

（B）データセットごとに100ファイル

（C）データセットあたり50ファイル

（D）データセットあたり300ファイル

（A）いいえ。アインシュタインディスカバリーは共線性の影響を受けないため、ストーリーとその後のモデルは問題ありません。

（B）はい。共線変数が削除されない場合、Einstein Discoveryモデルのビルドは失敗します。

（C）はい。すべての共線変数が除外されない場合、モデルは過剰適合し、意味がありません。

（D）いいえ。できるだけ早く共線性を除去することが理想的ですが、アインシュタインはビルド後に警告を出し、リッジ回帰により共線性の過剰適合を防ぎます。

（A）Run and monitor

（B）Plan and map

（C）Extract and prepare

（D）Build and explore

（A）組織全体のデフォルト

（B）共有ルール

（C）ロール階層

（D）プロファイル

（A）Salesforceサポートに連絡して、組織で有効なカスタムマップとgeoJSONを取得してください。

（B）geoJSONはUIの関数ではないため、APIを介してアップロードします。

（C）分析設定で「geoJSONを使用したカスタムマップ」を有効にします。

（D）使用する権限セットにシステム権限「Manage Analytics Custom Maps」を追加します。

（A）集計を計算する数式フィールドを追加します。

（B）データフローにcomputeExpressionフィールドを作成して、要約を計算します。

（C）比較テーブルの[サマリーの表示]オプションを使用します。

（D）サマリーは標準インターフェースでは使用できないため、SAQLクエリを使用します。

（A）予期しないパターンを引き起こすデータを除外し、新しい結果を分析します。

（B）詳細な分析については、データサイエンティストに相談してください。

（C）新しいパターンを受け入れ、アインシュタインが顧客と同じくらい正確にビジネスを知っていることを確信します。

（D）パターンがデータの問題なのか、新しい洞察なのかを判断します。

（A）app.json

（B）A、BおよびC

（C）variables.json

（D）A、C

（E）ui.json