Microsoft Designing and Implementing a Data Science Solution on Azure (DP-100 Korean Version) - DP-100 Korean Exam Practice Test

참고: 이 문제는 동일한 시나리오를 제시하는 일련의 문제 중 하나입니다. 각 문제에는 제시된 목표를 달성할 수 있는 고유한 해결책이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상일 수 있으며, 정답이 없는 문제 세트도 있습니다.
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
Azure Learning 학습 스튜디오에서 새 실험을 만들고 있습니다.
훈련 데이터셋에서 한 클래스의 관측치 수가 다른 클래스에 비해 훨씬 적습니다. 클래스 불균형을 보완하기 위해 적절한 데이터 샘플링 전략을 선택해야 합니다.
해결 방법: 합성 소수 클래스 과표본 추출 기법(SMOTE) 샘플링 모드를 사용합니다.
이 해결책은 목표를 달성합니까?

참고: 이 문제는 동일한 시나리오를 제시하는 일련의 문제 중 하나입니다. 각 문제에는 제시된 목표를 달성할 수 있는 고유한 해결책이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상일 수 있으며, 정답이 없는 문제 세트도 있습니다.
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
Azure Machine Learning을 사용하여 분류 모델을 학습시키는 실험을 실행하고 있습니다.
Hyperdrive를 사용하여 모델의 AUC 지표를 최적화하는 매개변수를 찾으려고 합니다. 다음 코드를 실행하여 실험에 대한 HyperDriveConfig를 구성합니다.

테스트 결과는 y_test라는 변수에 저장되고, 모델에서 예측된 확률은 y_predicted라는 변수에 저장됩니다. Hyperdrive가 AUC 지표에 맞춰 하이퍼파라미터를 최적화할 수 있도록 스크립트에 로깅을 추가해야 합니다. 해결 방법: 다음 코드를 실행하세요.

이 해결책은 목표를 달성합니까?

Azure Machine Learning 작업 영역을 생성합니다. Azure Machine Learning 스튜디오에서 코드 없는 AutoML을 사용하여 분류 모델을 학습시키고 있습니다.
이 모델은 금융기관 고객이 정기예금에 가입할지 여부를 예측해야 합니다. 두 번째로 높은 점수를 받은 알고리즘에서 모델 예측에 가장 큰 영향을 미치는 특징을 찾아내야 합니다. 또한, 해당 특징을 찾아내는 데 필요한 노력과 시간을 최소화해야 합니다.
본인 확인 절차를 완료하셔야 합니다.
어떤 세 가지 행동을 순서대로 수행해야 할까요? 정답을 선택하려면, 행동 목록에서 적절한 행동을 골라 답란에 옮겨 올바른 순서대로 배열하세요.

Azure Machine Learning 작업 영역에 모델을 생성하고 등록합니다.
모델을 사용하여 입력 데이터의 점수를 계산하는 ParallelRunStep을 사용하는 배치 추론 파이프라인을 구현하려면 Azure Machine Learning SDK를 사용해야 합니다. 파이프라인 단계의 ParallelRunConfig compute_target 설정에 값을 지정해야 합니다.
컴퓨팅 대상을 생성해야 합니다.
어떤 클래스를 사용해야 할까요?

참고: 이 문제는 동일한 시나리오를 제시하는 일련의 문제 중 하나입니다. 각 문제에는 제시된 목표를 달성할 수 있는 고유한 해결책이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상일 수 있으며, 정답이 없는 문제 세트도 있습니다.
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
학생의 교육 기간, 학위 종류, 예술 장르 등의 변수를 바탕으로 학생 작품의 가격을 예측하는 모델을 개발하고 있습니다.
먼저 선형 회귀 모델을 생성합니다.
선형 회귀 모델을 평가해야 합니다.
해결 방법: 상대 제곱 오차, 결정 계수, 정확도, 정밀도, 재현율, F1 점수 및 AUC와 같은 지표를 사용하십시오.
이 해결책은 목표를 달성합니까?

구독에서 Azure AI Foundry 프로젝트를 관리하고 있습니다. gpt-4o 모델을 배포했습니다. 기존 프런트엔드 애플리케이션에서 사용하기 전에 모델을 테스트해야 합니다. 더 창의적인 응답을 얻기 위해 매개변수를 조정해야 합니다.
해결책: 온도를 높이십시오.
이 해결책은 목표를 달성합니까?

분류 작업을 진행하고 있습니다. 학생이 축구를 하고 싶어하는지 여부와 관련된 속성을 나타내는 데이터셋이 있습니다. 데이터셋에는 다음과 같은 열이 포함되어 있습니다.

변수를 유형별로 분류해야 합니다.
각 범주에 어떤 변수를 추가해야 할까요? 정답을 선택하려면 답변란에서 적절한 옵션을 고르세요.
참고: 정답 하나당 1점입니다.

Azure Machine Learning 작업 영역을 만듭니다. Azure Machine Learning 스튜디오에서 자동화된 머신 러닝(자동화된 ML)을 사용하여 분류 모델을 학습시킵니다. 학습 데이터에는 샘플 수가 상당히 다른 여러 클래스가 포함되어 있습니다.
음성 샘플을 양성으로 잘못 분류하지 않도록 메트릭 유형을 사용해야 하며, 클래스 불균형을 최소화하는 평균화 방법을 사용해야 합니다.
측정 항목 유형과 평균 계산 방법을 설정해야 합니다.
어떤 설정을 사용해야 할까요? 답변하려면 답변 영역에서 적절한 옵션을 선택하세요.
참고: 정답 하나당 1점입니다.

이진 분류를 수행하는 순환 신경망을 구축하고 있습니다. 각 학습 에포크에 대한 학습 손실, 검증 손실, 학습 정확도 및 검증 정확도를 검토합니다.
모델 성능을 분석해야 합니다.
어떤 관찰 결과가 분류 모델이 과적합되었음을 나타냅니까?