DP-100 試験問題 131
Azure Machine Learning Serviceを使用して、ニューラルネットワーク分類モデルのハイパーパラメーター探索を自動化します。
次の要件に従ってランダムサンプリングを使用してハイパーパラメータを自動的に調整するには、ハイパーパラメータ空間を定義する必要があります。
*学習率は、平均値が10、標準偏差が3の正規分布から選択する必要があります。
*バッチサイズは16、32、64である必要があります。
*保持確率は、0.05から0.1の範囲の一様分布から選択された値である必要があります。
Azure MachineLearningServiceにはPythonAPIのparam.samplingメソッド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。
次の要件に従ってランダムサンプリングを使用してハイパーパラメータを自動的に調整するには、ハイパーパラメータ空間を定義する必要があります。
*学習率は、平均値が10、標準偏差が3の正規分布から選択する必要があります。
*バッチサイズは16、32、64である必要があります。
*保持確率は、0.05から0.1の範囲の一様分布から選択された値である必要があります。
Azure MachineLearningServiceにはPythonAPIのparam.samplingメソッド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。
DP-100 試験問題 132
画像分類のための深層学習畳み込みニューラルネットワークモデルを構築する準備をしています。CUDAデバイスを使用してモデルをトレーニングするスクリプトを作成します。
AzureMachineLearningワークスペースでこのスクリプトを実行する実験を送信する必要があります。
次のコンピューティングリソースを使用できます。
*MicrosoftOfficeがインストールされているMicrosoftSurfaceデバイス。企業のITポリシーにより、追加のソフトウェアのインストールが防止されます
*2つのCPUと8GBのメモリを備えたワークスペースで名前が付けられたコンピューティングインスタンス
*8つのCPUベースのノードで名前が付けられたAzureMachineLearningコンピューティングターゲット
*4つのCPUおよびGPUベースのノードで名前が付けられたAzureMachineLearningコンピューティングターゲット実験を送信するためのコードの実行、およびモデルのトレーニング時間を最小限に抑えるためのスクリプトの実行に使用するコンピューティングリソースを指定する必要があります。
データサイエンティストはどのリソース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。
AzureMachineLearningワークスペースでこのスクリプトを実行する実験を送信する必要があります。
次のコンピューティングリソースを使用できます。
*MicrosoftOfficeがインストールされているMicrosoftSurfaceデバイス。企業のITポリシーにより、追加のソフトウェアのインストールが防止されます
*2つのCPUと8GBのメモリを備えたワークスペースで名前が付けられたコンピューティングインスタンス
*8つのCPUベースのノードで名前が付けられたAzureMachineLearningコンピューティングターゲット
*4つのCPUおよびGPUベースのノードで名前が付けられたAzureMachineLearningコンピューティングターゲット実験を送信するためのコードの実行、およびモデルのトレーニング時間を最小限に抑えるためのスクリプトの実行に使用するコンピューティングリソースを指定する必要があります。
データサイエンティストはどのリソース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。
DP-100 試験問題 133
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、述べられた目標を達成する可能性のある独自の解決策が含まれています。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を使用して、分類モデルをトレーニングする実験を実行しています。
Hyperdriveを使用して、モデルのAUCメトリックを最適化するパラメーターを検索します。次のコードを実行して、実験用にHyperDriveConfigを構成します。
この構成を使用して、ランダムフォレストモデルをトレーニングし、検証データでテストするスクリプトを実行することを計画しています。検証データのラベル値はy_test変数という名前の変数に格納され、モデルからの予測確率はy_predictedという名前の変数に格納されます。
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を使用して、分類モデルをトレーニングする実験を実行しています。
Hyperdriveを使用して、モデルのAUCメトリックを最適化するパラメーターを検索します。次のコードを実行して、実験用にHyperDriveConfigを構成します。
この構成を使用して、ランダムフォレストモデルをトレーニングし、検証データでテストするスクリプトを実行することを計画しています。検証データのラベル値はy_test変数という名前の変数に格納され、モデルからの予測確率はy_predictedという名前の変数に格納されます。
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？
DP-100 試験問題 134
次のように定義された6つのデータポイントを含むPythonNumPy配列を評価しています。
データ=[10、20、30、40、50、60]
Python Scikit-learn機械学習ライブラリにk-foldアルゴリズムを埋め込み、次の出力を生成する必要があります。
電車：[10 40 50 60]、テスト：[20 30]
電車：[20 30 40 60]、テスト：[10 50]
電車：[10 20 30 50]、テスト：[40 60]
出力を生成するには、相互検証を実装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、回答領域のダイアログボックスで適切なコードセグメントを選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。
データ=[10、20、30、40、50、60]
Python Scikit-learn機械学習ライブラリにk-foldアルゴリズムを埋め込み、次の出力を生成する必要があります。
電車：[10 40 50 60]、テスト：[20 30]
電車：[20 30 40 60]、テスト：[10 50]
電車：[10 20 30 50]、テスト：[40 60]
出力を生成するには、相互検証を実装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、回答領域のダイアログボックスで適切なコードセグメントを選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。
DP-100 試験問題 135
Azure MachineLearningStudioを使用してバイナリ分類モデルを作成します。
モデルを評価するには、受信者動作特性（RO C）曲線とF1スコアを使用する必要があります。
必要なビジネス指標を作成する必要があります。
どのように実験を完了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：正しい選択はそれぞれ1ポイントの価値があります。
モデルを評価するには、受信者動作特性（RO C）曲線とF1スコアを使用する必要があります。
必要なビジネス指標を作成する必要があります。
どのように実験を完了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：正しい選択はそれぞれ1ポイントの価値があります。
