参照：
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/split-data

Explanation:
ボックス 1: はい
ランダム サンプリングでは、ハイパーパラメータ値は、定義された検索空間からランダムに選択されます。ランダム サンプリングにより、検索空間に離散ハイパーパラメータと連続ハイパーパラメータの両方を含めることができます。
ボックス 2: はい
learning_rate には、平均値 10、標準偏差 3 の正規分布があります。
ボックス 3: いいえ
keep_probability は、最小値 0.05、最大値 0.1 の一様分布を持ちます。
ボックス 4: いいえ
number_of_hidden_​​layers は、[3、4、5] のいずれかの値をとります。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters

TensorFlow は、数値計算および大規模機械学習用のオープンソース ライブラリです。Python を使用して、フレームワーク TensorFlow でアプリケーションを構築するための便利なフロントエンド API を提供します。TensorFlow は、手書き数字分類、画像認識、単語埋め込み、リカレント ニューラル ネットワーク、機械翻訳のためのシーケンスツーシーケンス モデルのためのディープ ニューラル ネットワークをトレーニングおよび実行できます。自然言語処理と PDE (偏微分方程式) ベースのシミュレーション。
不正解:
A: Rattle は、データ分析と機械学習を始めるための R 分析ツールです。
C: Weka は、Java のビジュアル データ マイニングおよび機械学習ソフトウェアに使用されます。
参考文献:
https://www.infoworld.com/article/3278008/what-is-tensorflow-the-machine-learning-library-explained.html

Explanation:
ボックス 1: OAuth ベアラー トークンを含む JSON
リクエストで認証ヘッダーを指定します。
REST エンドポイントからパイプラインを実行するには、OAuth2 Bearer タイプの認証ヘッダーが必要です。
ボックス 2: 実験名を含む JSON
実験名を持つ JSON ペイロード オブジェクトを追加します。
例：
rest_endpoint =published_pipeline.endpoint
応答 = request.post(rest_endpoint,
headers=auth_header、
json={"実験名": "バッチスコアリング",
"ParameterAssignments": {"process_count_per_node": 6}})
run_id = response.json()["ID"]
ボックス 3: 実行 ID を含む JSON
実行をトリガーするリクエストを作成します。応答ディクショナリから ID キーにアクセスして実行 ID の値を取得するコードを含めます。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/tutorial-pipeline-batch-scoring-classification

説明
B: Azure Resource Manager テンプレートを使用して、Azure Machine Learning 用のワークスペースを作成できます。
例：
{"タイプ": "Microsoft.MachineLearningServices/workspaces",
...
C: Azure CLI を使用して Azure Machine Learning のワークスペースを作成できます。 機械学習拡張機能をインストールします。
リソース グループを作成します: az group create --name <resource-group-name> --location <location> サービスが自動的に作成される新しいワークスペースを作成するには、次のコマンドを使用します: az ml workspace create -w <workspace- name> -g <resource-group-name> D: Azure portal で Azure Machine Learning ワークスペースを作成および管理できます。
Azure サブスクリプションの資格情報を使用して、Azure portal にサインインします。
Azure portal の左上隅で、 [+ リソースの作成] を選択します。
検索バーを使用して Machine Learning を見つけます。
「機械学習」を選択します。
[機械学習] ペインで、 [作成] を選択して開始します。

参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-create-workspace-template
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-manage-workspace-cli
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-manage-workspace