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。一連の質問にはそれぞれ、定められた目標を満たす独自の解決策が含まれています。質問セットによっては、正しい解決策が複数ある場合もあれば、正しい解決策がない場合もあります。
このセクションで質問に答えた後は、そのセクションに戻ることはできません。そのため、これらの質問はレビュー画面に表示されません。
scripts というローカル フォルダーに train.py という Python スクリプトがあります。このスクリプトは、scikit-learn を使用して回帰モデルをトレーニングします。このスクリプトには、scripts フォルダーにあるトレーニング データ ファイルを読み込むコードが含まれています。
aml-compute という名前のコンピューティング クラスターで、Azure ML 実験としてスクリプトを実行する必要があります。
実行を構成して、環境にモデル トレーニングに必要なパッケージが含まれていることを確認する必要があります。ターゲット コンピューティング クラスターを参照する aml-compute という名前の変数をインスタンス化しました。
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満たしていますか?

Azure Machine Learning ワークスペースがあります。
ワークスペースの構成ファイルがダウンロードされた Python 環境で次のコードを実行します。

指示: 次の各文について、正しい場合は「はい」を選択してください。そうでない場合は「いいえ」を選択してください。注意: 正しい選択ごとに 1 ポイントが与えられます。

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。

Azure Machine Learning モデルを作成して、モデル ファイルとスクリプトを含めます。モデルをデプロイする必要があります。デプロイ ソリューションは、次の要件を満たしている必要があります。
* ほぼリアルタイムの推論を提供します。
* エンドポイントおよび展開レベルのコスト見積りを有効にします。
* Azure Log Analytics へのログ記録をサポートします。
デプロイメント ソリューションを構成する必要があります。
何を設定す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てください。
注意: 正しい選択ごとに 1 ポイントが付与されます。

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。一連の質問にはそれぞれ、定められた目標を満たす独自の解決策が含まれています。質問セットによっては、正しい解決策が複数ある場合もあれば、正しい解決策がない場合もあります。
このセクションで質問に答えた後は、そのセクションに戻ることはできません。そのため、これらの質問はレビュー画面に表示されません。
IT 部門は、次の Azure リソース グループとリソースを作成します。

IT 部門は、Azure Machine Learning ワークスペースに、aks-cluster という名前の Azure Kubernetes Service (AKS) ベースの推論コンピューティング ターゲットを作成します。
GPU を搭載した Microsoft Surface Book コンピューターがあります。Python 3.6 と Visual Studio Code がインストールされています。
ディープ ニューラル ネットワーク (DNN) モデルをトレーニングし、損失と精度のメトリックを記録するスクリプトを実行する必要があります。
解決策: Surface Book に Azure ML SDK をインストールします。Python コードを実行してワークスペースに接続し、ローカル コンピューティングで実験としてトレーニング スクリプトを実行します。