DP-100 試験問題 301
Azure Machine Learning ワークスペースのノートブックからデータをパンダの猫フレームに読み込みます。データには 10,000 件のレコードが含まれます。各レコードは 10 列で構成されます。
各列の欠損値の数を特定する必要があります。
各列の欠損値の数を返す Python コードを完成させる必要があります。
どのコード セグメントを使用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。
各列の欠損値の数を特定する必要があります。
各列の欠損値の数を返す Python コードを完成させる必要があります。
どのコード セグメントを使用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。
DP-100 試験問題 302
次の形式の salesData という名前の Python データ フレームがあります。
データ フレームは、次のように長いデータ形式にピボット解除する必要があります。
変換を実行するには、Python の pandas.melt() 関数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了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ます。
注意: 正しい選択ごとに 1 ポイントが付与されます。
データ フレームは、次のように長いデータ形式にピボット解除する必要があります。
変換を実行するには、Python の pandas.melt() 関数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了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ます。
注意: 正しい選択ごとに 1 ポイントが付与されます。
DP-100 試験問題 303
Azure Databricks ワークスペースとリンクされた Azure Machine Learning ワークスペースを作成します。
Azure Machine Learning ワークスペースに次の Python コード セグメントがあります。
mlflowをインポートする
mlflow.azureml をインポートします。
azureml.mlflow をインポートします。
azureml.core をインポートする
azureml.core からワークスペースをインポート
サブスクリプションID = 'サブスクリプションID'
リソースグループ = 'リソースグループ名'
ワークスペース名 = 'ワークスペース名'
ws = Workspace.get(name=ワークスペース名,
subscription_id=サブスクリプションID、
resource_group=リソースグループ)
experimentName = "/Users/{user_name}/{experiment_folder}/{experiment_name}" mlflow.set_experiment(experimentName) uri = ws.get_mlflow_tracking_uri() mlflow.set_tracking_uri(uri) 手順: 次の各ステートメントについて、ステートメントが正しい場合は「はい」を選択します。それ以外の場合は「いいえ」を選択します。
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 ワークスペースに次の Python コード セグメントがあります。
mlflowをインポートする
mlflow.azureml をインポートします。
azureml.mlflow をインポートします。
azureml.core をインポートする
azureml.core からワークスペースをインポート
サブスクリプションID = 'サブスクリプションID'
リソースグループ = 'リソースグループ名'
ワークスペース名 = 'ワークスペース名'
ws = Workspace.get(name=ワークスペース名,
subscription_id=サブスクリプションID、
resource_group=リソースグループ)
experimentName = "/Users/{user_name}/{experiment_folder}/{experiment_name}" mlflow.set_experiment(experimentName) uri = ws.get_mlflow_tracking_uri() mlflow.set_tracking_uri(uri) 手順: 次の各ステートメントについて、ステートメントが正しい場合は「はい」を選択します。それ以外の場合は「いいえ」を選択します。
注意: 正しい選択ごとに 1 ポイントが付与されます。
DP-100 試験問題 304
ある組織は Azure Machine Learning サービスを使用しており、機械学習の使用を拡大したいと考えています。
次のコンピューティング環境があります。組織は別のコンピューティング環境を作成することを望んでいません。
次のシナリオでは、どのコンピューティング環境を使用するかを決定する必要があります。
どのコンピューティング タイプを使用すればよいですか? 答えるには、適切なコンピューティング環境を正しいシナリオにドラッグします。各コンピューティング環境は、1 回、複数回、またはまったく使用されない場合があります。コンテンツを表示するには、ペイン間の分割バーをドラッグするか、スクロールする必要がある場合があります。
注意: 正しい選択ごとに 1 ポイントが付与されます。
次のコンピューティング環境があります。組織は別のコンピューティング環境を作成することを望んでいません。
次のシナリオでは、どのコンピューティング環境を使用するかを決定する必要があります。
どのコンピューティング タイプを使用すればよいですか? 答えるには、適切なコンピューティング環境を正しいシナリオにドラッグします。各コンピューティング環境は、1 回、複数回、またはまったく使用されない場合があります。コンテンツを表示するには、ペイン間の分割バーをドラッグするか、スクロールする必要がある場合があります。
注意: 正しい選択ごとに 1 ポイントが付与されます。
DP-100 試験問題 305
Azure Databricks ワークスペースとリンクされた Azure Machine Learning ワークスペースを作成します。
Azure Machine Learning ワークスペースに次の Python コード セグメントがあります。
mlflowをインポートする
mlflow.azureml をインポートします。
azureml.mlflow をインポートします。
azureml.core をインポートする
azureml.core からワークスペースをインポート
サブスクリプションID = 'サブスクリプションID'
リソースグループ = 'リソースグループ名'
ワークスペース名 = 'ワークスペース名'
ws = Workspace.get(name=ワークスペース名,
subscription_id=サブスクリプションID、
resource_group=リソースグループ)
experimentName = "/Users/{user_name}/{experiment_folder}/{experiment_name}" mlflow.set_experiment(experimentName) uri = ws.get_mlflow_tracking_uri() mlflow.set_tracking_uri(uri) 手順: 次の各ステートメントについて、ステートメントが正しい場合は「はい」を選択します。それ以外の場合は「いいえ」を選択します。
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 ワークスペースに次の Python コード セグメントがあります。
mlflowをインポートする
mlflow.azureml をインポートします。
azureml.mlflow をインポートします。
azureml.core をインポートする
azureml.core からワークスペースをインポート
サブスクリプションID = 'サブスクリプションID'
リソースグループ = 'リソースグループ名'
ワークスペース名 = 'ワークスペース名'
ws = Workspace.get(name=ワークスペース名,
subscription_id=サブスクリプションID、
resource_group=リソースグループ)
experimentName = "/Users/{user_name}/{experiment_folder}/{experiment_name}" mlflow.set_experiment(experimentName) uri = ws.get_mlflow_tracking_uri() mlflow.set_tracking_uri(uri) 手順: 次の各ステートメントについて、ステートメントが正しい場合は「はい」を選択します。それ以外の場合は「いいえ」を選択します。
注意: 正しい選択ごとに 1 ポイントが付与されます。
