Azure Machine Learning ワークスペースを管理します。Azure Machine Learning Python SDK v2 を使用して、自動化された機械学習回帰トレーニング ジョブを構成します。次のスクリプトを使用して回帰ジョブを構成します。

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。

AccessibilityToHighway 列の欠落データを置き換える必要があります。
欠落データのクリーンアップ モジュールをどのように構成すればよいですか? 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。

Azure Machine Learning Studio で実験を作成し、10,000 行を含むトレーニング データセットを追加します。最初の 9,000 行はクラス 0 (90%) を表します。最初の 1,000 行はクラス 1 (10%) を表します。
トレーニング セットは 2 つのクラス間で不均衡です。データ行を使用して、クラス 1 のトレーニング例の数を 4,000 に増やす必要があります。実験に Synthetic Minority Oversampling Technique (SMOTE) モジュールを追加します。
モジュールを設定する必要があります。
どの値を使用すればよいですか? 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。
注意: 正しい選択ごとに 1 ポイントが付与されます。

次の数値特徴を含む特徴セットがあります: X、Y、Z。
X、Y、Z 特徴のポアソン相関係数 (r 値) を次の図に示します。

ドロップダウン メニューを使用して、グラフィックに表示されている情報に基づいて各質問に答える選択肢を選択します。
注意: 正しい選択ごとに 1 ポイントが付与されます。

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: Azure Machine Learning ワークスペースのコンピューティング ターゲットとして mlvm 仮想マシンを接続します。
Surface Book に Azure ML SDK をインストールし、Python コードを実行してワークスペースに接続します。mlvm リモート コンピューティング リソースで、実験としてトレーニング スクリプトを実行します。