クリーニングが必要な生のデータセットを分析しています。
Azure Machine Learning Studio を使用して変換と操作を実行する必要があります。
変換を実行するには、正しいモジュールを特定する必要があります。
どのモジュールを選択する必要がありますか? 答えるには、適切なモジュールを正しいシナリオにドラッグします。各モジュールは、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。

あなたのチームはデータ エンジニアリングとデータ サイエンスの開発環境を構築しています。
環境は次の要件をサポートする必要があります。
PythonとScalaをサポート
データの保存、移動、および処理サービスを自動化されたデータ パイプラインに構成するには、データ エンジニアリングとデータ サイエンスの両方のオーケストレーションに同じツールを使用する必要があります。ワークロードの分離とインタラクティブなワークロードをサポートし、マシンのクラスター全体でのスケーリングを可能にするには、環境を作成する必要があります。
何をすべきでしょうか?

モデルの適合の問題を修正する必要があります。
どの 3 つのアクションを順番に実行する必要がありますか? 回答するには、アクション リストから適切なアクションを回答領域に移動し、正しい順序で並べます。

以前に、CSV ファイルのフォルダーに基づく training-dataset という表形式のデータセットを使用してトレーニングされたモデルをデプロイしました。
時間の経過とともに、モデルによって生成された特徴と予測ラベルが、各月の CSV ファイルを含むフォルダーに収集されました。推論データを含むフォルダーに基づいて、2 つの表形式のデータセットを作成しました。1 つは、予測ラベルを含むトレーニング データと完全に一致するスキーマを持つ predictions-dataset というデータセットです。もう 1 つは、日、月、年を含むファイル名に基づくすべての特徴列とタイムスタンプ列を含むスキーマを持つ features-dataset というデータセットです。
モデルのトレーニング以降に特徴データに生じた傾向の変化を識別するには、データ ドリフト モニターを作成する必要があります。これを実現するには、データ ドリフト モニターに必要なデータセットを定義する必要があります。
データ ドリフト モニターを構成するには、どのデータセットを使用する必要がありますか? 答えるには、適切なデータセットを正しいデータ ドリフト モニター オプションにドラッグします。各ソースは、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。

Azure Notebooks で train-classification という名前の Azure Machine Learning 分類トレーニング実験を監視します。
モデルのトレーニング中に、table という名前のテーブルを成果物として Azure Machine Learning Studio に保存する必要があります。
MLfow を使用してメトリックを収集し、一覧表示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べきですか? 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。