DP-100 Microsoft Designing and Implementing an Azure AI Solution 問題集
的中予想問題集
日本語版
PDFファイル
120設問数
本問題集はベンダー試験の過去の出題傾向を踏まえて作成されています。
IT認定試験は大多数が４択形式の設問となっています。
一般の公式テキスト、参考書、赤本などでは網羅されていない過去問を効果的に学習することにより、極めて短期間で資格認定試験に合格が可能になります。
一般の書店の書籍とことなり、本問題集はお支払い後、すぐにダウンロードしていただき、学習を開始していただけます。
紙媒体とことなり、本問題集は電子フォーマットとなっておりますので、PCラップトップ、タブレット、スマートフォンなど、時・場所に左右されることなく学習ができます。
多くの方から本番試験の合格のご報告を頂戴しています。
無料サンプル問題
出題：7
ユーザーが広告に反応する傾向を判断するには、モデル開発戦略を実装する必要があります。どのテクニックを使用する必要がありますか?
A. Relative Expression Split モジュールを使用して、重心距離に基づいてデータを分割します。
B. 相対式分割モジュールを使用して、イベントまでの移動距離に基づいてデータを分割します。
C. Split Rows モジュールを使用して、イベントまでの移動距離に基づいてデータを分割します。
D. Split Rows モジュールを使用して、重心距離に基づいてデータを分割します。
解答：A
説明/参照:
データの分割は、データセットの行を 2 つの異なるセットに分割します。 Azure Machine Learning Studio のデータ分割モジュールの相対式分割オプションは、数値式を使用してデータセットをトレーニング データセットとテスト データセットに分割する必要がある場合に役立ちます。相対式分割: 数値列に条件を適用する場合は、このオプションを使用します。この数値は、日付/時刻フィールド、年齢や金額、パーセンテージを含む列である可能性があります。たとえば、商品の価格に応じてデータ セットを分割したり、年齢層ごとにユーザーをグループ化したり、カレンダーの日付ごとにデータを分割したりすることができます。
シナリオ：
ローカル市場セグメンテーション モデルは、広告に反応するユーザーの傾向を決定する前に適用されます。
トレーニング データと運用データにわたる機能の分布に一貫性がない https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/split-data
出題：8
パフォーマンス曲線の図に示されているように、広告応答モデルの新しいコスト要因シナリオを実装する必要があります。
どのテクニックを使用する必要がありますか?
A. しきい値を 0.5 に設定し、加重カッパが 0.45 から +/- 5% 逸脱する場合は再トレーニングします。
B. しきい値を 0.05 に設定し、重み付けされたカッパが 0.5 から +/- 5% 逸脱する場合は再トレーニングします。
C. しきい値を 0.2 に設定し、加重カッパが 0.6 から +/- 5% 逸脱する場合は再トレーニングします。
D. しきい値を 0.75 に設定し、加重カッパが 0.15 から +/- 5% 逸脱する場合は再トレーニングします。
解答：A
出題：4
外れ値が [年齢] 列に存在するかどうかを視覚的に識別し、外れ値を削除する前に外れ値を定量化する必要があります。
Azure Machine Learning Studio モジュールのうち、どの 3 つを使用する必要がありますか?それぞれの正解は、解決策の一部を示しています。
注: 正しく選択するたびに 1 ポイントの価値があります。
A. 散布図の作成
B. データの要約
C. クリップ値
D. 離散値を置換する
E. ビルドカウントの変換
解答： ABC
説明/参照:
B: 全体的なビューを得るには、データの要約モジュールを使用できます。モジュールを追加し、視覚化する必要があるデータセットに接続します。
A: 外れ値を視覚的にすばやく特定する方法の 1 つは、散布図を作成することです。
C: Azure ML で外れ値を処理する最も簡単な方法は、値のクリップ モジュールを使用することです。指定されたしきい値を上回るまたは下回るデータ値を識別し、必要に応じて置き換えることができます。 Azure Machine Learning Studio のクリップ値モジュールを使用すると、指定したしきい値を上回るまたは下回るデータ値を特定し、必要に応じて置換できます。これは、外れ値を削除したり、平均値、定数、またはその他の代替値に置き換えたりする場合に便利です。 https://blogs.msdn.microsoft.com/azuredev/2017/05/27/data-cleansingtools-in-azure-machine-learning/ https://docs.microsoft.com/en-us/azure/machine-学習/スタジオ モジュール参照/クリップ値