DP-100 MCP 問題集 日本語版 本試験そっくり 予想的中問題 Designing and Implementing an Azure AI Solution

通常価格 ¥7,980

税込

DP-100 MCP Microsoft 問題集


Designing and Implementing an Azure AI Solution

日本語版

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25
特徴抽出方法を選択する必要があります。どの方法を使用する必要がありますか?
A.相互情報
B.ムードの中央値検定
C.ケンドール相関
D.順列機能の重要性



解答C



出題26
注:この設問は、同じシナリオを提示する一連の設問の一部です。シリーズの各設問には、記載された目標を達成する可能性のある独自のソリューションが含まれています。一部の設問セットには複数の正しいソリューションがある場合もあれば、正しいソリューションがない場合もあります。このセクションの設問に解答すると、その設問に戻ることはできません。その結果、これらの設問はレビュー画面に表示されません。
複数の列に欠損値を含む数値データセットを分析しています。機能セットの次元に影響を与えることなく、適切な操作を使用して欠損値を消去する必要があります。
すべての値を含めるには、完全なデータセットを分析する必要があります。
ソリューション:連鎖方程式による多重代入(MICE)メソッドを使用して、各欠損値を置き換えます。
ソリューションは目標を達成していますか?
A.はい
B.いいえ



解答A



出題28
注:この設問は、同じシナリオを提示する一連の設問の一部です。シリーズの各設問には、記載された目標を達成する可能性のある独自のソリューションが含まれています。一部の設問セットには複数の正しいソリューションがある場合もあれば、正しいソリューションがない場合もあります。このセクションの設問に解答すると、その設問に戻ることはできません。その結果、これらの設問はレビュー画面に表示されません。
複数の列に欠損値を含む数値データセットを分析しています。機能セットの次元に影響を与えることなく、適切な操作を使用して欠損値を消去する必要があります。
すべての値を含めるには、完全なデータセットを分析する必要があります。
ソリューション:最後の観測キャリーフォワード(IOCF)メソッドを使用して、欠落したデータポイントを補完します。ソリューションは目標を達成していますか?
A.はい
B.いいえ



解答B



出題29
注:この設問は、同じシナリオを提示する一連の設問の一部です。シリーズの各設問には、記載された目標を達成する可能性のある独自のソリューションが含まれています。一部の設問セットには複数の正しいソリューションがある場合もあれば、正しいソリューションがない場合もあります。このセクションの設問に解答すると、その設問に戻ることはできません。その結果、これらの設問はレビュー画面に表示されません。
Azure Machine Learning Studioで新しい実験を作成しています。
1つのクラスには、トレーニングセットの他のクラスよりもはるかに少ない数の観測値があります。
クラスの不均衡を補うために、適切なデータサンプリング戦略を選択する必要があります。
ソリューション:Scale and Reduceサンプリングモードを使用します。ソリューションは目標を達成していますか?
A.はい
B.いいえ



解答B



出題30
注:この設問は、同じシナリオを提示する一連の設問の一部です。シリーズの各設問には、記載された目標を達成する可能性のある独自のソリューションが含まれています。一部の設問セットには複数の正しいソリューションがある場合もあれば、正しいソリューションがない場合もあります。このセクションの設問に解答すると、その設問に戻ることはできません。その結果、これらの設問はレビュー画面に表示されません。
Azure Learning Learning Studioで新しい実験を作成しています。
1つのクラスには、トレーニングの他のクラスよりもはるかに少ない数の観測値があります
クラスの不均衡を補うために、適切なデータサンプリング戦略を選択する必要があります。
ソリューション:Synthetic Minority Oversampling Technique(SMOTE)サンプリングモードを使用します。
ソリューションは目標を達成していますか?
A.はい
B.いいえ



解答A



出題31
注:この設問は、同じシナリオを提示する一連の設問の一部です。シリーズの各設問には、記載された目標を達成する可能性のある独自のソリューションが含まれています。一部の設問セットには複数の正しいソリューションがある場合もあれば、正しいソリューションがない場合もあります。このセクションの設問に解答すると、その設問に戻ることはできません。その結果、これらの設問はレビュー画面に表示されません。
Azure Machine Learning Studioで新しい実験を作成しています。
1つのクラスは、トレーニングセットの他のクラスよりもはるかに少ない数の観測値を持ちます。
クラスの不均衡を補うために、適切なデータサンプリング戦略を選択する必要があります。
ソリューション:主成分分析(PCA)サンプリングモードを使用します。ソリューションは目標を達成していますか?
A.はい
B.いいえ



解答B



出題32
注:この設問は、同じシナリオを提示する一連の設問の一部です。シリーズの各設問には、記載された目標を達成する可能性のある独自のソリューションが含まれています。一部の設問セットには複数の正しいソリューションがある場合もあれば、正しいソリューションがない場合もあります。このセクションの設問に解答すると、その設問に戻ることはできません。その結果、これらの設問はレビュー画面に表示されません。
あなたはAzure Machine Learning Studioを使用しているデータサイエンティストです。
ターゲット列を予測するには、値を正規化して出力列をビンに生成する必要があります。
ソリューション:ビニングモードをカスタムの開始および停止モードで等幅に適用します。
ソリューションは目標を達成していますか?
A.はい
B.いいえ



解答B



出題33
注:この設問は、同じシナリオを提示する一連の設問の一部です。シリーズの各設問には、記載された目標を達成する可能性のある独自のソリューションが含まれています。一部の設問セットには複数の正しいソリューションがある場合もあれば、正しいソリューションがない場合もあります。このセクションの設問に解答すると、その設問に戻ることはできません。その結果、これらの設問はレビュー画面に表示されません。
あなたはAzure Machine Learning Studioを使用しているデータサイエンティストです。
ターゲット列を予測するには、値を正規化して出力列をビンに生成する必要があります。
ソリューション:QuantileIndex正規化でQuantiles正規化を適用します。ソリューションは目標を満たしていますか?
A.はい
B.いいえ



解答B



出題34
注:この設問は、同じシナリオを提示する一連の設問の一部です。シリーズの各設問には、記載された目標を達成する可能性のある独自のソリューションが含まれています。一部の設問セットには複数の正しいソリューションがある場合もあれば、正しいソリューションがない場合もあります。このセクションの設問に解答すると、その設問に戻ることはできません。その結果、これらの設問はレビュー画面に表示されません。
Azure Machine Learning Studioを使用して、データセットの機能エンジニアリングを実行しています。値を正規化して、ビンにグループ化されたフィーチャ列を作成する必要があります。
ソリューション:エントロピー最小記述長(MDI)ビニングモードを適用します。
ソリューションは目標を達成していますか?
A.はい
B.いいえ



解答A



出題35
フィーチャエンジニアリングを行って、さらなる分析のためにデータを準備します。
データには、在庫要件の季節パターンが含まれます。
適切な方法を選択して、データのフィーチャエンジニアリングを行う必要があります。どの方法を使用する必要がありますか?
A.指数平滑法(ETS)関数。
B. 1つのクラスサポートベクターマシンモジュール
C.時系列異常検出モジュールD.有限インパルス応答(FIR)フィルターモジュール。



解答D



出題36
分類タスクを解決しています。
データセットが不均衡です。
分類の精度を向上させるには、Azure Machine Learning Studioモジュールを選択する必要があります。
どのモジュールを使用する必要がありますか?
A.フィッシャー線形判別分析。
B.フィルターベースの機能選択
C.合成マイノリティオーバーサンプリングティーチニーク(SMOTE)
D.順列機能の重要性



解答A


出題56
Azure Machine Learning Studioを使用してデータセットを分析しています。
各機能列のp値と一意の値カウントを含む統計サマリーを生成する必要があります。
ユーザーはどちらのモジュールを使用できますか?それぞれの正解は完全なソリューションを提示します。
A. Pythonスクリプトを実行する
B.カウントテーブルのエクスポート
C.インジケーター値への変換
D.データの要約
E.線形相関を計算する



解答BE



出題57
提供されているトレーニングセットを使用して、バイナリ分類モデルを構築しています。
トレーニングセットは2つのクラス間で不均衡です。
データの不均衡を解決する必要があります。
この目標を達成するための3つの可能な方法は何ですか?各正解は完全なソリューションを示します注:各正解は1ポイントの価値があります。
A.分類にペナルティを科す
B.アンダーサンプリングまたはオーバーサンプリングを使用してデータセットをリサンプリングします
C.マイノリティクラスで合成サンプルを生成します。
D.モデルの評価指標として精度を使用します。
E.トレーニング機能セットを正規化します。



解答BCD



出題58
バイナリ分類を実行するリカレントニューラルネットワークを構築しています。
各トレーニングエポックのトレーニング損失、検証損失、トレーニング精度、および検証精度が提供されています。分類モデルがオーバーフィットしているかどうかを識別する必要があります。次のうち正しいものはどれですか?
A.モデルをトレーニングすると、検証損失は減少しますが、トレーニング損失は増加します。B.モデルのトレーニング時に検証損失が増加する一方で、トレーニング損失は減少します。
C.モデルをトレーニングすると、トレーニング損失は一定に保たれ、検証損失は減少します。
D.トレーニング損失は一定のままで、検証損失はモデルをトレーニングするときに一定の値でトレーニング損失値に近いままです。



解答B



出題59
地元のタクシー会社からの履歴データを含むデータセットを分析しています。回帰モデルを作成します。
タクシー旅行の運賃を予測する必要があります。
回帰モデルを正しく評価するには、パフォーマンスメトリックを選択する必要があります。
どの2つの指標を使用できますか?それぞれの正解は完全なソリューションを提示します。
A. F1スコアが高い
B. 1のR乗値
C. 0に近いR二乗値
D.高い二乗平均平方根誤差値E.牽引される二乗平均平方根誤差値
F. F 1スコアが低い。



解答DF



出題60
完成したバイナリ分類機械学習モデルを評価しています。
評価指標として精度を使用する必要があります。どの視覚化を使用する必要がありますか?
A.バイナリ分類混同行列
B.box plot
C.勾配降下
D.決定係数



解答B



出題61
クラスAの100個のサンプルとクラスBの10,000個のサンプルを含むデータセットで分類モデルを作成します。クラスBのバリエーションは非常に大きくなっています。
不均衡を解決する必要があります。どの方法を使用する必要がありますか?
A.パーティションとサンプル
B.クラスター重心
C.トメクリンク
D.合成少数オーバーサンプリング手法(SMOTE)



解答D