Azure Storage 계정의 Blob 컨테이너를 참조하는 training_data라는 데이터 저장소를 생성합니다. 해당 Blob 컨테이너에는 여러 개의 CSV(쉼표로 구분된 값) 파일이 저장된 csv_files라는 폴더가 있습니다.
로컬 폴더인 ./script에 train.py라는 스크립트가 있으며, 이 스크립트를 사용하여 추정기를 이용한 실험을 실행하려고 합니다. 이 스크립트에는 csv_files 폴더에서 데이터를 읽는 다음 코드가 포함되어 있습니다.

다음과 같은 스크립트가 있습니다.

실험에 사용할 추정기를 구성할 때 스크립트가 training_data 데이터 저장소의 csv_files 폴더를 참조하는 data_ref라는 데이터 참조에서 데이터를 읽을 수 있도록 해야 합니다.
견적기를 구성하려면 어떤 코드를 사용해야 합니까?

AmICompute 클러스터와 배치 엔드포인트가 포함된 Azure Machine Learning 작업 영역이 있습니다.
MLflow 모델이 포함된 저장소를 로컬 컴퓨터에 복제합니다. 이제 해당 모델을 배치 엔드포인트에 배포할 수 있는지 확인해야 합니다.
해결 방법: 작업 공간에 데이터 저장소를 생성합니다.
이 해결책은 목표를 달성합니까?

추가 분석을 위해 데이터를 선별하기 위한 특징 엔지니어링을 수행하고 있습니다.
해당 데이터에는 재고 요구량의 계절적 패턴이 포함되어 있습니다.
데이터에 대한 특징 엔지니어링을 수행하려면 적절한 방법을 선택해야 합니다.
어떤 방법을 사용해야 할까요?

Azure Machine Learning 서비스를 사용하는 데이터 과학 작업 영역을 개발하고 있습니다.
워크스페이스를 배포하려면 컴퓨팅 대상을 선택해야 합니다.
무엇을 사용해야 할까요?

Exhibit A에 명시된 순서대로 처리해야 하는 5개의 Python 스크립트를 작성해야 합니다. 이 스크립트는 동일한 모듈을 병렬로 실행할 수 있지만, 종속성이 있는 모듈은 대기합니다.
버전 관리 시스템에서 파이프라인 생성 과정을 추적하려면 Python SDK를 사용하여 Azure Machine Learning 파이프라인을 생성해야 합니다. 다섯 개의 PythonScriptStep을 생성했고, 변수 이름을 모듈 이름과 일치하도록 지정했습니다.

제시된 파이프라인을 생성해야 합니다. 필요한 모든 가져오기가 완료되었다고 가정합니다.
어떤 파이썬 코드 조각을 사용해야 할까요?

Azure Machine Learning 작업 영역을 관리합니다.
MLflow 모델이 이미 등록되어 있습니다. 배포 시 추론 방식을 사용자 지정하려고 합니다. 배치 추론을 위해 MLflow 모델을 배치 엔드포인트에 배포해야 합니다. 먼저 무엇을 생성해야 할까요?

Azure Machine Learning 학습 실험을 실행합니다. 학습 스크립트 디렉터리에는 .amlignore라는 파일을 포함하여 총 100개의 파일이 있습니다. 또한 이 디렉터리에는 /outputs 및 /logs라는 하위 디렉터리가 있습니다.
학습 스크립트 디렉터리에는 컴퓨팅 대상에 대한 스냅샷에서 제외해야 하는 파일이 20개 있습니다. 디렉터리 루트에 `.giftignore`라는 파일을 생성하고, 해당 20개 파일의 이름을 이 파일에 추가합니다. 그러면 이 20개 파일은 컴퓨팅 대상에 계속 복사됩니다.
20개의 파일을 제외해야 합니다. 어떻게 해야 할까요?

참고: 이 문제는 동일한 시나리오를 제시하는 일련의 문제 중 하나입니다. 각 문제에는 제시된 목표를 달성할 수 있는 고유한 해결책이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상일 수 있으며, 정답이 없는 문제 세트도 있습니다.
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
당신은 과거 데이터를 기반으로 날씨를 예측하는 모델을 만듭니다.
데이터 저장소에서 데이터를 로드하는 처리 스크립트를 실행하고, 처리된 데이터를 머신러닝 모델 학습 스크립트에 전달하는 파이프라인을 생성해야 합니다.
해결 방법: 다음 코드를 실행하세요.

이 해결책은 목표를 달성합니까?

참고: 이 문제는 동일한 시나리오를 제시하는 일련의 문제 중 하나입니다. 각 문제에는 제시된 목표를 달성할 수 있는 고유한 해결책이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상일 수 있으며, 정답이 없는 문제 세트도 있습니다.
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
Azure Machine Learning 실험을 실행하기 위해 Python 스크립트를 사용할 계획입니다. 이 스크립트는 실험 실행 컨텍스트에 대한 참조를 생성하고, 파일에서 데이터를 로드하고, 레이블 열에 대한 고유 값 집합을 식별하고, 실험 실행을 완료합니다.
azureml.core에서 Run을 가져옵니다.
pandas를 pd로 가져옵니다.
run = Run.get_context()
data = pd.read_csv('data.csv')
label_vals = data['label'].unique()
# 여기에 지표를 기록하는 코드를 추가하세요
실행 완료()
실험에서는 실행 후 검토할 수 있도록 데이터에 고유 레이블을 기록하여 측정 기준으로 활용해야 합니다.
주석에 표시된 지점에 스크립트에 고유 레이블 값을 실행 메트릭으로 기록하는 코드를 추가해야 합니다.
해결 방법: 주석을 다음 코드로 바꾸세요.
label_val의 각 레이블에 대해:
run.log('레이블 값', label_val)
이 해결책은 목표를 달성합니까?