Microsoft DP-600日本語豪華セット学習ガイドにはオンライン試験エンジン
DP-600日本語問題集レビュー専門クイズ学習材料
質問 # 29
Microsoft Power Bl セマンティック モデルがあります。
計算グループを実装する予定です。
コンテキストを選択した日付から月累計 (MTD) に変更する計算アイテムを作成する必要があります。
DAX 式をどのように完成させるべきでしょうか?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: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
Explanation:
To create a calculation item that changes the context from the selected date to month-to-date (MTD), the appropriate DAX expression involves using the CALCULATE function to alter the filter context and the DATESMTD function to specify the month-to-date context.
The correct completion for the DAX expression would be:
* In the first dropdown, select CALCULATE.
* In the second dropdown, select SELECTEDMEASURE.
This would create a DAX expression in the form:
CALCULATE(
SELECTEDMEASURE(),
DATESMTD('Date'[DateColumn])
)
質問 # 30
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可能性のある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。
Lakehousel という名前のレイクハウスを含む Fabric テナントがあります。Lakehousel には、Customer という名前の Delta テーブルが含まれています。
Customer にクエリを実行すると、クエリの実行が遅いことがわかります。テーブルでメンテナンスが実行されていないことが疑われます。
顧客に対してメンテナンス タスクが実行されたかどうかを特定する必要があります。
解決策: 次の Spark SQL ステートメントを実行します。
詳細を記述する顧客
これは目標を満たしていますか?
- A. いいえ
- B. はい
正解：A
質問 # 31
OneLake に新しいセマンティック モデルを含む Fabric テナントがあります。
Fabric ノートブックを使用して、データを Spark DataFrame に読み取ります。
データを評価して、すべての文字列列と数値列の最小値、最大値、平均値、標準偏差の値を計算する必要があります。
解決策: 次の PySpark 式を使用します。
df.show()
これは目標を達成していますか?
- A. いいえ
- B. はい
正解：A
解説：
The df.show() method also does not meet the goal. It is used to show the contents of the DataFrame, not to compute statistical functions. References = The usage of the show() function is documented in the PySpark API documentation.
質問 # 32
Microsoft Power Bl Desktop を使用してセマンティック モデルを作成します。モデルには、SalesRegionManager という名前の 1 つのセキュリティ ロールと次のテーブルが含まれています。
* 販売
* 販売地域
* 販売アドレス
SalesRegionManager ロールを割り当てられたユーザーが Sales Address の Address という名前の列を参照できないようにモデルを変更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、アクションの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。
正解：
解説：
Explanation:
To ensure that users assigned the SalesRegionManager role cannot see the Address column in the SalesAddress table, follow these steps in sequence:
* Open the model in Tabular Editor.
* Select the Address column in SalesAddress.
* Set Object Level Security to None for SalesRegionManager.
質問 # 33
Lakehouse1 という名前のレイクハウスを含む Fabric テナントがあります。 Lakehouse1 には、CSV ファイルを含む Subfolder1 という名前のサブフォルダーが含まれています。 CSV ファイルを、V-Order 最適化が有効になっているデルタ形式に変換する必要があります。 Lakehouse エクスプローラーから何をすればよいですか?
- A. [テーブル] セクションに新しいショートカットを作成します。
- B. 最適化機能を使用します。
- C. テーブルへのロード機能を使用します。
- D. [ファイル] セクションに新しいショートカットを作成します。
正解：C
解説：
To convert CSV files into the delta format with Z-Order optimization enabled, you should use the Optimize feature (D) from Lakehouse Explorer. This will allow you to optimize the file organization for the most efficient querying. References = The process for converting and optimizing file formats within a lakehouse is discussed in the lakehouse management documentation.
質問 # 34
全体的な満足度の平均スコアを計算するには、DAX メジャーを作成する必要があります。
DAX コードをどのように完成させるべきでしょうか?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: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
Explanation:
* The measure should use the AVERAGE function to calculate the average value.
* It should reference the Response Value column from the 'Survey' table.
* The 'Number of months' should be used to define the period for the average calculation.
To calculate the average overall satisfaction score using DAX, you would need to use the AVERAGE function on the response values related to satisfaction questions. The DATESINPERIOD function will help in calculating the rolling average over the last 12 months.
質問 # 35
Lakehouse1 という名前のレイクハウスを含む Fabric テナントがあります。
Lakehouse1 に追加された新しいテーブルが、Lakehouse のデフォルトのセマンティック モデルに自動的に追加されないようにする必要があります。
何を設定すればよいでしょうか? (5)
- A. ワークスペースの設定
- B. Lakehouse1 の設定
- C. セマンティック モデルの設定
- D. SQL 分析エンドポイント設定
正解：C
解説：
To prevent new tables added to Lakehouse1 from being automatically added to the default semantic model, you should configure the semantic model settings. There should be an option within the settings of the semantic model to include or exclude new tables by default. By adjusting these settings, you can control the automatic inclusion of new tables.
References: The management of semantic models and their settings would be covered under the documentation for the semantic layer or modeling features of the Fabric tenant's lakehouse solution.
質問 # 36
Microsoft Power Bl Desktop でセマンティック モデルを作成しています。
Microsoft Visual Studio Code の表形式モデル定義言語 (TMDL) 拡張機能を使用して、モデルに一括変更を加える予定です。
セマンティック モデルをファイルに保存する必要があります。
どのファイル形式を使用する必要がありますか?
- A. PBIT
- B. PBIX
- C. PBIP
- D. PBIDS
正解：B
解説：
When saving a semantic model to a file that can be edited using the Tabular Model Scripting Language (TMSL) extension for Visual Studio Code, the PBIX (Power BI Desktop) file format is the correct choice. The PBIX format contains the report, data model, and queries, and is the primary file format for editing in Power BI Desktop. References = Microsoft's documentation on Power BI file formats and Visual Studio Code provides further clarification on the usage of PBIX files.
質問 # 37
レイクハウスを含むファブリック テナントがあります。
SQL エンドポイントを使用して販売データ ファイルにクエリを実行する予定です。ファイルは Amazon Simple Storage Service (Amazon S3) ストレージ バケットに置かれます。
どのファイル形式を使用するか、およびショートカットを作成する場所を推奨する必要があります。
推奨事項に含めるべき 2 つのアクションはどれですか?それぞれの正解は、解決策の一部を示しています。
注: 各正解は 1 ポイントの価値があります。
- A. Parquet 形式を使用します
- B. [テーブル] セクションにショートカットを作成します。
- C. [ファイル] セクションにショートカットを作成します。
- D. デルタ形式を使用します。
- E. CSV 形式を使用します。
正解：A、B
解説：
You should use the Parquet format (B) for the sales data files because it is optimized for performance with large datasets in analytical processing and create a shortcut in the Tables section (D) to facilitate SQL queries through the lakehouse's SQL endpoint. References = The best practices for working with file formats and shortcuts in a lakehouse environment are covered in the lakehouse and SQL endpoint documentation provided by the cloud data platform services.
質問 # 38
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可能性のある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。
Model1 という名前のセマンティック モデルを含む Fabric テナントがあります。
次のクエリは Model1 に対して実行が遅いことがわかります。
クエリの実行時間を短縮する必要があります。
解決策: 次のコードを使用して 4 行目を置き換えます。
これは目標を満たしていますか?
- A. いいえ
- B. はい
正解：A
解説：
Topic 1, Litware. Inc. Case Study
Overview
Litware. Inc. is a manufacturing company that has offices throughout North America. The analytics team at Litware contains data engineers, analytics engineers, data analysts, and data scientists.
Existing Environment
litware has been using a Microsoft Power Bl tenant for three years. Litware has NOT enabled any Fabric capacities and features.
Fabric Environment
Litware has data that must be analyzed as shown in the following table.
The Product data contains a single table and the following columns.
The customer satisfaction data contains the following tables:
* Survey
* Question
* Response
For each survey submitted, the following occurs:
* One row is added to the Survey table.
* One row is added to the Response table for each question in the survey.
The Question table contains the text of each survey question. The third question in each survey response is an overall satisfaction score. Customers can submit a survey after each purchase.
User Problems
The analytics team has large volumes of data, some of which is semi-structured. The team wants to use Fabric to create a new data store.
Product data is often classified into three pricing groups: high, medium, and low. This logic is implemented in several databases and semantic models, but the logic does NOT always match across implementations.
Planned Changes
Litware plans to enable Fabric features in the existing tenant. The analytics team will create a new data store as a proof of concept (PoC). The remaining Litware users will only get access to the Fabric features once the PoC is complete. The PoC will be completed by using a Fabric trial capacity.
The following three workspaces will be created:
* AnalyticsPOC: Will contain the data store, semantic models, reports, pipelines, dataflows, and notebooks used to populate the data store
* DataEngPOC: Will contain all the pipelines, dataflows, and notebooks used to populate Onelake
* DataSciPOC: Will contain all the notebooks and reports created by the data scientists The following will be created in the AnalyticsPOC workspace:
* A data store (type to be decided)
* A custom semantic model
* A default semantic model
* Interactive reports
The data engineers will create data pipelines to load data to OneLake either hourly or daily depending on the data source. The analytics engineers will create processes to ingest transform, and load the data to the data store in the AnalyticsPOC workspace daily. Whenever possible, the data engineers will use low-code tools for data ingestion. The choice of which data cleansing and transformation tools to use will be at the data engineers' discretion.
All the semantic models and reports in the Analytics POC workspace will use the data store as the sole data source.
Technical Requirements
The data store must support the following:
* Read access by using T-SQL or Python
* Semi-structured and unstructured data
* Row-level security (RLS) for users executing T-SQL queries
Files loaded by the data engineers to OneLake will be stored in the Parquet format and will meet Delta Lake specifications.
Data will be loaded without transformation in one area of the AnalyticsPOC data store. The data will then be cleansed, merged, and transformed into a dimensional model.
The data load process must ensure that the raw and cleansed data is updated completely before populating the dimensional model.
The dimensional model must contain a date dimension. There is no existing data source for the date dimension. The Litware fiscal year matches the calendar year. The date dimension must always contain dates from 2010 through the end of the current year.
The product pricing group logic must be maintained by the analytics engineers in a single location. The pricing group data must be made available in the data store for T-SQL queries and in the default semantic model. The following logic must be used:
* List prices that are less than or equal to 50 are in the low pricing group.
* List prices that are greater than 50 and less than or equal to 1,000 are in the medium pricing group.
* List pnces that are greater than 1,000 are in the high pricing group.
Security Requirements
Only Fabric administrators and the analytics team must be able to see the Fabric items created as part of the PoC. Litware identifies the following security requirements for the Fabric items in the AnalyticsPOC workspace:
* Fabric administrators will be the workspace administrators.
* The data engineers must be able to read from and write to the data store. No access must be granted to datasets or reports.
* The analytics engineers must be able to read from, write to, and create schemas in the data store. They also must be able to create and share semantic models with the data analysts and view and modify all reports in the workspace.
* The data scientists must be able to read from the data store, but not write to it. They will access the data by using a Spark notebook.
* The data analysts must have read access to only the dimensional model objects in the data store. They also must have access to create Power Bl reports by using the semantic models created by the analytics engineers.
* The date dimension must be available to all users of the data store.
* The principle of least privilege must be followed.
Both the default and custom semantic models must include only tables or views from the dimensional model in the data store. Litware already has the following Microsoft Entra security groups:
* FabricAdmins: Fabric administrators
* AnalyticsTeam: All the members of the analytics team
* DataAnalysts: The data analysts on the analytics team
* DataScientists: The data scientists on the analytics team
* Data Engineers: The data engineers on the analytics team
* Analytics Engineers: The analytics engineers on the analytics team
Report Requirements
The data analysis must create a customer satisfaction report that meets the following requirements:
* Enables a user to select a product to filter customer survey responses to only those who have purchased that product
* Displays the average overall satisfaction score of all the surveys submitted during the last 12 months up to a selected date
* Shows data as soon as the data is updated in the data store
* Ensures that the report and the semantic model only contain data from the current and previous year
* Ensures that the report respects any table-level security specified in the source data store
* Minimizes the execution time of report queries
質問 # 39
ファブリック テナントがあります。
Spark DataFrame を使用して Microsoft Power Bl ビジュアルを生成する Fabric ノートブックを作成する予定です。
次のコードを実行します。
次の各ステートメントについて、そのステートメントが true の場合は [はい] を選択します。それ以外の場合は、「いいえ」を選択します。 注: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
Explanation:
* The code embeds an existing Power BI report. - No
* The code creates a Power BI report. - No
* The code displays a summary of the DataFrame. - Yes
The code provided seems to be a snippet from a SQL query or script which is neither creating nor embedding a Power BI report directly. It appears to be setting up a DataFrame for use within a larger context, potentially for visualization in Power BI, but the code itself does not perform the creation or embedding of a report. Instead, it's likely part of a data processing step that summarizes data.
References =
* Introduction to DataFrames - Spark SQL
* Power BI and Azure Databricks
質問 # 40
ファブリック セマンティック モデルを使用する Report1 という名前の Microsoft Power Bl レポートがあります。
ユーザーは、Report1 のレンダリングが遅いことに気づきました。
パフォーマンス アナライザーを開くと、「Orders By Date」という名前のビジュアルのレンダリングが最も遅いことがわかります。「Orders By Date」の所要時間の内訳を次の表に示します。
Report1 のレンダリング時間を最も短縮できるものは何でしょうか?
- A. ページの自動更新を有効にします。
- B. DAX Studio を使用して、日付別注文の DAX クエリを最適化します。
- C. Orders By Dale のビジュアル タイプを変更します。
- D. Report1 のビジュアルの数を減らします。
正解：D
解説：
Based on the duration breakdown provided, the major contributor to the rendering duration is categorized as
"Other," which is significantly higher than DAX Query and Visual display times. This suggests that the issue is less likely with the DAX calculation or visual rendering times and more likely related to model performance or the complexity of the visual. However, of the options provided, optimizing the DAX query can be a crucial step, even if "Other" factors are dominant. Using DAX Studio, you can analyze and optimize the DAX queries that power your visuals for performance improvements. Here's how you might proceed:
* Open DAX Studio and connect it to your Power BI report.
* Capture the DAX query generated by the Orders By Date visual.
* Use the Performance Analyzer feature within DAX Studio to analyze the query.
* Look for inefficiencies or long-running operations.
* Optimize the DAX query by simplifying measures, removing unnecessary calculations, or improving iterator functions.
* Test the optimized query to ensure it reduces the overall duration.
References: The use of DAX Studio for query optimization is a common best practice for improving Power BI report performance as outlined in the Power BI documentation.
質問 # 41
複雑なセマンティック モデルを含むファブリック テナントがあります。このモデルはスター スキーマに基づいており、Sales という名前のファクト テーブルを含む多くのテーブルが含まれています。モデルの図を作成する必要があります。図には Sales テーブルと関連テーブルのみを含める必要があります。 Microsoft Power Bl デスクトップから何を使用する必要がありますか?
- A. データビュー
- B. DAX クエリ ビュー
- C. データ カテゴリ
- D. モデルビュー
正解：D
解説：
To create a diagram that contains only the Sales table and related tables, you should use the Model view (C) in Microsoft Power BI Desktop. This view allows you to visualize and manage the relationships between tables within your semantic model. References = Microsoft Power BI Desktop documentation outlines the functionalities available in Model view for managing semantic models.
質問 # 42
倉庫を含む Fabric テナントがあります。
一日に何度も。すべてのウェアハウス クエリのパフォーマンスが低下します。 Fabric がウェアハウスで使用されるコンピューティングを抑制しているのではないかと考えられます。
スロットルが発生しているかどうかを識別するには何を使用する必要がありますか?
- A. Microsoft ファブリック キャパシティ メトリック アプリ
- B. 動的管理ビュー (DMV)
- C. 容量設定
- D. モニタリング ハブ
正解：D
解説：
To identify whether throttling is occurring, you should use the Monitoring hub (B). This provides a centralized place where you can monitor and manage the health, performance, and reliability of your data estate, and see if the compute resources are being throttled. References = The use of the Monitoring hub for performance management and troubleshooting is detailed in the Azure Synapse Analytics documentation.
質問 # 43
AnalyticsPOC ワークスペースのデータ ストアに顧客データを取り込むには何を使用することを推奨しますか?
- A. データフロー
- B. ストアド プロシージャ
- C. KQL アクティビティを含むパイプライン
- D. Spark ノートブック
正解：A
解説：
For ingesting customer data into the data store in the AnalyticsPOC workspace, a dataflow (D) should be recommended. Dataflows are designed within the Power BI service to ingest, cleanse, transform, and load data into the Power BI environment. They allow for the low-code ingestion and transformation of data as needed by Litware's technical requirements. References = You can learn more about dataflows and their use in Power BI environments in Microsoft's Power BI documentation.
質問 # 44
OneLake に新しいセマンティック モデルを含む Fabric テナントがあります。
Fabric ノートブックを使用して、データを Spark DataFrame に読み取ります。
データを評価して、すべての文字列列と数値列の最小値、最大値、平均値、標準偏差の値を計算する必要があります。
解決策: 次の PySpark 式を使用します。
df.explain()
これは目標を達成していますか?
- A. いいえ
- B. はい
正解：A
解説：
The df.explain() method does not meet the goal of evaluating data to calculate statistical functions. It is used to display the physical plan that Spark will execute. References = The correct usage of the explain() function can be found in the PySpark documentation.
質問 # 45
顧客満足度レポートのセマンティック モデルを設計する必要があります。
どのデータ ソース認証方法とモードを使用する必要がありますか?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: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
Explanation:
For the semantic model design required for the customer satisfaction report, the choices for data source authentication method and mode should be made based on security and performance considerations as per the case study provided.
Authentication method: The data should be accessed securely, and given that row-level security (RLS) is required for users executing T-SQL queries, you should use an authentication method that supports RLS.
Service principal authentication is suitable for automated and secure access to the data, especially when the access needs to be controlled programmatically and is not tied to a specific user's credentials.
Mode: The report needs to show data as soon as it is updated in the data store, and it should only contain data from the current and previous year. DirectQuery mode allows for real-time reporting without importing data into the model, thus meeting the need for up-to-date data. It also allows for RLS to be implemented and enforced at the data source level, providing the necessary security measures.
Based on these considerations, the selections should be:
* Authentication method: Service principal authentication
* Mode: DirectQuery
質問 # 46
......
試験問題解答ブレーン問題集でDP-600日本語試験問題集PDF問題：https://www.passtest.jp/Microsoft/DP-600J-shiken.html