時系列データ ロングフォーマットからワイドフォーマットの変換 マルチインデックスのフラット化 

# pivot で ロングフォーマットからワイドフォーマットに変換
waterlevel_df_wide = waterlevel_df.pivot(index=['date','station', 'river'], columns='hour' , values=['value'])

# 行の MultiIndex をフラット化
waterlevel_df_wide.columns = waterlevel_df_wide.columns.to_flat_index()

# 列の MultiIndex をフラット化
waterlevel_df_wide = waterlevel_df_wide.reset_index()

# 列名 再設定
waterlevel_df_wide.columns = ['date', 'station', 'river'] + ['w' + str(i) for i in range(24)]

DP100 / Azure Data Scientist Associate / Azure AI Engineer Associate 更新試験用の対応方法

1. まずは更新試験を受けて対象となっているモジュール(章)を把握する
更新試験に出るのは下記の一部のモジュール

コース DP-100T01--A: Azure でのデータ サイエンス ソリューションの設計と実装 - Training | Microsoft Learn


2. 点数の低かったモジュールを読む。演習はやらなくてOK

3. 試験を受けなおす

※1) 試験は何回受けても無料。3回目以降は24時間を間を開けないと受けられない
※2) 時間制限はないのでググりながらでもOK

Azure Machine Learning SDK ワークスペースの構成ファイルの取得方法 DP100

ワークスペースの構成ファイルはこういうの

{
    "subscription_id": "1234567-abcde-890-fgh...",
    "resource_group": "aml-resources",
    "workspace_name": "aml-workspace"
}


Microsoft Azure Machine Learning Studio
上ナビからワークスペース名のタブを開く。「従量課金 ws01」みたいな感じ
サブスクリプションIDやリソースグループ名、ワークスペース名を確認できる
「構成ファイルをダウンロードする」をクリックすると「config.json」のファイル名でダウンロードできる


SDKから構成ファイルを読みこむサンプル
config.jsonがカレントディレクトリにある前提

from azureml.core import Workspace

ws = Workspace.from_config()
print( "ワークスペース名", ws.name)


実行するとブラウザで認証確認される
OKならSDKからワークスペースを使えるようになる
コンピューティングリソースの一覧表示

for compute_target in ws.compute_targets:
    resource = ws.compute_targets[compute_target]
    print( resource.name, ':', resource.type)

5万円で JDLA の E資格 に挑戦 ！ スキルアップAI『現場で使えるディープラーニング基礎講座』 受講記録 その3 JDLA E資格 2022 #2 合格！！

なんとか合格


5万円の講座でも合格できました
スキルアップAIの皆さんありがとう


忘れないうちにメモ


受験前に知っていたこと
2022 #2はシソーラスがかなり変化
ただし、特異値分解が試験に出ないと気付いたのは一週間前... 数十時間が無駄になった


試験中に気づいたこと
新しくシソーラスに追加された箇所がしっかり出ていた

貸与されるサインペンみたいなのがめちゃ使いにくい。キャップを開けると数十秒で乾燥して書けなくなる。ちょっと考えているとすぐに時間切れ。キャップを戻してしばらくすると書けるようになるけど。


試験直後の感想
ビックリするぐらい知らないことが試験に出た
ネット情報だと本番の試験は黒本より優しいとのことだったけど、黒本より難しく感じた。
感覚的に40点ぐらいしか取れてないと思っていた (正答率ならそのぐらいなのかも)


これから受験する方への助言
2022 #2 でシソーラスが大幅に変わったので黒本は第3版が出てから買った方がいいかも

Azure AI 102 AI Engineer 学習環境 の構築 Visual Studio Code と Anaconda を使って

Anaconda で Python 3.8 環境を作る

conda create -n python38 python=3.8 -y
conda activate python38
>conda info -e
# conda environments:
#
base                     C:\Users\hoge\Anaconda3
python37                 C:\Users\hoge\Anaconda3\envs\python37
python38              *  C:\Users\hoge\Anaconda3\envs\python38


システム環境変数 Path に以下を追加

C:\Users\hoge\Anaconda3\envs\python38
C:\Users\hoge\Anaconda3\envs\python38\Scripts
C:\Users\hoge\Anaconda3\envs\python38\Library\bin


ライブラリのインストールなど

pip install flask requests python-dotenv pylint matplotlib pillow
pip install --upgrade numpy

python
Python 3.8.13 (default, Mar 28 2022, 06:59:08) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy


Azure CLI インストール
https://docs.microsoft.com/en-us/cli/azure/install-azure-cli?view=azure-cli-latest


Git インストール
https://git-scm.com/download.html


Visual Studio Code 起動
SHIFT+CTRL+P 「Git: Clone」
https://github.com/MicrosoftLearning/AI-102-AIEngineer