CSV ファイルのセットには、販売記録が含まれています。すべての CSV ファイルのデータ スキーマは同じです。
各 CSV ファイルには、特定の月の販売記録が含まれており、ファイル名は sales.csv です。各ファイルは、データが記録された年月を示すフォルダーに保存されます。フォルダーは、Azure Machine Learning ワークスペースでデータストアが定義されている Azure BLOB コンテナー内にあります。フォルダーは、sales という名前の親フォルダーに編成され、次の階層構造を作成します。

毎月末に、その月の売上ファイルを含む新しいフォルダーが売上フォルダーに追加されます。
次の要件に基づいて、販売データを使用して機械学習モデルをトレーニングする予定です。
* これまでのすべての販売データを、データフレームに簡単に変換できる構造にロードするデータセットを定義する必要があります。
* 特定の前月より前に作成されたデータのみを使用して、その月以降に追加されたデータを無視する実験を作成できる必要があります。
※データセットは最低限登録する必要があります。
売上データを Azure Machine Learning サービス ワークスペースにデータセットとして登録する必要があります。
あなたは何をするべきか?
正解:B
説明
パスを指定します。
例:
次のコードは、ワークスペースの既存のワークスペースと目的のデータストアを名前で取得します。次に、データストアとファイルの場所をパス パラメーターに渡して、新しい TabularDataset である weather_ds を作成します。
azureml.core からインポート ワークスペース、データストア、データセット
datastore_name = 'データストア名'
# 既存のワークスペースを取得
ワークスペース = Workspace.from_config()
# ワークスペース内の既存のデータストアを名前で取得
datastore = Datastore.get(ワークスペース, datastore_name)
# データストアの 3 つのファイル パスから TabularDataset を作成します
datastore_paths = [(データストア, 'weather/2018/11.csv'),
(データストア、「天気/2018/12.csv」)、
(データストア、「天気/2019/*.csv」)]
weather_ds = Dataset.Tabular.from_delimited_files(path=datastore_paths)