Designing and Implementing a Data Science Solution on Azure
Варианты оплаты и стоимость экзамена
- Оплата по нашему счету. Стоимость экзамена Microsoft DP-100 по выставленному нами счету уточняйте у менеджера. По окончании тестирования выдаются закрывающие документы (акт и договор), а также результат экзамена в распечатанном виде.
-
Прямая оплата банковской картой. Вы можете самостоятельно зарегистрироваться на экзамен DP-100 по стоимости вендора, оплатив его своей банковской картой. В этом случае наш центр тестирования не требует от вас дополнительной оплаты каких либо услуг, после сдачи экзамена выдается только распечатка результата.
Правила отмены и переноса экзаменов Microsoft
Изменения от 01.05.2017
Exam Replay
Предлагаем воспользоваться предложением Exam Replay. Приобретите Exam Replay вместе с экзаменационным ваучером Microsoft и получите еще одну попытку! Стоимость пакета (экзамен + ваучер) уточняйте у менеджера.
Чтобы воспользоваться предложением добавьте в корзину экзамен и Exam Replay voucher.
Описание экзамена
Аудитория:
Кандидат на экзамен DP-100 Designing and Implementing a Data Science Solution on Azure является специалистом по данным (data scientist), обладающим навыками использоввания Azure Machine Learning Service, а также знаниями для создания, обучения и развертывания решений машинного обучения в облаке Azure.
Tехнология:
MS Azure
Зачет в сертификацию: при успешной сдаче экзамена DP-100 Designing and Implementing a Data Science Solution on Azure, Вы получаете сертификацию:
Microsoft Certified: Azure Data Scientist Associate
Этот экзамен проводит оценку ваших способностей для выполнения технических задач, перечисленных ниже.
- Настройка рабочей области Azure Machine Learning Workspace (30–35%)
- Создание рабочей области Azure Machine Learning Workspace
Создание рабочей области Azure Machine Learning Workspace, настройка параметров рабочего пространства, управление рабочим пространством с помощью Azure Machine Learning Studio
- Управление объектами данных в рабочей области Azure Machine Learning Workspace
Регистрация и поддержка хранилища данных, создание и управление наборами данных
- Настройка вычислительного контекста эксперимента
Создание экземпляра вычисления, определение соответствующих вычислительных спецификаций нагрузки при обучении, создание целевых показателей вычислений для экспериментов и обучения
- Запуск экспериментов и обучение моделей (30–35%)
- Создание моделей с помощью Azure Machine Learning Designer
Создание конвейера обучения с помощью Designer, внедрение данных в конвейер, использование модулей Designer для определения потока данных конвейера, использование пользовательских модулей кода
- Запуск сценариев в рабочей области Azure Machine Learning
Создание и запуск эксперимента с помощью Azure Machine Learning, использование данных из хранилища данных в эксперименте с помощью Azure Machine Learning SDK, использование данные из набора данных в эксперименте с помощью Azure Machine Learning SDK, выбор методики оценки.
- Генерация метрик эксперимента
Журналирование метрик эксперимента, получение и просмотр результатов эксперимента, использование журналов для устранения ошибок эксперимента
- Автоматизация процесса обучения модели
Создание конвейера с помощью SDK, передача данных между этапами в конвейере, запуск конвейера, мониторинг работы конвейера
- Оптимизация и управление моделями (20-25%)
- Использование Automated ML для создания оптимальных моделей
Использование интерфейса Automated ML в Studio, использование интерфейса Automated ML из Azure ML SDK, выбор функции масштабирования и опций предварительной обработки, определение алгоритмов, определение первичной метрики, получение данных для Automated ML, получение лучшей модели.
- Использование Hyperdrive для настройки гиперпараметров
Выбор метода сэмплирования, определение пространства поиска, определение основного показателя, определение вариантов досрочного прекращения, поиск модели с оптимальными значениями гиперпараметра
- Использование интерпретаторов моделей
Выбор интерпретатора модели, генерация данных о важности признаков
Регистрация обученной модели, отслеживание истории моделей, контроль дрейфа данных
- Развертывание и использование модели (20-25%)
- Создание целевых показателей вычислений
Безопасность развернутых служб, оценка параметров вычислений для развертывания
- Развертывание модели как службы
Настройка параметров развертывания, использование готовой службы, устранение проблем с контейнерами развертывания
- Создание конвейера для пакетного вывода
Публикация конвейера вывода, запуск конвейера вывода и получение выходных данных
- Публикация конвейера Designer как веб-службы
Создание целевого вычислительного ресурса, настройка конвейера вывода, использование конечных точек (endpoint).
Для подготовки к этому экзамену, Microsoft Learning рекомендует иметь практический опыт работы с технологией, использовать учебные ресурсы. Учебные ресурсы не обязательно охватывают все области в теме экзамена.
- Обучение в классах: DP-100 Designing and Implementing a Data Science Solution on Azure (3 дня)
- Интернет-ресурсы Microsoft:
- Microsoft Learning Community: чтение новостей и посещение форумов для общения с другими людьми и обмена опытом;
- TechNet: Разработан для ИТ-специалистов, этот сайт содержит инструкции, как решать конкретные, практические задачи, материалы для скачивания, технические ресурсы, группы новостей и чаты.
- Microsoft Learn: интерактивный портал для обучения.