Телефон +7 (812) 718-6184
СПб, Московский пр. 118

Экзамен Microsoft DP-100: Designing and Implementing a Data Science Solution on Azure

Язык проведения экзамена: EN

Продолжительность: 210 мин.*

Курсы для подготовки к экзамену

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
  • Управление моделями
  • 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: Курс 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.


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.

* - Указанная продолжительность может незначительно отличаться от времени, которое сообщается системой тестирования перед началом экзамена, в связи с регулярно вносимыми изменениями в сложность и количество вопросов

Зарегистрироваться

Наше местоположение

загрузка карты...