Regístrate ahora

Iniciar sesión

Contraseña perdida

Perdiste tu contraseña? Por favor, introduzca su dirección de correo electrónico. Recibirá un enlace y se creará una nueva contraseña por correo electrónico.

Añadir mensaje

Debe iniciar sesión para añadir notas .

Añadir pregunta

Debe iniciar sesión para hacer una pregunta.

Iniciar sesión

Regístrate ahora

Bienvenido a Scholarsark.com! Su registro le conceda el acceso a la utilización de más características de esta plataforma. Puede hacer preguntas, hacer contribuciones o proporcionar respuestas, ver los perfiles de otros usuarios y mucho más. Regístrate ahora!

Exámenes de práctica | MS Azure DP-100 Diseño & Implementar DS Sol

Exámenes de práctica | MS Azure DP-100 Diseño & Implementar DS Sol

Precio: $19.99

Para establecer expectativas realistas, tenga en cuenta: Estas preguntas NO son preguntas oficiales que encontrarás en el examen oficial. Estas preguntas SÍ cubren todo el material descrito en las secciones de conocimiento a continuación.. Muchas de las preguntas se basan en escenarios ficticios que tienen preguntas planteadas dentro de ellos..

Los requisitos de conocimientos oficiales para el examen se revisan periódicamente para garantizar que el contenido tenga los últimos requisitos incorporados en las preguntas de práctica.. Las actualizaciones de contenido a menudo se realizan sin notificación previa y están sujetas a cambios en cualquier momento..

Cada pregunta tiene una explicación detallada y enlaces a materiales de referencia para respaldar las respuestas, lo que garantiza la precisión de las soluciones del problema..

Las preguntas se barajarán cada vez que repita las pruebas, por lo que deberá saber por qué una respuesta es correcta., no solo que la respuesta correcta fue el ítem “segundo” la última vez que pasaste por la prueba.

El científico de datos de Azure aplica su conocimiento de la ciencia de datos y el aprendizaje automático para implementar y ejecutar cargas de trabajo de aprendizaje automático en Azure.; En particular, usando Azure Machine Learning Service y Azure Databricks. Esto implica planificar y crear un entorno de trabajo adecuado para las cargas de trabajo de ciencia de datos en Azure., ejecutar experimentos de datos y entrenar modelos predictivos, gestionar y optimizar modelos, e implementar modelos de aprendizaje automático en producción. Los candidatos para la certificación Azure Data Scientist Associate deben tener experiencia en la materia aplicando ciencia de datos y aprendizaje automático para implementar y ejecutar cargas de trabajo de aprendizaje automático en Azure.

Las responsabilidades de este rol incluyen la planificación y la creación de un entorno de trabajo adecuado para las cargas de trabajo de ciencia de datos en Azure.. Ejecutas experimentos de datos y entrenas modelos predictivos. Adicionalmente, te las arreglas, optimizar, e implementar modelos de aprendizaje automático en producción.

Un candidato para esta certificación debe tener conocimiento y experiencia en ciencia de datos y en el uso de Azure Machine Learning y Azure Databricks..

Habilidades medidas en el examen Microsoft Azure DP-100

Configurar un espacio de trabajo de Azure Machine Learning (30-35%)

Crear un espacio de trabajo de Azure Machine Learning

  • crear un espacio de trabajo de Azure Machine Learning

  • configurar los ajustes del espacio de trabajo

  • administrar un espacio de trabajo mediante Azure Machine Learning Studio

Administrar objetos de datos en un área de trabajo de Azure Machine Learning

  • registrar y mantener almacenes de datos

  • crear y administrar conjuntos de datos

Administrar contextos informáticos de experimentos

  • crear una instancia informática

  • determinar las especificaciones informáticas adecuadas para una carga de trabajo de entrenamiento

  • crear objetivos de cómputo para experimentos y entrenamiento

Ejecutar experimentos y entrenar modelos (25-30%)

Cree modelos con Azure Machine Learning Designer

  • crear una canalización de entrenamiento mediante el diseñador de Azure Machine Learning

  • ingerir datos en una canalización de diseñador

  • use módulos de diseñador para definir un flujo de datos de canalización

  • usar módulos de código personalizados en el diseñador

Ejecute scripts de entrenamiento en un área de trabajo de Azure Machine Learning

  • crear y ejecutar un experimento mediante el SDK de Azure Machine Learning

  • configurar los ajustes de ejecución para un script

  • consumir datos de un conjunto de datos en un experimento mediante el SDK de Azure Machine Learning

Generar métricas a partir de una ejecución de experimento

  • registrar métricas de una ejecución de experimento

  • recuperar y ver los resultados del experimento

  • usar registros para solucionar errores de ejecución de experimentos

Automatice el proceso de entrenamiento del modelo

  • crear una canalización mediante el SDK

  • pasar datos entre pasos en una canalización

  • ejecutar una canalización

  • supervisar ejecuciones de canalización

Optimizar y administrar modelos (20-25%)

Use ML automatizado para crear modelos óptimos

  • use la interfaz de ML automatizado en Azure Machine Learning Studio

  • use ML automatizado del SDK de Azure Machine Learning

  • seleccionar opciones de preprocesamiento

  • determinar los algoritmos a buscar

  • definir una métrica principal

  • obtener datos para una ejecución de ML automatizado

  • recuperar el mejor modelo

Use Hyperdrive para ajustar los hiperparámetros

  • seleccione un método de muestreo

  • definir el espacio de búsqueda

  • definir la métrica principal

  • definir opciones de terminación anticipada

  • encontrar el modelo que tiene valores de hiperparámetro óptimos

Usar explicadores de modelos para interpretar modelos.

  • seleccione un modelo de intérprete

  • generar datos de importancia de características

Administrar modelos

  • registrar un modelo entrenado

  • supervisar el uso del modelo

  • supervisar la deriva de datos

Implementar y consumir modelos (20-25%)

Crear objetivos de proceso de producción

  • considere la seguridad para los servicios desplegados

  • evaluar las opciones informáticas para la implementación

Implementar un modelo como servicio

  • configurar los ajustes de implementación

  • consumir un servicio implementado

  • solucionar problemas de contenedores de implementación

Crear una canalización para la inferencia por lotes

  • publicar una canalización de inferencia por lotes

  • ejecutar una canalización de inferencia por lotes y obtener resultados

Publicar una canalización de diseñador como un servicio web

  • crear un recurso informático de destino

  • configurar una canalización de inferencia

  • consumir un punto final implementado

El examen está disponible en los siguientes idiomas: Inglés, japonés, chino (Simplificado), coreano

Acerca de arkadmin

Deja una respuesta