Examens de pratique | Conception MS Azure DP-100 & Implémenter DS Sol

Prix: $19.99

Afin de définir des attentes réalistes, veuillez noter: Ces questions ne sont PAS des questions officielles que vous trouverez sur l'examen officiel. Ces questions couvrent tout le matériel décrit dans les sections de connaissances ci-dessous. De nombreuses questions sont basées sur des scénarios fictifs contenant des questions posées..

Les exigences officielles en matière de connaissances pour l'examen sont régulièrement révisées pour garantir que le contenu répond aux dernières exigences incorporées dans les questions pratiques.. Les mises à jour du contenu sont souvent effectuées sans notification préalable et sont susceptibles d'être modifiées à tout moment..

Chaque question a une explication détaillée et des liens vers des documents de référence pour soutenir les réponses, ce qui garantit l'exactitude des solutions aux problèmes..

Les questions seront mélangées à chaque fois que vous répéterez les tests, vous devrez donc savoir pourquoi une réponse est correcte., pas seulement que la bonne réponse était item “B” la dernière fois que tu as passé le test.

L'Azure Data Scientist applique ses connaissances en science des données et en apprentissage automatique pour implémenter et exécuter des charges de travail d'apprentissage automatique sur Azure; en particulier, en utilisant Azure Machine Learning Service et Azure Databricks. Cela implique de planifier et de créer un environnement de travail adapté aux charges de travail de science des données sur Azure, exécuter des expériences de données et former des modèles prédictifs, gestion et optimisation des modèles, et déployer des modèles d'apprentissage automatique en production. Les candidats à la certification Azure Data Scientist Associate doivent avoir une expertise en la matière en appliquant la science des données et l'apprentissage automatique pour implémenter et exécuter des charges de travail d'apprentissage automatique sur Azure..

Les responsabilités pour ce rôle incluent la planification et la création d'un environnement de travail adapté aux charges de travail de science des données sur Azure. Vous exécutez des expériences de données et formez des modèles prédictifs. en outre, vous gérez, optimiser, et déployer des modèles d'apprentissage automatique en production.

Un candidat à cette certification doit avoir des connaissances et une expérience en science des données et en utilisation Azure Machine Learning et Azure Databricks..

Compétences mesurées lors de l'examen Microsoft Azure DP-100

Configurer un espace de travail Azure Machine Learning (30-35%)

Créer un espace de travail Azure Machine Learning

créer un espace de travail Azure Machine Learning
configurer les paramètres de l'espace de travail
gérer un espace de travail à l'aide d'Azure Machine Learning studio

Gérer les objets de données dans un espace de travail Azure Machine Learning

enregistrer et maintenir des banques de données
créer et gérer des ensembles de données

Gérer les contextes de calcul des expériences

créer une instance de calcul
déterminer les spécifications de calcul appropriées pour une charge de travail de formation
créer des cibles de calcul pour les expériences et la formation

Exécuter des expériences et entraîner des modèles (25-30%)

Créer des modèles à l'aide d'Azure Machine Learning Designer

créer un pipeline de formation à l'aide du concepteur Azure Machine Learning
ingérer des données dans un pipeline de concepteur
utiliser des modules de conception pour définir un flux de données de pipeline
utiliser des modules de code personnalisés dans le concepteur

Exécuter des scripts de formation dans un espace de travail Azure Machine Learning

créer et exécuter une expérience à l'aide du SDK Azure Machine Learning
configurer les paramètres d'exécution d'un script
consommer les données d'un ensemble de données dans une expérience à l'aide du SDK Azure Machine Learning

Générer des métriques à partir d'une exécution de test

enregistrer les métriques d'une exécution d'expérience
récupérer et afficher les résultats de l'expérience
utiliser les journaux pour résoudre les erreurs d'exécution du test

Automatisez le processus de formation des modèles

créer un pipeline à l'aide du SDK
transmettre des données entre les étapes d'un pipeline
exécuter un pipeline
surveiller les exécutions de pipelines

Optimiser et gérer les modèles (20-25%)

Utilisez le ML automatisé pour créer des modèles optimaux

utiliser l'interface Automated ML dans Azure Machine Learning studio
utiliser le ML automatisé à partir du SDK Azure Machine Learning
sélectionner les options de prétraitement
déterminer les algorithmes à rechercher
définir une métrique principale
obtenir des données pour une exécution de ML automatisée
récupérer le meilleur modèle

Utilisez Hyperdrive pour régler les hyperparamètres

sélectionner une méthode d'échantillonnage
définir l'espace de recherche
définir la métrique principale
définir des options de résiliation anticipée
trouver le modèle qui a des valeurs d'hyperparamètres optimales

Utiliser des explicateurs de modèles pour interpréter les modèles

sélectionner un modèle d'interprète
générer des données sur l'importance des fonctionnalités

Gérer les modèles

enregistrer un modèle formé
surveiller l'utilisation du modèle
surveiller la dérive des données

Déployer et consommer des modèles (20-25%)

Créer des cibles de calcul de production

envisager la sécurité des services déployés
évaluer les options de calcul pour le déploiement

Déployer un modèle en tant que service

configurer les paramètres de déploiement
consommer un service déployé
résoudre les problèmes de conteneur de déploiement

Créer un pipeline pour l'inférence par lots

publier un pipeline d'inférence par lots
exécuter un pipeline d'inférence par lots et obtenir des résultats

Publier un pipeline de concepteur en tant que service Web

créer une ressource de calcul cible
configurer un pipeline d'inférence
consommer un point de terminaison déployé

L'examen est disponible dans les langues suivantes: Anglais, Japonais, chinois (Simplifié), coréen