Examen DP-100: Diseño e implementación de una solución de ciencia de datos en Azure
Examen de certificación de Microsoft supervisado, centrado en el diseño, implementación, implementación y monitorización de aprendizaje automático en Azure.
- Tipo
- Escrito
- Duración
- 100 min
Secciones del examen
Diseñar y preparar una solución de aprendizaje automático
Cubre la configuración de un espacio de trabajo de Azure Machine Learning, incluidas las especificaciones informáticas, los almacenes de datos, los activos de datos y la gestión del entorno. También implica el control de versiones con Git y el intercambio de activos a través de registros en múltiples espacios de trabajo.
Consejos de preparación
Concéntrese en la creación del espacio de trabajo, la gestión informática y la configuración del almacén de datos utilizando el SDK y el portal de Azure ML.
Explora datos y ejecuta experimentos
Se centra en ML automatizado para datos tabulares, de visión y de PNL. Las tareas clave incluyen la búsqueda de datos basada en portátiles, la integración de Synapse Spark, el seguimiento de MLflow y la automatización del ajuste de hiperparámetros a través de configuraciones específicas de muestreo y espacio de búsqueda.
Consejos de preparación
Domina la configuración automatizada de ML y aprende a usar MLflow para rastrear métricas y parámetros de experimentos en cuadernos Jupyter.
Entrenar y desplegar modelos
Enfatiza los scripts de entrenamiento, los componentes de canalización personalizados y la gestión de modelos. Esto incluye la creación y supervisión de canalizaciones de formación, la definición de firmas de modelos ML y la implementación de modelos en puntos finales en línea o por lotes para una inferencia escalable.
Consejos de preparación
Comprender cómo definir los componentes de la canalización e implementar modelos en los puntos finales en línea administrados. Revise los principios de IA responsable para la evaluación del modelo.
Optimizar modelos de lenguaje para aplicaciones de IA
Aborda la optimización del modelo de lenguaje grande (LLM), incluida la ingeniería de prompts y la generación aumentada de recuperación (RAG). Las tareas implican el uso de Prompt Flow SDK, la configuración de almacenes vectoriales en Azure AI Search y el ajuste fino de los modelos base con conjuntos de datos personalizados.
Consejos de preparación
Experimente con el SDK de Prompt Flow y comprenda los procesos de fragmentación e incrustación necesarios para crear soluciones RAG en Azure.