次の方法で共有

試験 DP-100: Azure でのデータ サイエンス ソリューションの設計と実装の学習ガイド

このドキュメントの目的

この学習ガイドは、この試験で想定される内容を理解するのに役立つもので、試験に出る可能性のあるトピックの概要と、その他のリソースへのリンクが掲載されています。 このドキュメントの情報と資料は、試験の準備を進めるときに学習の焦点を合わせるのに役立ちます。

便利なリンク 説明
認定資格の取得方法 1 つの試験に合格するだけで取得できる認定資格もありますが、それ以外は、複数の試験に合格する必要があります。
認定資格の更新 Microsoft のアソシエイト、エキスパート、専門の認定資格は、毎年有効期限が切れます。 Microsoft Learn で無料のオンライン評価に合格すると、更新できます。
Microsoft Learn プロファイル 認定プロファイルを Microsoft Learn に接続すると、試験のスケジュール設定と更新、および証明書の共有と印刷を行うことができます。
試験スコアとスコアレポート 合格するには、700 以上のスコアが必要です。
試験サンドボックス 試験サンドボックスにアクセスして、試験の環境を確認できます。
便宜を要求する 支援機器を使用する場合、時間延長が必要な場合、または試験エクスペリエンスのいずれかの部分を変更する必要がある場合は、便宜を図るよう要求できます。
無料の練習用評価を受ける 試験対策用の練習問題で実力を試すことができます。

試験の更新

常に、英語版の試験が最初に更新されます。 一部の試験は他の言語にローカライズされており、英語版が更新されてから約 8 週間後に更新されます。 Microsoft では、前述のようにローカライズ版を更新するためにあらゆる努力を行いますが、場合によっては、予定どおりに試験のローカライズ版が更新されないことがあります。 その他の利用可能な言語は、試験の詳細 Web ページの「試験のスケジュール設定」セクションに表示されます。 試験が希望する言語で実施されていない場合、試験完了までの時間を 30 分延長するように要求できます。

注

評価される各スキルの後に続く箇条書きは、そのスキルをどのようにして評価するかを説明することを目的としています。 関連するトピックが試験に出題される可能性があります。

注

ほとんどの問題は一般提供 (GA) の機能について出題されます。 プレビュー機能が一般的に使用されている場合は、これらの機能に関する問題が試験に含まれることがあります。

2025年4月11日時点で測定されたスキル

視聴者プロフィール

この試験の受験者は、データ サイエンスと機械学習を応用して Azure で機械学習ワークロードを実装して実行するための、対象分野の専門知識を持っている必要があります。 さらに、Azure AI を使用して AI アプリケーションの言語モデルを最適化する知識が必要です。

このロールの責任には、以下が含まれます。

  • データ サイエンス ワークロードに適した作業環境の設計と作成。

  • データの探索。

  • 機械学習モデルのトレーニング。

  • パイプラインの実装。

  • 運用環境を準備するためのジョブの実行。

  • スケーラブルな機械学習ソリューションの管理、デプロイ、監視。

  • AI アプリケーションを構築するための言語モデルの使用。

この試験の受験者には、以下を使用したデータ サイエンスの知識と経験が必要です。

  • Azure Machine Learning

  • MLflow

  • Azure AI Search を含む Azure AI サービス

  • Azure AI Foundry

スキルの概要

  • 機械学習ソリューションの設計と準備 (20 - 25%)

  • データを探索し、テストを実行する (20〜25%)

  • モデルをトレーニングしデプロイする (25〜30%)

  • AI アプリケーションの言語モデルを最適化する (25〜30%)

機械学習ソリューションの設計と準備 (20 - 25%)

機械学習ソリューションを設計する

  • データセットの構造と形式を識別する

  • 機械学習のワークロードに適したコンピューティング仕様を決定する

  • モデルのトレーニングに使用する開発アプローチを選択する

Azure Machine Learning ワークスペースでリソースを作成および管理する

  • ワークスペースの作成と管理

  • データストアを作成して管理する

  • コンピューティング ターゲットを作成して管理する

  • ソース管理用に Git 統合を設定する

Azure Machine Learning ワークスペースでアセットを作成および管理する

  • データ資産の作成と管理

  • 環境を作成および管理する

  • レジストリを使用してワークスペース間でアセットを共有する

データを探索し、テストを実行する (20〜25%)

自動機械学習を使用して最適なモデルを探す

  • 表形式データに自動機械学習を使用する

  • Computer Vision に自動機械学習を使用する

  • 自然言語処理に自動機械学習を使用する

  • 前処理やアルゴリズムを含む、トレーニング オプションの選択と理解

  • 責任ある AI のガイドラインを含む、自動機械学習の実行を評価する

カスタム モデル トレーニングにノートブックを使用する

  • ターミナルを使用してコンピューティング インスタンスを構成する

  • ノートブック内のデータにアクセスしラングリングを実行する

  • Synapse Spark プールとサーバーレス Spark コンピューティングがアタッチされたデータを対話的にラングルする

  • Feature Store から機能を取得してモデルをトレーニングする

  • MLflow を使用してモデル トレーニングを追跡する

  • 責任ある AI のガイドラインを含むモデルを評価する

ハイパーパラメーターのチューニングを自動化する

  • サンプリング方法を選択する

  • 検索空間を定義する

  • プライマリ メトリックを定義する

  • 早期終了オプションを定義する

モデルをトレーニングしデプロイする (25〜30%)

モデル トレーニング スクリプトを実行する

  • ジョブ内のデータを実行する

  • ジョブ実行のコンピューティングを構成する

  • ジョブ実行の環境を構成する

  • ジョブ実行で MLflow を使用してモデル トレーニングを追跡する

  • ジョブのパラメーターを定義する

  • スクリプトをジョブとして実行する

  • ログを使用してジョブ実行エラーのトラブルシューティングを行う

トレーニング パイプラインを実装する

  • カスタム コンポーネントを作成する

  • パイプラインを作成する

  • パイプライン内のステップ間でデータを渡す

  • パイプラインの実行とスケジュール設定

  • パイプライン実行の監視とトラブルシューティングを行う

モデルを管理する

  • MLmodel ファイルで署名を定義する

  • 特徴量取得仕様をモデル成果物と共にパッケージ化する

  • MLflow モデルの登録

  • 責任ある AI の原則を使用してモデルを評価する

モデルをデプロイする

  • オンライン デプロイの設定を構成する

  • モデルをオンライン エンドポイントにデプロイする

  • オンラインでデプロイされたサービスをテストする

  • バッチ デプロイ用にコンピューティングを構成する

  • バッチ エンドポイントにモデルをデプロイする

  • バッチ エンドポイントを呼び出してバッチ スコアリング ジョブを開始する

AI アプリケーションの言語モデルを最適化する (25〜30%)

モデル最適化を準備する

  • モデル カタログから言語モデルを選択しデプロイする

  • ベンチマークを使用して言語モデルを比較する

  • プレイグラウンドでデプロイされた言語モデルをテストする

  • 最適化アプローチを選択する

迅速なエンジニアリングとプロンプト フローによる最適化

  • 手動評価を使用してプロンプトをテストする

  • プロンプトバリアントを定義し追跡する

  • プロンプト テンプレートを作成する

  • プロンプト フロー SDK を使用してチェーン ロジックを定義する

  • トレースを使用してフローを評価する

取得拡張生成 (RAG) によって最適化する

  • クリーニング、チャンク、埋め込みを含む RAG 用のデータを準備する

  • ベクトル ストアを構成する

  • Azure AI Search ベースのインデックス ストアを構成する

  • RAG ソリューションを評価する

微調整によって最適化する

  • 微調整用にデータを準備する

  • 適切な基本モデルを選択する

  • 微調整ジョブを実行する

  • 微調整モデルを評価する

学習リソース

試験を受ける前に、トレーニングを行い、実践的な経験を積むことをお勧めします。 自己学習のオプションとクラスルーム トレーニングのほか、ドキュメント、コミュニティ サイト、ビデオへのリンクも提供しています。

学習リソース ラーニングおよびドキュメントへのリンク
トレーニングを受けよう マイペースで進められるラーニング パスとモジュールを選択するか、講師による指導付きコースを受講する
ドキュメントの検索 Azure Databricks
Azure Machine Learning
Azure Synapse Analytics
MLflow と Azure Machine Learning
質問をする Microsoft Q&A |Microsoft Docs
コミュニティ サポートを受ける AI - Machine Learning - Microsoft Tech Community
AI - Machine Learning ブログ - Microsoft Tech Community
Microsoft Learn をフォローする Microsoft Learn - Microsoft Tech Community
ビデオを見つける Microsoft Learn ショー

ログの変更

次の表は、評価されるスキルの現在のバージョンと以前のバージョン間の変更をまとめたものです。 機能グループは太字の書体で示され、各グループの目標がその後に続きます。 表は、この試験で評価されるスキルの以前と現在のバージョンを比較したもので、3 番目の列は変更の程度を示しています。

2025 年 1 月 16 日より前のスキル領域 2025年1月16日時点のスキル領域 Change
視聴者プロフィール Minor
AI アプリケーションの言語モデルを最適化する AI アプリケーションの言語モデルを最適化する 変更なし
プロンプト エンジニアリングとプロンプト フローによって最適化する 迅速なエンジニアリングとプロンプト フローによる最適化 Minor
  • Last updated on