Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Bu belgenin amacı
Bu çalışma kılavuzu, sınavda ne bekleyebileceğinizi anlamanıza yardımcı olmalı ve sınavın kapsayabileceği konuların özetini ve ek kaynaklara bağlantılar içermelidir. Bu belgedeki bilgiler ve malzemeler, sınava hazırlanırken çalışmalarınızı odaklamanıza yardımcı olmalıdır.
Yararlı bağlantılar | Açıklama |
---|---|
Sertifikayı nasıl kazanırsınız | Bazı sertifikalar yalnızca bir sınavı geçmeyi gerektirirken, diğerleri birden çok sınavı geçmeyi gerektirir. |
Sertifikasyon yenileme | Microsoft iş ortağı, uzman ve uzmanlık sertifikalarının süresi yıllık olarak dolar. You can renew by passing a free online assessment on Microsoft Learn. |
Microsoft Learn profiliniz | Sertifika profilinizi Microsoft Learn'e bağlamak, sınavları zamanlamanıza ve yenilemenize, sertifikaları paylaşmanıza ve yazdırmanıza olanak tanır. |
Sınav puanlama ve puanlama raporları | Geçmek için 700 veya daha büyük bir puan gerekir. |
Exam sandbox | Sınav sandbox'umuzu ziyaret ederek sınav ortamını keşfedebilirsiniz. |
konaklama isteği | Yardımcı cihazlar kullanıyorsanız, ek süre gerekiyorsa veya sınav deneyiminin herhangi bir bölümünde değişiklik yapmanız gerekiyorsa, konaklama talebinde bulunabilirsiniz. |
Ücretsiz Olarak Bir Deneme Değerlendirmesi Alın | Sınava hazırlanmanıza yardımcı olmak için alıştırma soruları ile becerilerinizi test edin. |
Sınav güncelleştirmeleri
Öncelikle sınavın İngilizce sürümünü her zaman güncelleştiriyoruz. Bazı sınavlar diğer dillerde yerelleştirilir ve İngilizce sürümü güncelleştirildikten yaklaşık sekiz hafta sonra güncelleştirilir. Microsoft, belirtildiği gibi yerelleştirilmiş sürümleri güncelleştirmek için her zaman çaba gösterse de, bir sınavın yerelleştirilmiş sürümlerinin bu zamanlamada güncelleştirilmediği zamanlar olabilir. Diğer kullanılabilir diller, Sınav Ayrıntıları web sayfasının Zamanlama Sınavı bölümünde listelenir. Sınav tercih ettiğiniz dilde yoksa, sınavı tamamlamak için 30 dakika daha talep edebilirsiniz.
Note
The bullets that follow each of the skills measured are intended to illustrate how we are assessing that skill. sınavda ilgili konular ele alınabilir.
Note
Soruların çoğu genel kullanılabilirlik (GA) özelliklerini kapsar. Bu özellikler yaygın olarak kullanılıyorsa sınavda Önizleme özellikleriyle ilgili sorular bulunabilir.
Skills measured as of April 11, 2025
hedef kitle profili
Bu sınava aday olarak, Azure'da makine öğrenmesi iş yüklerini uygulamak ve çalıştırmak için veri bilimi ve makine öğrenmesi uygulama konusunda konu uzmanlığına sahip olmanız gerekir. Ayrıca, Azure AI kullanarak yapay zeka uygulamaları için dil modellerini iyileştirme hakkında bilgi sahibi olmanız gerekir.
Bu rolle ilgili sorumluluklarınız şunlardır:
Veri bilimi iş yükleri için uygun bir çalışma ortamı tasarlama ve oluşturma.
Verileri keşfetme.
Makine öğrenmesi modellerini eğitin.
Implementing pipelines.
Üretime hazırlanmak için işlemleri yürütme.
Ölçeklenebilir makine öğrenmesi çözümlerini yönetme, dağıtma ve izleme.
Yapay zeka uygulamaları oluşturmak için dil modellerini kullanma.
Bu sınava aday olarak, aşağıdakileri kullanarak veri biliminde bilgi ve deneyim sahibi olmanız gerekir:
Azure Machine Learning
MLflow
Azure AI services, including Azure AI Search
Azure AI Foundry
Bir bakışta beceriler
Makine öğrenmesi çözümü tasarlama ve hazırlama (20-25%)
Verileri keşfetme ve deneme çalıştırma (20-25%)
Modelleri eğitin ve dağıtın (25-30%)
Yapay zeka uygulamaları için dil modellerini iyileştirme (25-30%)
Makine öğrenmesi çözümü tasarlama ve hazırlama (20-25%)
Makine öğrenmesi çözümü tasarlama
Veri kümelerinin yapısını ve biçimini belirleme
Makine öğrenmesi iş yükü için işlem belirtimlerini belirleme
Modeli eğitmek için geliştirme yaklaşımını seçin
Azure Machine Learning çalışma alanında kaynak oluşturma ve yönetme
Çalışma alanı oluşturma ve yönetme
Veri depoları oluşturma ve yönetme
İşlem hedefleri oluşturma ve yönetme
Kaynak denetimi için Git tümleştirmesini ayarlama
Azure Machine Learning çalışma alanında varlık oluşturma ve yönetme
Veri varlıklarını oluşturma ve yönetme
Ortam oluşturma ve yönetme
Kayıt defterlerini kullanarak çalışma alanları arasında varlıkları paylaşma
Verileri keşfetme ve deneme çalıştırma (20-25%)
En uygun modelleri keşfetmek için otomatik makine öğrenmesini kullanma
Tablo verileri için otomatik makine öğrenmesini kullanma
Görüntü işleme için otomatik makine öğrenmesini kullanma
Doğal dil işleme için otomatik makine öğrenmesini kullanma
Ön işleme ve algoritmalar dahil olmak üzere eğitim seçeneklerini belirleme ve anlama
Evaluate an automated machine learning run, including responsible AI guidelines
Özel model eğitimi için not defterlerini kullanma
İşlem örneğini yapılandırmak için terminali kullanma
Not defterlerindeki verilere erişme ve verileri düzenleme
Ekli Synapse Spark havuzları ve sunucusuz Spark işlem ile verileri etkileşimli olarak düzenleme
Bir modeli eğitmek için özellik deposundan özellik alma
MLflow kullanarak model eğitimini izleme
Bir modeli, sorumlu yapay zeka yönergeleriyle birlikte değerlendirin.
Hiper parametre ayarlamayı otomatikleştirme
Örnekleme yöntemi seçme
Arama alanını tanımlama
Birincil ölçümü tanımlama
Erken sonlandırma seçeneklerini tanımlama
Modelleri eğitin ve dağıtın (25-30%)
Model eğitim betiklerini çalıştırın
Consume data in a job
Configure compute for a job run
Configure an environment for a job run
Track model training with MLflow in a job run
İş için parametreleri tanımlama
Run a script as a job
İş çalıştırma hatalarını gidermek için günlükleri kullanma
Eğitim işlem hatlarını uygulama
Özel bileşenler oluşturma
Create a pipeline
İşlem hattındaki adımlar arasında veri geçirme
Run and schedule a pipeline
Monitor and troubleshoot pipeline runs
Modelleri yönetme
MLmodel dosyasında imzayı tanımlama
Package a feature retrieval specification with the model artifact
MLflow modelini kaydetme
Sorumlu yapay zeka ilkelerini kullanarak modeli değerlendirme
Deploy a model
Çevrimiçi dağıtım için ayarları yapılandırma
Modeli çevrimiçi uç noktaya dağıtma
Çevrimiçi dağıtılan bir hizmeti test edin
Configure compute for a batch deployment
Deploy a model to a batch endpoint
Invoke the batch endpoint to start a batch scoring job
Yapay zeka uygulamaları için dil modellerini iyileştirme (25-30%)
Model optimizasyonuna hazırlanma
Model kataloğundan bir dil modeli seçme ve dağıtma
Karşılaştırmaları kullanarak dil modellerini karşılaştırma
Oyun alanında konuşlandırılan dil modelini test etme
İyileştirme yaklaşımı seçme
Optimize through prompt engineering and prompt flow
Test prompts with manual evaluation
Define and track prompt variants
Create prompt templates
Define chaining logic with the prompt flow SDK
Akışınızı değerlendirmek için izlemeyi kullanma
Optimize through Retrieval Augmented Generation (RAG)
Prepare data for RAG, including cleaning, chunking, and embedding
Vektör deposu yapılandırma
Azure AI Arama tabanlı dizin deposu yapılandırma
RAG çözümünüzü değerlendirme
İnce ayar yaparak optimize etme
Hassas ayarlama için verileri hazırlama
Uygun bir temel model seçin
İnce ayar işini başlat
İnce ayarlı modelinizi değerlendirin
Çalışma kaynakları
Sınava girmeden önce eğitim almanızı ve uygulamalı deneyim edinmenizi öneririz. Kendi kendine çalışma seçenekleri ve sınıf eğitiminin yanı sıra belgelere, topluluk sitelerine ve videolara bağlantılar sunuyoruz.
Çalışma kaynakları | Öğrenme ve belgelere bağlantılar |
---|---|
Eğitim alın | Kendi hızındaki öğrenme yolları ve modüller arasından seçim yapın veya eğitmen liderliğinde bir kursa katılın |
Belgeleri bulma |
Azure Databricks Azure Machine Learning Azure Synapse Analytics MLflow ve Azure Machine Learning |
Soru sorun | Microsoft Q&A | Microsoft Docs |
Topluluk desteği alma |
AI - Machine Learning - Microsoft Teknoloji Topluluğu AI - Makine Öğrenmesi Blogu - Microsoft Teknoloji Topluluğu |
Microsoft Learn'i takip edin | Microsoft Learn - Microsoft Tech Community |
Video bulma | Microsoft Learn Shows |
Değişiklik günlüğü
Aşağıdaki tabloda, ölçülen becerilerin geçerli ve önceki sürümü arasındaki değişiklikler özetlenmiştir. İşlev grupları kalın yazı biçimindedir ve ardından her grup içindeki hedefler gelir. Tablo, ölçülen sınav becerilerinin önceki ve geçerli sürümü arasındaki karşılaştırmadır ve üçüncü sütunda değişikliklerin kapsamı açıklanır.
16 Ocak 2025'e kadar beceri alanı | 16 Ocak 2025 itibariyle beceri alanı | Change |
---|---|---|
hedef kitle profili | Önemsiz | |
Yapay zeka uygulamaları için dil modellerini iyileştirme | Yapay zeka uygulamaları için dil modellerini iyileştirme | No % change |
Optimize through prompt engineering and Prompt flow | Optimize through prompt engineering and prompt flow | Önemsiz |