Voltar para DP-100
Associate
🧭 DP-100
Azure Data Scientist Associate - Plano de Estudos Interativo
💼 DP-100: Azure Data Scientist Associate
Cientista de dados do Azure que aplica técnicas de ciência de dados e aprendizado de máquina
🚀 Plano de Estudos Interativo
Este plano de estudos é baseado no guia oficial do exame. Para acessar o progresso salvo, simulados e recursos exclusivos, faça o upgrade!
Fazer Upgrade - Versão Completa
Progresso Geral - DP-100
0%
0 de 9 blocos concluídos
00:00:00 de estudo
9
Total de Blocos
0
Blocos Concluídos
00:00:00
Tempo de Estudo
1
Domínio Médio
0%
Progresso Geral
📊 Visão Geral dos Domínios
Domínio 1
25% do exame
2 bloco(s)
Domínio 2
40% do exame
3 bloco(s)
Domínio 3
25% do exame
2 bloco(s)
Domínio 4
15% do exame
2 bloco(s)
Projetar e preparar uma solução de aprendizado de máquina (20–25%)
25% do exame · 2 bloco(s)
Projetar uma solução de ML
Bloco 1
Projetar uma solução de ML
Conteúdo da Prova:
- Determinar a abordagem apropriada de ML
- Selecionar a ferramenta ou serviço de ML
- Planejar o espaço de trabalho do Azure Machine Learning
:
:
Gerenciar um workspace do Azure Machine Learning
Bloco 2
Gerenciar um workspace do Azure Machine Learning
Conteúdo da Prova:
- Criar e configurar um workspace do Azure ML
- Gerenciar ambientes
- Gerenciar dados e armazenamentos de dados
- Gerenciar recursos de computação
:
:
Explorar dados e treinar modelos (35–40%)
40% do exame · 3 bloco(s)
Explorar dados usando ferramentas de ML
Bloco 3
Explorar dados usando ferramentas de ML
Conteúdo da Prova:
- Realizar análise exploratória de dados
- Identificar recursos e transformações de dados
- Usar notebooks para explorar dados
:
:
Treinar modelos com Azure ML
Bloco 4
Treinar modelos com Azure ML
Conteúdo da Prova:
- Selecionar e configurar algoritmos
- Treinar modelos usando scripts e pipelines
- Otimizar hiperparâmetros usando Azure ML
- Implementar AutoML
:
:
Avaliar modelos de ML
Bloco 5
Avaliar modelos de ML
Conteúdo da Prova:
- Avaliar métricas de modelos
- Interpretar e explicar modelos
- Gerenciar experimentos e execuções
:
:
Preparar um modelo para implantação (20–25%)
25% do exame · 2 bloco(s)
Implementar pipelines de ML
Bloco 6
Implementar pipelines de ML
Conteúdo da Prova:
- Criar e executar pipelines de treinamento
- Implementar etapas de pipeline
- Automatizar pipelines de ML
:
:
Registrar e gerenciar modelos
Bloco 7
Registrar e gerenciar modelos
Conteúdo da Prova:
- Registrar modelos no workspace
- Gerenciar versões de modelos
- Implementar MLflow para rastreamento de experimentos
:
:
Implantar e retreinar um modelo (10–15%)
15% do exame · 2 bloco(s)
Implantar modelos
Bloco 8
Implantar modelos
Conteúdo da Prova:
- Implantar modelos em endpoints online gerenciados
- Implantar modelos em endpoints em lote
- Monitorar endpoints de modelo implantado
:
:
Retreinar modelos
Bloco 9
Retreinar modelos
Conteúdo da Prova:
- Configurar retreinamento de modelos
- Automatizar retreinamento usando pipelines
- Implementar drift de dados
:
:
🎯 Continue seu progresso!
Este plano de estudos tem 9 blocos cobrindo 4 domínios do exame DP-100. Faça upgrade para salvar seu progresso e acessar simulados exclusivos.