Practice Exams | MS Azure DP-100 Design & Implement DS Sol
Be prepared for the MS Azure Exam DP-100: Designing and Implementing a Data Science Solution on Azure
4.26 (273 reviews)

3 598
students
409 questions
content
Feb 2025
last update
$49.99
regular price
Why take this course?
为了准备Azure机器学习概能考试,您需要熟悉以下几个关键领域和任务:
-
创建计算目标:
- 实验和训练的Compute目标。
- 选择适合机器学习用例的环境。
- 配置与Apache Spark池连接的附加计算资源。
- 监控计算使用情况。
-
探索数据和训练模型:
- 使用数据集和数据存储访问和处理数据以进行交互式开发。
- 在设计器中创建模型,包括:
- 构建训练管道。
- 消耗设计器中的数据资产。
- 使用自定义代码组件。
- 评估模型,包括遵循负责任的AI指南。
- 使用自动化机器学习来探索最佳模型:
- 对于不同类型的数据(如表格、计算机视觉或自然语言处理)。
- 选择训练选项,包括预处理和算法。
- 评估自动化机器学习运行,包括遵循负责任的AI指南。
- 在笔记本中使用自定义模型训练:
- 开发使用计算实例的代码。
- 使用MLflow跟踪模型训练。
- 评估模型。
- 使用Python SDKv2训练模型。
- 在终端配置计算实例。
-
调整超参数:
- 选择抽样方法。
- 定义搜索空间。
- 定义主要指标。
- 定义早期停止选项。
-
准备模型部署:
- 运行训练脚本。
- 创建和调度管道。
- 监控管道运行。
- 实现数据之间的传递步骤。
- 管理在Azure机器学习中的模型。
-
部署和重新训练模型:
- 在线和批量部署模型。
- 测试在线部署的服务。
- 触发Azure机器学习作业,包括从Azure DevOps或GitHub。
- 自动化模型重新训练,以适应新数据的添加或变化。
-
实施MLOps最佳实践:
- 定义基于事件的重新培训触发器。
-
学习资源:
- Azure机器学习文档。
- Microsoft Learn平台上的课程和模块。
- 实际操作体验,通过在Azure环境中训练和部署模型来获得经验。
- 阅读相关书籍、博客和教程以深入理解各个组件。
确保您对以下概念有深入的了解:
- Azure机器学习设计器的使用,包括如何创建管道和使用自定义代码。
- 如何使用MLflow来跟踪实验。
- 如何在Azure Kubernetes服务(AKS)上部署模型。
- 了解如何使用Azure机器学习SDK来进行模型训练和管理。
- 熟悉Azure机器学习的计算目标,如虚拟机、GPU或CPU实例、Apache Spark池等。
- 理解如何使用自动化机器学习工具来进行超参数调优和模型搜索。
- 了解Azure机器学习的安全性和隐私功能,包括数据的加密和存储。
通过这些步骤,您将为Azure机器学习概要考试做好充分的准备。记得实践是关键,因此确保在准备过程中有足够的实际操作体验。
Course Gallery




Loading charts...
Related Topics
4102770
udemy ID
05/06/2021
course created date
29/06/2021
course indexed date
Bot
course submited by