DP-100 Examen - Designing and Implementing a Data Science Solution on Azure
Dit product heeft geen vaste startdata en/of plaatsen.Vraag informatie aan over deze cursus
Startel bv biedt haar producten standaard aan in de volgende regio's: Assen, Drachten, Emmen, Groningen, Heerenveen, Leeuwarden, Zwolle
Startel in Drachten verzorgt al ruim 25 jaar IT-opleidingen in Nederland en België.
Algemene omschrijving
Het DP-100 examen - Designing and Implementing a Data Science Solution on Azure is maximaal één jaar toegankelijk.
Het DP-100 examen is gericht op het ontwerpen en implementeren van datawetenschapsoplossingen met behulp van Azure Machine Learning, waaronder data-analyse, data modellering en het beheren van machine learning-werklasten binnen de cloud.
Als kandidaat voor het DP-100 examen - Designing and Implementing a Data Science Solution on Azure dien je te beschikken over materiedeskundigheid in het toepassen van data science (datawetenschap) en machine learning om machine learning-werklasten binnen Microsoft Azure te implementeren en uit te voeren.
Jouw verantwoordel…

Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.
Startel in Drachten verzorgt al ruim 25 jaar IT-opleidingen in Nederland en België.
Algemene omschrijving
Het DP-100 examen - Designing and Implementing a Data Science Solution on Azure is maximaal één jaar toegankelijk.
Het DP-100 examen is gericht op het ontwerpen en implementeren van datawetenschapsoplossingen met behulp van Azure Machine Learning, waaronder data-analyse, data modellering en het beheren van machine learning-werklasten binnen de cloud.
Als kandidaat voor het DP-100 examen - Designing and Implementing a Data Science Solution on Azure dien je te beschikken over materiedeskundigheid in het toepassen van data science (datawetenschap) en machine learning om machine learning-werklasten binnen Microsoft Azure te implementeren en uit te voeren.
Jouw verantwoordelijkheden als datawetenschapper binnen Microsoft Azure zijn onder andere:
- Het ontwerpen en creëren van een geschikte werkomgeving voor data science-werklasten.
- Data verkennen.
- Machine learning-modellen trainen.
- Het implementeren van pipelines.
- Taken uitvoeren ter voorbereiding op productie.
- Schaalbare machine learning-oplossingen beheren, implementeren en monitoren.
Als kandidaat voor het DP-100 examen - Designing and Implementing a Data Science Solution on Azure dien je te beschikken over kennis van en ervaring met data science (datawetenschap) door gebruik te maken van:
- Microsoft Azure Machine Learning.
- MLflow.
Doelgroep
Het DP-100 examen is geschikt voor datawetenschappers en AI Engineers die verantwoordelijk zijn voor het ontwikkelen en implementeren van machine learning-modellen binnen Microsoft Azure.
Tevens is het DP-100 examen geschikt voor ICT-professionals die aan willen tonen dat zij in staat zijn om machine learning-oplossingen te ontwerpen en uit te voeren binnen een cloudomgeving.
Certificering DP-100
Na het succesvol afronden van het DP-100 examen ontvang je de titel Microsoft Certified: Azure Data Scientist Associate. Met de DP-100 certificering kun je aantonen dat jij bekwaam bent in het toepassen van datawetenschappelijke technieken en machine learning-methodologieën binnen Microsoft Azure om voorspellende modellen en AI-oplossingen te ontwikkelen.
Examenvoorbereiding DP-100
Voor een goede voorbereiding op het DP-100 examen kun je bij Startel terecht om de klassikale of virtuele DP-100 training te volgen of het DP-100 zelfstudiepakket door te nemen.
Examenonderwerpen DP-100
Tijdens het DP-100 examen worden de volgende onderwerpen getoetst:
- Ontwerpen en voorbereiden van een machine learning-oplossing (20–25%): Laat zien hoe jij een machine learning-strategie kunt ontwerpen en hoe jij een werkomgeving op kunt zetten met behulp van Azure Machine Learning.
- Verkennen van data en trainen van modellen (35–40%): Beheers technieken voor het voorbereiden van datasets en het trainen van machine learning-modellen.
- Voorbereiden van een model voor implementatie (20–25%): Zorg ervoor dat machine learning-modellen geoptimaliseerd worden en klaar zijn voor implementatie binnen productieomgevingen.
- Implementeer en retrain een model (10–15%): Beheer de implementatie van modellen en train ze opnieuw op basis van nieuwe gegevens om de prestaties te verbeteren.
Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.

