{"id":170644,"date":"2023-03-01T20:23:53","date_gmt":"2023-03-01T19:23:53","guid":{"rendered":"https:\/\/liora.io\/de\/?p=170644"},"modified":"2026-02-06T07:02:49","modified_gmt":"2026-02-06T06:02:49","slug":"dp-100-wie-bestehe-ich-die-pruefung","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/dp-100-wie-bestehe-ich-die-pruefung","title":{"rendered":"DP-100: Wie bestehe ich die Pr\u00fcfung?"},"content":{"rendered":"<p><strong>Das DP-100-Zertifikat ist ein Abschluss, der Fachleuten verliehen wird, die sich in den Bereichen Data Science und Machine Learning (ML) auszeichnen. Das bedeutet, dass sie L\u00f6sungen auf Azure trainieren und einsetzen k\u00f6nnen (Designing and Implementing a Data Science Solution on Azure) und unter anderem Machine-Learning-Workloads auf Azure mit dem Azure ML Service ausf\u00fchren k\u00f6nnen. Dazu geh\u00f6rt auch die F\u00e4higkeit, einen relevanten Arbeitsparameter f\u00fcr Data-Science-Workloads auf Azure zu planen und zu generieren. <\/strong><\/p><h3>Voraussetzungen f\u00fcr die DP-100 Examen<\/h3>\nBevor Du die <strong>DP-100-Pr\u00fcfung<\/strong> ablegst, musst Du folgende Kenntnisse beherrschen:\n<ul>\n \t<li>Grundlagen \u00fcber Azure-Services<\/li>\n \t<li>Erfahrung mit der Programmiersprache Python, um mit Daten zu arbeiten und dabei Bibliotheken wie Numpy, Pandas und Matplotlib zu verwenden.<\/li>\n \t<li>Verst\u00e4ndnis von Data Science, um zu wissen, wie man Daten aufbereitet und Modelle f\u00fcr maschinelles Lernen mithilfe g\u00e4ngiger ML-Bibliotheken wie Scikit-Learn, PyTorch oder Tensorflow trainiert.<\/li>\n<\/ul>\n<h3>Themen des DP-100 Exam<\/h3>\nDie folgenden Bereiche sind die Hauptthemen, in denen das Wissen getestet wird, das f\u00fcr den Erwerb des <strong>Microsoft DP-100-Zertifikats<\/strong> erforderlich ist.\n<h3>1. Einen Azure Machine Learning-Arbeitsbereich einrichten<\/h3>\n<ul>\n \t<li style=\"font-weight: 400\">Einen<a href=\"https:\/\/liora.io\/de\/azure-databricks-was-ist-das-denn\"> Azure<\/a> Machine Learning-Workspace erstellen (Erstellen eines Azure <a href=\"https:\/\/liora.io\/de\/machine-learning-clustering-fokus-auf-den-cah-algorithmus\">Machine Learning<\/a>-Workspace in Azure ML Studio).\nErstellen und Verwalten von Datenbanken und Datens\u00e4tzen (Speichern von Datenbanken und Erstellen von Datens\u00e4tzen).\nErstellen von Rechenzielen, die f\u00fcr den Einsatz von ML-Workloads und f\u00fcr Experimente ben\u00f6tigt werden.<\/li>\n<\/ul>\n<h3>2. Durchf\u00fchrung von Experimenten und Modellbildung<\/h3>\n<ul>\n \t<li style=\"font-weight: 400\">ML-Vorlagen mithilfe des <strong>Azure ML-Designers<\/strong> erstellen (eine Microsoft Certified Azure Data Scientist Associate-Pipeline mithilfe eines Designers automatisieren).<\/li>\n \t<li style=\"font-weight: 400\">Trainingsskripte in einem <strong>Azure ML-Arbeitsbereich<\/strong> ausf\u00fchren (Erstellen und Ausf\u00fchren eines Experiments mithilfe des Azure ML SDK, Verwenden von Daten aus einem Datensatz,<\/li>\n \t<li style=\"font-weight: 400\">Konfigurieren der Ausf\u00fchrungsparameter eines Skripts usw.).<\/li>\n \t<li style=\"font-weight: 400\">Erzeugen von Metriken, Abrufen von Experimentergebnissen und Fehlerbehebung bei der Ausf\u00fchrung eines Experiments (dies umfasst das Abdecken von Protokollmetriken, die aus der Ausf\u00fchrung eines Experiments erzeugt wurden, und das Anzeigen von Experimentausgaben).<\/li>\n<\/ul>\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/\">Entdecke unsere Ausbildungen<\/a><\/div><\/div>\n\n<h3>3. Optimierung und Verwaltung von Modellen<\/h3>\n<ul>\n \t<li style=\"font-weight: 400\">Erstellen eines <strong>ML-Modells<\/strong> mithilfe des automatisierten Machine<\/li>\n \t<li style=\"font-weight: 400\">Learning von Azure ML Studio und des Azure <strong>ML SDK.<\/strong><\/li>\n \t<li style=\"font-weight: 400\">Die Hyperparameter mithilfe von Hyperdrive einstellen (Festlegung der Werte der Hyperparameter f\u00fcr das Modell, Auswahl der Stichprobenverfahren usw.).<\/li>\n \t<li style=\"font-weight: 400\">Interpretiere jedes Modell und generiere Daten nach Wichtigkeit ihrer Eigenschaften (Auswahl eines Modell- und Dateninterpreters).<\/li>\n \t<li style=\"font-weight: 400\">Das Modell aufzeichnen und \u00fcberwachen, um einen <strong>Datendrift<\/strong> zu vermeiden (Aufzeichnung des trainierten Modells und \u00dcberwachung der Daten auf Drift).<\/li>\n<\/ul>\n<h3>4. Einsatz und Verwendung von ML-Vorlagen<\/h3>\n<ul>\n \t<li style=\"font-weight: 400\">Erstelle<strong> Berechnungsziele<\/strong> f\u00fcr die Produktion (achte auf die Sicherheit f\u00fcr die eingesetzten Dienste und die Bewertung der Berechnungsoptionen).<\/li>\n \t<li style=\"font-weight: 400\">Das <strong>ML-Modell<\/strong> als Dienst bereitstellen (Konfiguration der Bereitstellungsparameter, Nutzung der bereitgestellten Dienste usw.).<\/li>\n \t<li style=\"font-weight: 400\">Erstellen und Ausf\u00fchren einer <strong>Batch-Inferenz-Pipeline<\/strong> (Erstellen einer Batch-Inferenz-Pipeline und Erzielen von Ausgaben.<\/li>\n \t<li style=\"font-weight: 400\">Eine <strong>Designer-Pipeline<\/strong> als Webservice bereitstellen (Erstellen einer Berechnungszielressource und Verwendung des bereitgestellten Endpunkts).<\/li>\n<\/ul>","protected":false},"excerpt":{"rendered":"<p>Das DP-100-Zertifikat ist ein Abschluss, der Fachleuten verliehen wird, die sich in den Bereichen Data Science und Machine Learning (ML) auszeichnen. Das bedeutet, dass sie L\u00f6sungen auf Azure trainieren und einsetzen k\u00f6nnen (Designing and Implementing a Data Science Solution on Azure) und unter anderem Machine-Learning-Workloads auf Azure mit dem Azure ML Service ausf\u00fchren k\u00f6nnen. Dazu [&hellip;]<\/p>\n","protected":false},"author":47,"featured_media":170645,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-170644","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/170644","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=170644"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/170644\/revisions"}],"predecessor-version":[{"id":217709,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/170644\/revisions\/217709"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/170645"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=170644"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=170644"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}