Abra más puertas con la certificación basada en roles. Certify with Confidence le ofrece más oportunidades de aprobar.

Examen
70-773

Microsoft SQL Server logo

  • Publicado:
    martes, 03 de enero de 2017
  • Idiomas:
    Inglés
  • Público:
    Científicos de datos
  • Tecnología:
    Microsoft R Server, SQL R Services
  • Crédito para la certificación:
    MCSA, MCSE

Analizar macrodatos con Microsoft R

Este examen se retirará el domingo, 30 de junio de 2019. Es posible que haya disponible un examen de sustitución. Para saber más, visite nuestro blog: https://www.microsoft.com/en-us/learning/community.aspx y revise las publicaciones de retiradas de examen.

* El precio no incluye ofertas promocionales ni descuentos para los miembros de los programas Microsoft Imagine Academy, Microsoft Certified Trainers y Microsoft Partner Network. El precio está sujeto a cambios sin previo aviso. El precio no incluye los impuestos aplicables. Confirme el precio exacto con su proveedor de exámenes antes de realizar el examen.

A partir del 1 de mayo de 2017, la política de cancelación existente será sustituida en su totalidad por la siguiente política: cancelar o reprogramar su examen en un plazo de 5 días laborables de la fecha de examen registrada estará sujeto a una cuota. No presentarse a la cita de examen ni reprogramar o cancelar la cita al menos 24 horas antes de la cita programada conlleva la pérdida de toda la cuota del examen.

Vea una sesión de preparación para un examen de Microsoft Ignite 2017

Habilidades medidas

Este examen mide su capacidad para realizar las tareas técnicas mencionadas a continuación. Vea tutoriales en vídeo acerca de la variety of question types en los exámenes de Microsoft.

Tenga en cuenta que las preguntas pueden evaluar, entre otros, los temas descritos en el texto con viñetas.

¿Tiene algún comentario sobre la pertinencia de las aptitudes evaluadas en este examen? No dude en enviar sus comentarios a Microsoft. Todos los comentarios se revisarán y aplicarán según se considere oportuno, manteniendo siempre la validez y fiabilidad del proceso de certificación. Tenga en cuenta que Microsoft no responderá directamente a sus comentarios. Agradecemos su participación para garantizar la calidad del programa Microsoft Certification.

Si cree que existe algún problema con preguntas específicas de este examen, envíe una exam challenge.

Si tiene otras preguntas o comentarios sobre los exámenes de Microsoft Certification o el programa de certificación, el registro o las promociones, póngase en contacto con el Regional Service Center.

Leer y analizar macrodatos
  • Leer datos con R Server
    • Leer formatos de archivos de datos compatibles, como archivos de texto, SAS y SPSS; convertir datos a formato XDF; identificar concesiones entre archivos XDF y de texto plano; leer datos mediante fuentes de datos Open Database Connectivity (ODBC); leer archivos de otros sistemas de archivos; usar un marco de datos interno como fuente de datos; procesar datos de fuentes que R Server no puede leer nativamente
  • Resumir datos
    • Computar gráficos cruzados y estadísticas univariantes, elegir cuándo usar rxCrossTabs en lugar de rxCube, integrar con tecnologías de código abierto usando paquetes como dplyrXdf, usar la funcionalidad grupo por, crear fórmulas complejas para realizar tareas múltiples simultáneamente a través de datos, extraer quantiles mediante rxQuantile
  • Visualizar datos
    • Visualizar datos en la memoria con funciones de gráficos básicas y ggplot2; crear visualizaciones personalizadas con rxSummary y rxCube; visualizar datos con rxHistogram y rxLinePlot, incluyendo gráficos facetados
Procesar macrodatos
  • Procesar datos con rxDataStep
    • Filas subconjuntos de datos, modificar y crear columnas usando el argumento Transforms, elegir cuándo usar transformaciones dinámicas en lugar de concesiones de transformación en los datos, gestionar valores ausentes mediante la filtración o la sustitución, generar un marco de datos o un archivo XDF, procesar fechas (POSIXct, POSIXlt)
  • Realizar transformaciones complejas que usan funciones de transformación
    • Definir una función de transformación; remodelar datos usando una función de transformación; usar paquetes de código abierto, como lubridate; pasar valores usando transformVars y transformEnvir; usar variables internas .rx y funciones para tareas, incluyendo comunicación cruzada entre partes
  • Administración juegos de datos
    • Clasificar los datos con distintos órdenes, como ascendente y descendente; usar la deduplicación rxSort para eliminar los valores duplicados; combinar fuentes de datos usando rxMerge(); combinar opciones y tipos; identificar cuándo se deben usar las alternativas a rxSort y rxMerge
  • Procesar texto usando paquetes RML
    • Crear características usando funciones RML, como featurizeText(); crear variables indicadoras y conjuntos usando funciones RML, como categorical() y categoricalHash(); realizar una selección de características usando funciones RML
Crear modelos predictivos con ScaleR
  • Estimar modelos lineales
    • Usar rxLinMod, rxGlm y rxLogit para estimar modelos lineales; preparar la familia para un modelo lineal generalizado mediante el uso de funciones como rxTweedie; procesar datos de forma dinámica mediante los argumentos y funciones adecuados, como la función F y el argumento Transforms; observaciones de peso por frecuencia o pesos de probabilidad; elegir entre diferentes tipos de selecciones variables automáticas, como búsquedas ambiciosas, puntuación repetida y subproducto de formación; identificar el impacto de los valores ausentes durante la selección de variable automática
  • Crear y usar modelos de partición
    • Usar rxDTree, rxDForest y rxBTrees para crear modelos de partición; ajustar el pesaje de falsos positivos y ausencias mediante la pérdida; seleccionar parámetros que afecten el sesgo y varianza, como el recorte, el índice de aprendizaje y la profundidad de árbol; usar as.rpart para interactuar con ecosistemas de código abierto
  • Generar predicciones y residuales
    • Usar rxPredict para generar predicciones; realizar puntuaciones paralelas mediante rxExec; generar diferentes tipos de predicciones, como puntuaciones de vínculo y respuesta para GLM, respuesta, prog y voto para rxDForest; generar diferentes tipos de residuales, como Usual, Pearson y DBM
  • Evaluar modelos y parámetros de ajustes
    • Resumir modelos estimados; ejecutar código arbitrario fuera del proceso, como ajustes paralelos de parámetros rxExec; evaluar tres modelos mediante RevoTreeView y rxVarImpPlot; calcular métricas de evaluación de modelos mediante funciones integradas; calcular métricas de evaluación de modelos y visualizaciones mediante códigos personalizados, como porcentaje del error medio absoluto y curvas de recuperación de precisión
  • Crear modelos adicionales mediante paquetes RML
    • Crear y usar una One-Class Support Vector Machine, crear y usar regresiones lineales y logísticas que usen la regularización L1 y L2, crear y usar un árbol de decisiones mediante FastTree, usar FastTree como recomendador con pérdida de clasificación (NDCG), crear y usar una red neural sencilla de tres capas de avance
Usar R Server en diferentes entornos
  • Usar diferentes contextos de computación para ejecutar R Server con eficacia
    • Cambiar el contexto computacional (rxHadoopMR, rxSpark, rxLocalseq y rxLocalParallel); identificar qué contexto computacional usar para diferentes tareas; usar diferentes objetos de fuentes de datos, según el contexto (RxOdbcData y RxTextData); identificar y usar fuentes de datos adecuadas para diferentes fuentes de datos y contextos computacionales (HDFS y SQL Server); procesos de depuración en diferentes contextos computacionales; identificar los casos de uso para RevoPemaR
  • Optimizar las tareas usando contextos computacionales locales
    • Identificar y ejecutar tareas que solo se pueden usar en el contexto computacional local, identificar tareas que son más eficaces al ejecutarse en el contexto computacional local, elegir entre rxLocalseq y rxLocalParallel, perfil en diferentes contextos computacionales
  • Realizar análisis internos en la base de datos mediante SQL Server
    • Elegir cuándo realizar computaciones internas de la base de datos en lugar de externas, identificar las limitaciones de las computaciones internas de la base de datos, usar adecuadamente los contextos computacionales internos de la base de datos en lugar de los externos, usar procedimientos almacenados para los pasos de procesamiento de datos, serializar objetos y reescribir los campos binarios en una tabla, escribir tablas, configurar R para optimizar SQL Server (chunksize, numtasks y computecontext), comunicar eficazmente las propiedades de rendimiento a los administradores y arquitectos de SQL (SQL Server Profiler)
  • Implementar procesos de trabajo de análisis en el ecosistema Hadoop y Spark
    • Usar funciones R Server adecuadas en Spark; integrar con Hive, Pig y Hadoop MapReduce; integrar con el ecosistema de herramientas Spark, como SparklyR y SparkR; perfilar y ajustar en los diferentes contextos computacionales; usar doRSR para la paralelización de código que se escribió usando código abierto foreach
  • Implementar modelos predictivos en SQL Server y Azure Machine Learning
    • Implementar modelos predictivos en SQL Server como procedimiento almacenado, implementar una función arbitraria en Azure Machine Learning mediante el paquete AzureML R, identificar cuándo usar DeployR

¿Quién debería realizar este examen?

Los candidatos para este examen son científicos o analistas de datos que procesan y analizan grandes grupos de datos con R. Los candidatos deben tener experiencia con R, estar familiarizados con las estructuras de datos, con conceptos de programación básica (como el flujo de control y el alcance) y con las funciones de escritura y depuración de R.

Los candidatos deben conocer las buenas prácticas de análisis de datos y los métodos estadísticos comunes. Los candidatos deben tener también un gran conocimiento de las plataformas de datos, como el ecosistema Hadoop, SQL Server y las funciones principales de T-SQL.

Más información sobre los exámenes

Preparación de exámenes

Le recomendamos que consulte esta guía de preparación para el examen en profundidad y se familiarice con los recursos de este sitio web antes de programar el examen. Consulte la Microsoft Certification exam overview para obtener información sobre el registro, vídeos de los formatos de preguntas de examen habituales y otros recursos de preparación. Para obtener información sobre las políticas de examen y puntuación, consulte Microsoft Certification exam policies and FAQs.

Nota

Esta guía de preparación está sujeta a cambios en cualquier momento a discreción de Microsoft sin necesidad de aviso previo. Los exámenes de Microsoft pueden incluir tecnología de prueba adaptativa y elementos de simulación. Microsoft no identifica el formato en que se presentan los exámenes. Use esta guía de preparación para prepararse para el examen, sea cual sea el formato. Para ayudarle a prepararse para este examen, Microsoft recomienda adquirir experiencia práctica con el producto y usar los recursos formativos especificados. Estos recursos de formación no cubren necesariamente todos los temas que aparecen en la sección "Habilidades medidas".