Examen
70-774

Microsoft logo

  • Publicado:
    martes, 14 de febrero de 2017
  • Idiomas:
    Inglés
  • Público:
    Científicos de datos
  • Tecnología:
    Azure Machine Learning, Bot Framework, Cognitive Services
  • Crédito para la certificación:
    MCP, MCSA, MCSE

Realizar Cloud Data Science con Azure Machine Learning


* 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.

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.

Preparar datos para análisis en aprendizaje automático Azure y exportar desde aprendizaje automático Azure
  • Importar y exportar datos a y desde aprendizaje automático Azure
    • Importar y exportar datos a y desde el almacenamiento de Azure Blob, importar y exportar datos a y desde Azure SQL Database, importar y exportar datos a través de Hive Queries, importar datos desde una página web, importar datos desde SQL local
  • Estudiar y resumir datos
    • Crear resúmenes univariados, crear resúmenes multivariados, visualizar distribuciones univariadas, usar los blocs de notas Microsoft R o Python actuales para resúmenes personalizados y visualizaciones personalizadas, usar archivos zip para importar paquetes externos para R o Python
  • Limpiar datos para aprendizaje automático Azure
    • Aplicar filtros para limitar un grupo de datos en las filas deseadas, identificar y tratar los datos faltantes, identificar y tratar valores atípicos, eliminar columnas y filas de grupos de datos
  • Realizar ingeniería de características
    • Combinar múltiples grupos de datos por filas o columnas en un único grupo de datos por columnas, combinar múltiples grupos de datos por filas o columnas en un único grupo de datos por filas, añadir columnas que son combinaciones de otras columnas, seleccionar manualmente y construir funciones para estimación de modelos, seleccionar automáticamente y construir funciones para estimación de modelos, reducir dimensiones de datos mediante el análisis de componentes principales (PCA), gestionar los metadatos variables, seleccionar variables estandarizadas basadas en un análisis planificado
Desarrollar modelos de aprendizaje automático
  • Seleccionar un método o algoritmo adecuado
    • Seleccionar un algoritmo adecuado para predecir datos etiquetados continuos, seleccionar un algoritmo adecuado para escenarios supervisados respecto a los no supervisados, identificar cuándo seleccionar los blocs de notas R en lugar de Python, identificar un algoritmo adecuado para agrupar datos sin etiquetar, identificar un algoritmo adecuado para clasificar los datos etiquetados, seleccionar un conjunto adecuado
  • Inicializar y formar modelos adecuados
    • Ajustar manualmente los hiperparámetros; ajustar automáticamente los hiperparámetros; dividir los datos en grupos de datos de formación y de prueba, incluyendo el uso de rutinas para validación cruzada; crear un conjunto usando el método de apilamiento
  • Validar modelos
    • Puntuar y evaluar modelos, seleccionar métricas de evaluación adecuados para agrupación, seleccionar métricas de evaluación adecuadas para clasificación, seleccionar métricas de evaluación adecuadas para regresión, usar métricas de evaluación para elegir entre modelos de aprendizaje automático, comparar métricas de conjunto respecto a los modelos básicos
Poner en práctica y gestionar los servicios aprendizaje automático Azure
  • Implementar modelos usando aprendizaje automático Azure
    • Publicar un modelo desarrollado dentro de aprendizaje automático Azure, publicar una función de puntuación desarrollada externamente usando un paquete de aprendizaje automático Azure, usar parámetros de servicio web, crear y publicar un modelo de recomendación, crear y publicar un modelo de comprensión de lenguaje
  • Gestionar los proyectos y lugares de trabajo de aprendizaje automático Azure
    • Crear proyectos y experimentos, añadir activos a un proyecto, crear nuevos lugares de trabajo, invitar usuarios a un lugar de trabajo, cambiar entre diferentes lugares de trabajo, crear un bloc de notas Jupyter que referencia a un grupo de datos intermedio
  • Consumir modelos de aprendizaje automático Azure
    • Conectar a un servicio web publicado de aprendizaje automático, consumir un modelo publicado de aprendizaje automático usando programáticamente un servicio de ejecución de remesa, consumir un modelo publicado de aprendizaje automático usando programáticamente un servicio de respuesta de solicitud, interactuar con un modelo publicado de aprendizaje automático usando Microsoft Excel, publicar modelos en el mercado
  • Consumir API de servicios cognitivos ejemplares
    • Consumir API visuales para procesar imágenes, consumir API de lenguaje para procesar textos, consumir API de conocimientos para crear recomendaciones
Usar otros servicios para aprendizaje automático
  • Crear y usar redes neuronales con Microsoft Cognitive Toolkit
    • Usar una VM de serie N para aceleración de la GPU, crear y formar una red neuronal de tres capas de avance, determinar cuándo implementar una red neuronal
  • Simplificar el desarrollo usando los recursos existentes
    • Clonar experimentos de plantilla de Cortana Intelligence Gallery, usar Cortana Intelligence Quick Start para implementar recursos, usar una VM de ciencia de datos para simplificar el desarrollo
  • Realizar ciencias de datos a escalar mediante HDInsights
    • Implementar el tipo adecuado de grupo HDI, realizar análisis de datos exploratorios mediante Spark SQL, crear y usar modelos de aprendizaje automático con Spark en HDI, crear y usar modelos de aprendizaje automático mediante MapReduce, crear y usar modelos de aprendizaje automático mediante Microsoft R Server
  • Realizar análisis de bases de datos mediante SQL Server R Services en Azure
    • Implementar una VM de SQL Server 2016 Azure, configurar SQL Server para permitir la ejecución de scripts de R, ejecutar scripts de R en declaraciones de T-SQL

Opciones de preparación

Cursos online
Formación guiada por un instructor
Libros

Referencia de examen 70-774 Realizar ciencia de datos de la nube con Azure Machine Learning
Publicado: martes, 27 de febrero de 2018

Desarrollado directamente por Microsoft, esta referencia de examen es la guía de estudio oficial para el examen de certificación de Microsoft 70-774 Realizar ciencia de datos de la nube con Azure Machine Learning, el segundo de los dos exámenes necesarios para la ceritificación MCSA: Machine Learning. Los libros de referencia de examen son referencias de examen oficiales de Microsoft que se centran en los conocimientos y habilidades esenciales medidos con los exámenes de certificación de Microsoft. Los libros de referencia de examen cubren todas las habilidades medidas en un examen de certificación de Microsoft concreto. El público objetivo es un profesional de TI o desarrollador con experiencia real con el producto y que se esté preparando para certificarse.

Comprar este libro en Microsoft Press Store

Los libros y libros electrónicos de Microsoft Press se pueden reservar durante los 90 días previos a la publicación del libro.

¿Quién debería realizar este examen?

Los candidatos para este examen son científicos o analistas de datos que usan servicios de nube de Azure para crear e implementar soluciones inteligentes. Los candidatos deben tener buenos conocimientos de los servicios de datos de Azure y aprendizaje automático y estar familiarizados con los procesos de ciencia de datos comunes como filtrar y transformar grupos de datos, estimación de modelos y evaluación de modelos.

Los candidatos para este examen deben tener experiencia publicando API eficaces para inteligencia del conocimiento.

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".