Microsoft Azure Data Scientist Associate
225問の練習問題
最終確認：April 2026
学習のための個人ノートとリソースリンク
認定でフィルター
DP-100 は、Azure で働くデータサイエンティストの日々のスキルを検証します。具体的には、ML ソリューションの設計、データの探索と準備、Azure Machine Learning でのモデルのトレーニングとデプロイ、そして—2024年の更新以降は—AI アプリケーション向け言語モデルの最適化が含まれます。対象者は、Azure ML SDK / CLI v2 に対して Python を記述し、Azure ML studio を使用する現役のデータサイエンティストおよび ML エンジニアです。この試験は、古典的な統計学やアルゴリズム理論よりも Azure 特有の実装に重点を置いています。コード補完のドラッグ＆ドロップ、シナリオ項目、および少なくとも1つのケーススタディを含む、100分間で40〜60問が出題されると予想されます。
約22%。MLワークロードのためのコンピューティングとストレージの選択、Azure MLワークスペース、データストアとデータアセット、環境、設計時における責任あるAIの考慮事項。
約22%。Azure MLノートブック、分類/回帰/予測/NLP/CVのためのAutoML、Azure MLデザイナー、実験追跡のための基本的なMLflow統合。
28%を占める最大の古典的MLドメイン。トレーニングジョブ（スクリプトジョブとコマンドジョブ）、分散トレーニング、ハイパーパラメータスイープジョブ、モデル登録、マネージドオンラインエンドポイント、バッチエンドポイント、およびパイプライン。
2024年に28%の比重で追加された新しいドメイン。プロンプトフロー、Azure ML / Azure AI Foundry での基盤モデルのファインチューニング、LLMアプリケーションの評価、RAGパターン、および生成シナリオにおける責任あるAIコントロール。
試験で出会うサービスと、それぞれが重要な理由。
フルライフサイクルにわたるマネージド ML プラットフォームで、ワークスペース、コンピューティング、データストア、環境、ジョブ、レジストリ、マネージド推論エンドポイントが含まれます。
試験に出題される理由： Azure ML はすべての DP-100 ドメインにわたる包括的なサービスであり、ワークスペースのセットアップ、コンピューティングの選択、アセットのバージョン管理、v2 CLI/SDK の使用に関する質問が出題されます。
Azure ML 用の Web ベースのワークスペースで、ノートブック、実験追跡、アセットブラウザー、コンピューティング管理、ワンクリックでのモデルデプロイを提供します。
試験に出題される理由： ドメイン 2 (データの探索と実験の実行) では、ジョブの開始、実行メトリックの表示、実験の比較を行うインターフェースとして Studio が問われます。
コードを書かずに ML パイプラインを構築、トレーニング、デプロイするためのドラッグアンドドロップの視覚的インターフェースで、組み込みのデータセットおよび変換モジュールを備えています。
試験に出題される理由： ドメイン 1 では、データの準備とトレーニングパイプラインの構築におけるローコードパスとして Designer が扱われ、SDK/CLI v2 ワークフローとの区別が問われます。
分類、回帰、予測、NLP、視覚タスクにわたるアルゴリズム、特徴量化、ハイパーパラメーターを自動的に探索するトレーニングです。
試験に出題される理由： ドメイン 3 (モデルのトレーニングとデプロイ) では、ベースラインモデル、大規模なモデル選択、登録する最適な実行の特定のために AutoML が問われます。
データ準備、トレーニング、評価、デプロイのためのバージョン管理された多段階オーケストレーションであり、YAML ジョブまたは Python SDK v2 を介して宣言されます。
試験に出題される理由： ドメイン 2 と 3 の再現性と再利用性のシナリオでは、アドホックスクリプトやノートブックよりも Pipelines が標準的な解答として挙げられます。
バージョン管理されたモデルのワークスペーススコープのレジストリであり、ステージ、タグ、トレーニングジョブとデータセットバージョンへの署名付き履歴を提供します。
試験に出題される理由： ドメイン 3 の本番環境へのプロモーションシナリオでは、トレーニングと推論デプロイ間の監査可能な引き渡しとして Model Registry が問われます。
トラフィックスプリット、オートスケーリング、マネージド ID を備えた、ホストされた推論のためのマネージドオンライン (低レイテンシーリアルタイム) およびバッチエンドポイントです。
試験に出題される理由： ドメイン 3 では、オンラインとバッチのトレードオフやブルー/グリーンデプロイのトラフィックスプリットに関する質問が頻繁に出題され、マネージドエンドポイントがそのプリミティブとして挙げられます。
生成 AI アプリケーションを構築するための統合ワークスペースであり、モデルカタログ、ファインチューニング、評価フロー、プロンプトオーケストレーション、コンテンツ安全性の統合を提供します。
試験に出題される理由： ドメイン 4 (AI アプリケーション向け言語モデルの最適化) では、基盤モデルの選択、ファインチューニング、評価のためのプラットフォームとして AI Foundry が中心となります。
MLflow 追跡、分散トレーニング、Azure ML との緊密な相互運用性を備えたマネージド Apache Spark + Delta Lake プラットフォームで、大規模なデータ準備とモデリングに対応します。
試験に出題される理由： ドメイン 1 の大規模データシナリオでは、Azure ML コンピューティング外での分散特徴量エンジニアリングと PySpark 変換に Databricks が好まれます。
専用/サーバーレス SQL プール、Spark プール、パイプラインを組み合わせた統合分析プラットフォームで、Azure ML に供給するウェアハウス規模のデータ準備を目的とします。
試験に出題される理由： ドメイン 1 のトレーニング用エンタープライズデータソースに関する質問では、Azure ML データストアのウェアハウス側ソースコネクタとして Synapse が挙げられます。
分析ワークロード向けに最適化された階層型ネームスペースの BLOB ストレージ層であり、Azure ML データストアおよびトレーニングアセットのデフォルトのバックエンドストアです。
試験に出題される理由： DP-100 のあらゆるデータ準備シナリオは ADLS Gen2 をデータ基盤として想定しており、データストア登録、ACL、ライフサイクルポリシーのすべてがドメイン 1 で扱われます。
ファインチューニング、コンテンツフィルター、Entra ID 認証を備えた OpenAI 基盤モデル (GPT-4o, GPT-4.1, o-series, 埋め込みモデル) へのマネージドアクセスです。
試験に出題される理由： ドメイン 4 の言語モデルアプリケーション向けファインチューニング、埋め込み、プロンプトエンジニアリングのシナリオは、Azure OpenAI Service を基盤としています。
すべての Azure ML ワークスペース内にネイティブの MLflow 追跡サーバーがあり、オープンな MLflow SDK を使用してパラメーター、メトリック、アーティファクト、モデルをログに記録します。
試験に出題される理由： ドメイン 2 の実験追跡に関する質問では MLflow が標準 API として挙げられ、MLflow の自動ログと手動ジョブ出力キャプチャの比較に関するディストラクターが予想されます。
オートスケーリング、低優先度価格、スポットティアを備えたマネージドコンピューティングクラスター (CPU/GPU)、コンピューティングインスタンス、およびサーバーレストレーニングオプションです。
試験に出題される理由： ドメイン 3 のトレーニングシナリオでは、CPU と GPU の選択、分散トレーニング用のクラスターサイズ決定、ハイパーパラメータースイープのクォータ計画が問われます。
LLM ワークフローの視覚的およびコードファーストなオーサリングであり、プロンプトテンプレート、連鎖ツール呼び出し、評価フロー、テストセットに対するバッチ実行グレーディングを提供します。
試験に出題される理由： ドメイン 4 の RAG、プロンプトエンジニアリング、評価のシナリオは、本番環境レベルのオーサリングサーフェスとして Prompt Flow を通じてテストされます。
軽量なリアルタイム推論、モデル出力の後処理、Azure ML 呼び出しをビジネスワークフローに統合するためのサーバーレスイベント駆動型コンピューティングです。
試験に出題される理由： ドメイン 3 のデプロイパターンに関する質問では、コールドスタート、ペイロードサイズ、コストの理由から、マネージドオンラインエンドポイントとカスタム Functions ベースの推論が区別されます。
ユーザー/サービスプリンシパル認証、マネージド ID、RBAC ロール、すべての Azure ML リソースに対する条件付きアクセスを提供する ID プラットフォームです。
試験に出題される理由： ドメイン 1 のワークスペース設定およびドメイン 3 のデプロイアクセス制御シナリオでは、コンピューティングとエンドポイントを承認する AAD ネイティブな方法として Entra ID マネージド ID が挙げられます。
接続文字列、モデル API キー、トレーニングデータとアーティファクトを保護する顧客管理キーのための、マネージドなシークレット、キー、証明書のストアです。
試験に出題される理由： Azure ML ワークスペースデータの顧客管理キー暗号化と、トレーニングジョブからのシークレット取得は、ドメイン 1 で Key Vault が解答として挙げられます。
Azure ML エンドポイント、トレーニングジョブ、Log Analytics ワークスペースを介したデータドリフトシグナルに対するメトリック、ログ、アラート、Application Insights のカバレッジを提供します。
試験に出題される理由： ドメイン 3 の運用監視シナリオでは、エンドポイントのレイテンシー/エラーアラート、およびモデルドリフト検出を運用チームに通知するために Azure Monitor + Log Analytics がテストされます。
データストアのスキャン、機密データの分類、リネージのマッピング、分析資産全体のアクセスポリシーの適用を行うための統合データガバナンスです。
試験に出題される理由： ドメイン 1 と 4 の責任ある AI およびデータガバナンスに関する質問では、トレーニングデータの履歴、PII 分類、リネージを考慮したモデルリリースゲートのために Purview が参照されます。
$115k–$165k–$230k USD 年収
この範囲は、Azure ML の習熟度が求められる米国拠点の中堅からシニアのデータサイエンティストを対象としています。FAANG / ユニコーン企業の応用科学者は、しばしば$300kを超える総報酬を得ます。この認定はスクリーニングシグナルであり、実証されたモデリング経験、出版物/Kaggle/オープンソースでの存在感が、高額な報酬を決定します。
出典: levels.fyi 2025 データサイエンティスト / ML エンジニア職、U.S. BLS OEWS May 2024 (15-2051 データサイエンティスト、15-2099 ML科学者)、Glassdoor 2025。数値は概算であり、実際の報酬は職務、地域、経験によって異なります。
DP-100 は、企業が Azure ML および Azure AI Foundry 上で ML を運用化するにつれて、安定した需要を維持しています。採用担当者はこれを、標準的な Azure ML の証明点として扱います。これは、ノートブックの範囲を超えてマネージドエンドポイントやパイプラインにデプロイできることを示す必要があるデータサイエンティストにとって最も有用です。2024年のLLM最適化ドメインの追加により、DP-100はGenAIエンジニアにとってもより魅力的になりました。これは、本番GenAIアプリケーションを構築するエンジニア向けの AI-102 や、データエンジニア寄りのML実践者向けの DP-203 / DP-700 と自然に組み合わせることができます。
正式な前提条件はありませんが、DP-100 は受験者が実務レベルのデータサイエンススキルを持っていることを前提としています。Microsoft のアウトラインでは、Python、scikit-learn / pandas / NumPy スタック、およびコアMLワークフロー（分割、トレーニング、評価、デプロイ）に習熟していることを期待しています。DP-900 は、Azure データサービスを初めて使用する受験者にとって概念的な導入として有用ですが、必須ではありません。
公式の Microsoft Learn パスは、Azure ML SDK / CLI v2 とプロンプトフローに焦点を当て、約30〜40時間で4つのドメインすべてをカバーしています。実践的な時間は基本的に必須です。個人用 Azure サブスクリプションと小規模な Azure ML ワークスペース、さらに実際のトレーニングジョブ、モデルデプロイ、プロンプトフローの実行に10時間以上費やす必要があります。2024年のLLM最適化ドメインは、古いサードパーティ資料では十分にカバーされていないため、受験者はその分野については Microsoft Learn モジュールに頼るべきです。
DP-100 は Associate レベルに位置し、一般的に中程度の難易度とされています。経験豊富なデータサイエンティストにとっては AZ-204 / AI-102 よりも簡単ですが、ML初心者エンジニアにとっては難しいでしょう。データサイエンスの経験がある場合、6〜10週間にわたる60〜100時間の学習時間を計画してください。Python ML が初めての場合は、これよりもかなり長くなります。試験は、多肢選択、複数回答、ドラッグ＆ドロップ（コード補完を含む）、ホットエリア、ケーススタディ形式で、40〜60問が約100分間で行われます。
最も一般的なつまずきは、Azure ML SDK / CLI v2 の具体的な内容です。Microsoft が最近 SDK v1 から v2 へ移行したことにより、多くのサードパーティ学習ガイドが古くなり、古い資料では時代遅れの YAML やコマンド形式が示されている可能性があります。新しいLLM最適化ドメイン（プロンプトフロー、ファインチューニング、評価）は、それ自体の学習曲線があり、DP-100 を古典的なML試験として捉えていた受験者を驚かせる傾向があります。
LLM最適化ドメイン（28%の比重）を追加し、トレーニングジョブとデプロイに関する資料を Azure ML SDK / CLI v2 に合わせて最新化し、Azure AI Foundry の概念を統合した大幅な更新。Microsoft は、試験コードを変更することなく、DP-100 を約12～18か月ごとに更新しています。
Azure ML SDK v1 から SDK / CLI v2 フレームワークに移行し、Azure ML デザイナーに重点を置いた問題が廃止され、MLflow 統合の対象範囲が追加されました。
初回GA（一般提供）。廃止された DP-100（レガシーコード）を置き換えました。当初の概要は、Azure ML デザイナー、AutoML、および SDK v1 に焦点を当てていました。
DP-100 (Microsoft Azure Data Scientist Associate) は、実践的な実務経験とベストプラクティスに関するしっかりとした理解を期待される、中程度の難易度の試験 Associateレベルの試験です。ほとんどの受験者は、アソシエイトレベルの試験に6〜12週間かけて80〜150時間の学習を必要とします。 練習試験で合格基準を安定して上回るスコアを獲得している受験者のほとんどは、初回で合格しています。
ほとんどの受験者は、アソシエイトレベルの試験に6〜12週間かけて80〜150時間の学習を必要とします。 合格までの時間は、これまでの経験によって大きく異なります。基礎となるテクノロジーでの実践的な本番経験を持つエンジニアは通常、より少ない時間で済みますが、プラットフォームに初めて触れる受験者は、この範囲の上限を目安に計画を立てる必要があります。
DP-100は、Azureエコシステムで認められた資格であり、雇用主、リクルーター、クライアントに検証済みの知識を示します。あなたにとって時間と費用をかける価値があるかどうかは、あなたの役割と目標によります。通常、Azureを日常的に扱っている、またはそのような役割に就きたいと考えているクラウドエンジニア、アーキテクト、コンサルタントにとって最も報われる傾向があります。
DP-100の合格点は700 / 1000です。試験には50問の問題が含まれており、所要時間は1 時間 40 分です。
DP-100試験の受験料は$165 USDです。受験料はAzureによって設定されており、地域によって異なる場合があります。予約する前に、常にAzureの公式認定ページで現在の価格を確認してください。
Microsoftロールベース認定は1年後に期限切れになりますが、失効の6か月前からMicrosoft Learnで監督なしのオンライン評価を介して無料で更新できます。
はい。試験はオンライン（プロバイダーのセキュアブラウザを介して監督され、ほとんどの地域で24時間年中無休で利用可能）または営業時間内のピアソンVUE試験センターで対面で受験できます。どちらの形式も同じ問題、時間制限、合格点を使用します。
CertLabProでは、DP-100の練習問題バンクで15の学習モードを提供しています。試験シミュレーションモードは、実際の試験を反映しており、1 時間 40 分で50問、合格基準は700 / 1000と同じです。ブラウズモードでは、すべてのQ&Aを静的に読むことができます。