C1000-177

Visão geral

O IBM Certified watsonx Data Scientist - Associate (C1000-177) valida que um candidato é capaz de conduzir um projeto de ciência de dados de ponta a ponta na pilha IBM watsonx e Watson Studio: enquadrar o problema de negócio, executar análise exploratória de dados, preparar e realizar engenharia de features, e então selecionar, treinar e avaliar modelos. É direcionado a cientistas de dados praticantes e aspirantes que trabalham em Jupyter notebooks com Python, pandas e scikit-learn, e que usam ferramentas IBM como Watson Studio, SPSS Modeler e AutoAI. O exame é de nível associado, entregue através da Pearson VUE por US$ 200, com aproximadamente 60 questões de múltipla escolha, uma pontuação de aprovação próxima de 70% e validade de três anos. O pré-processamento e a engenharia de features têm o maior peso, então o teste recompensa a fluência prática em manipulação de dados em vez da teoria.

Domínios do exame

• Evaluate the Business Problem16%

  Ponderado em 16%. Abrange a tradução de uma solicitação de stakeholder em uma tarefa de ciência de dados bem definida - distinguindo enquadramento supervisionado vs. não supervisionado, classificação vs. regressão vs. agrupamento, e a escolha de uma métrica de sucesso ligada ao valor de negócio. Espere questões sobre o entendimento de negócio do CRISP-DM, definição da variável alvo, escopo de disponibilidade de dados e reconhecimento de quando um problema não é um problema de machine learning.

• Perform Exploratory Data Analysis21%

  Ponderado em 21%. Testa análise univariada e bivariada, estatísticas descritivas, formato de distribuição, correlação, detecção de outliers e anomalias, e escolhas de visualização (histograma, box plot, scatter, heatmap). As questões investigam como ler um `describe()` do pandas, interpretar assimetria/curtose, identificar problemas de qualidade de dados e usar os recursos de gráficos do Watson Studio / Jupyter para formar hipóteses antes da modelagem.

• Development Tools and Techniques13%

  Ponderado em 13% - o domínio mais leve. Foca no ambiente watsonx e Watson Studio: projetos e assets, Jupyter notebooks e runtimes, Python com pandas/NumPy/scikit-learn/matplotlib, SPSS Modeler flows, AutoAI experiments e gerenciamento de versão/assets. Espere questões práticas sobre onde uma ferramenta se encaixa, reprodutibilidade e como escolher entre notebooks code-first e low-code flows.

• Pre-Processing and Feature Engineering33%

  O domínio mais pesado, com 33% - aproximadamente um terço do exame. Abrange o tratamento de valores ausentes, codificação de variáveis categóricas (one-hot, label, target), escalonamento e normalização, binning, transformações log/potência, tratamento de outliers, lidar com desequilíbrio de classes (SMOTE, reamostragem), criação e seleção de features, redução de dimensionalidade (PCA) e prevenção de data leakage. Domine os scikit-learn transformers, pipelines e a disciplina de train/transform; este domínio decide a maioria dos resultados de aprovação/reprovação.

• Model Selection, Training, and Evaluation17%

  Ponderado em 17%. Abrange a escolha do algoritmo para a tarefa, o trade-off bias-variance, divisões train/validation/test, cross-validation, ajuste de hiperparâmetros (grid/random search) e métricas - accuracy, precision, recall, F1, ROC-AUC, confusion matrix para classificação; RMSE, MAE, R² para regressão. Espere questões sobre diagnóstico de overfitting/underfitting, escolha de métricas sob desequilíbrio de classes e uso de leaderboards do AutoAI para comparar modelos candidatos.

Impacto na carreira

Pré-requisitos e caminho recomendado

Dificuldade e tempo de estudo

Histórico de versões do exame

• C1000-1772024-01

  IBM Certified watsonx Data Scientist - Associate. Aproximadamente 60 questões de múltipla escolha, ~90 minutos, pontuação de aprovação ~70%, US$ 200, entregue via Pearson VUE (online ou centro de testes). Abrange enquadramento do problema de negócio, EDA, ferramentas watsonx/Watson Studio, pré-processamento e engenharia de features (domínio mais pesado), e seleção, treinamento e avaliação de modelos. Validade de três anos.