Microsoft Azure Data Scientist Associate
225 практических вопросов
Последняя проверка: April 2026
Написаны с нуля по официальному руководству к экзамену Azure
Личные заметки и ссылки на ресурсы для вашего учебного пути
Отслеживайте экзамены, заметки и ресурсы по дням
DP-100 подтверждает повседневные навыки специалиста по данным, работающего с Azure: разработка ML-решений, исследование и подготовка данных, обучение и развертывание моделей в Azure Machine Learning, а также - после обновления 2024 года - оптимизация языковых моделей для AI-приложений. Целевая аудитория - практикующие специалисты по данным и ML-инженеры, которые пишут код на Python для Azure ML SDK / CLI v2 и используют студию Azure ML. Экзамен в большей степени ориентирован на специфическую реализацию в Azure, нежели на классическую статистику или теорию алгоритмов: ожидайте 40-60 вопросов за 100 минут, включая задания типа "перетащить для завершения кода", сценарные задачи и как минимум одно тематическое исследование.
Около 22%. Выбор вычислительных ресурсов и хранилищ для ML-рабочих нагрузок, рабочие области Azure ML, хранилища данных и активы данных, среды, а также вопросы ответственного AI на этапе проектирования.
Около 22%. Записные книжки Azure ML, AutoML для классификации / регрессии / прогнозирования / NLP / CV, дизайнер Azure ML и базовая интеграция MLflow для отслеживания экспериментов.
Самый большой домен классического ML - 28%. Задания на обучение (сценарии и командные задания), распределенное обучение, задания на перебор гиперпараметров, регистрация моделей, управляемые онлайн-конечные точки, пакетные конечные точки и конвейеры.
Новый домен, добавленный в 2024 году, с весом 28%. Prompt flow, дообучение базовых моделей в Azure ML / Azure AI Foundry, оценка LLM-приложений, паттерны RAG и механизмы ответственного AI для генеративных сценариев.
Сервисы, с которыми вы столкнётесь на экзамене, и почему каждый из них важен.
Комплексная управляемая ML-платформа - рабочие области, вычисления, хранилища данных, среды, задания, реестры и управляемые конечные точки инференса на протяжении всего жизненного цикла.
Почему он на экзамене: Azure ML - это зонтичный сервис, охватывающий каждый домен DP-100; ожидайте вопросов о настройке рабочей области, выборе вычислительных ресурсов, версионировании активов и использовании CLI/SDK v2.
Веб-ориентированная рабочая область для Azure ML - ноутбуки, отслеживание экспериментов, браузеры активов, управление вычислениями и развёртывание моделей в один клик.
Почему он на экзамене: Домен 2 (Исследование данных и проведение экспериментов) проверяет Studio как интерфейс для запуска заданий, просмотра метрик выполнения и сравнения экспериментов.
Визуальный интерфейс drag-and-drop для создания, обучения и развёртывания ML-пайплайнов без написания кода, со встроенными модулями наборов данных и преобразований.
Почему он на экзамене: Домен 1 представляет Designer как путь low-code для подготовки данных и сборки обучающих пайплайнов - отличайте его от рабочих процессов SDK/CLI v2.
Автоматизированное обучение, которое перебирает алгоритмы, феатуризацию и гиперпараметры для задач классификации, регрессии, прогнозирования, NLP и компьютерного зрения.
Почему он на экзамене: Домен 3 (Обучение и развёртывание моделей) проверяет AutoML для базовых моделей, выбора моделей в масштабе и выявления лучшего выполнения для регистрации.
Версионированная многошаговая оркестрация для подготовки данных, обучения, оценки и развёртывания - объявляется через YAML-задания или Python SDK v2.
Почему он на экзамене: Сценарии воспроизводимости и повторного использования в Доменах 2 и 3 называют Pipelines каноническим ответом вместо ad-hoc скриптов или ноутбуков.
Реестр версионированных моделей в рамках рабочей области с этапами, тегами и подписанным происхождением до задания обучения и версии набора данных.
Почему он на экзамене: Сценарии продвижения в продакшн в Домене 3 проверяют Model Registry как аудируемую передачу между обучением и развёртыванием инференса.
Управляемые онлайн- (с низкой задержкой в реальном времени) и пакетные конечные точки для хостингового инференса, с разделением трафика, автомасштабированием и управляемым удостоверением.
Почему он на экзамене: Домен 3 часто задаёт вопросы о компромиссах между онлайн- и пакетным режимами и развёртываниях с разделением трафика blue/green - управляемые конечные точки являются названным примитивом.
Единая рабочая область для создания генеративных ИИ-приложений - каталог моделей, дообучение, потоки оценки, оркестрация промтов и интеграция безопасности контента.
Почему он на экзамене: Домен 4 (Оптимизация языковых моделей для ИИ-приложений) основан на AI Foundry как платформе для выбора базовых моделей, дообучения и оценки.
Управляемая платформа Apache Spark + Delta Lake с отслеживанием MLflow, распределённым обучением и тесной интеграцией с Azure ML для крупномасштабной подготовки данных и моделирования.
Почему он на экзамене: В сценариях работы с большими данными в Домене 1 предпочтение отдаётся Databricks для распределённого feature engineering и преобразований PySpark вне вычислительных ресурсов Azure ML.
Единая аналитическая платформа, объединяющая выделенные/бессерверные SQL-пулы, Spark-пулы и пайплайны для подготовки данных в масштабе хранилища, подаваемых в Azure ML.
Почему он на экзамене: Вопросы Домена 1 о корпоративных источниках данных для обучения называют Synapse коннектором источника на стороне хранилища для хранилищ данных Azure ML.
Уровень блочного хранилища с иерархическим пространством имён, оптимизированный для аналитических рабочих нагрузок - хранилище по умолчанию для хранилищ данных Azure ML и обучающих активов.
Почему он на экзамене: Каждый сценарий подготовки данных DP-100 предполагает ADLS Gen2 в качестве основы для данных - регистрация хранилища данных, ACL и политики жизненного цикла появляются в Домене 1.
Управляемый доступ к базовым моделям OpenAI (GPT-4o, GPT-4.1, o-series, моделям эмбеддинга) с дообучением, фильтрами контента и аутентификацией Entra ID.
Почему он на экзамене: Сценарии дообучения, эмбеддинга и prompt-engineering для приложений языковых моделей в Домене 4 основаны на Azure OpenAI Service.
Нативный сервер отслеживания MLflow внутри каждой рабочей области Azure ML - регистрируйте параметры, метрики, артефакты и модели с помощью открытого MLflow SDK.
Почему он на экзамене: Вопросы отслеживания экспериментов в Домене 2 называют MLflow каноническим API; ожидайте отвлекающие варианты, сравнивающие MLflow autolog с ручным захватом выходных данных задания.
Управляемые вычислительные кластеры (CPU/GPU), вычислительные инстансы и бессерверные опции обучения с автомасштабированием, ценообразованием с низким приоритетом и спотовыми уровнями.
Почему он на экзамене: Сценарии обучения в Домене 3 проверяют выбор CPU-vs-GPU, размер кластера для распределённого обучения и планирование квот для перебора гиперпараметров.
Визуальное и code-first создание рабочих процессов LLM - шаблоны промтов, цепочки вызовов инструментов, потоки оценки и пакетная оценка по тестовым наборам.
Почему он на экзамене: Сценарии RAG, prompt-engineering и оценки в Домене 4 тестируются через Prompt Flow как поверхность для создания production-grade решений.
Бессерверные event-driven вычисления для легковесного инференса в реальном времени, постобработки вывода модели и встраивания вызовов Azure ML в бизнес-процессы.
Почему он на экзамене: Вопросы о паттернах развёртывания в Домене 3 различают управляемые онлайн-конечные точки от кастомного инференса на базе Functions по причинам холодного старта, размера полезной нагрузки или стоимости.
Платформа идентификации, предоставляющая аутентификацию для пользователей/субъектов-служб, управляемые удостоверения, роли RBAC и условный доступ для каждого ресурса Azure ML.
Почему он на экзамене: Сценарии настройки рабочей области в Домене 1 и управления доступом к развёртыванию в Домене 3 называют управляемые удостоверения Entra ID нативным для AAD способом авторизации вычислений и конечных точек.
Управляемое хранилище секретов, ключей и сертификатов для строк подключения, ключей API моделей и управляемых клиентом ключей, защищающих обучающие данные и артефакты.
Почему он на экзамене: Шифрование данных рабочей области Azure ML с помощью управляемых клиентом ключей и получение секретов из обучающих заданий - оба сценария называют Key Vault ответом в Домене 1.
Метрики, логи, оповещения и покрытие Application Insights для конечных точек Azure ML, обучающих заданий и сигналов дрейфа данных через рабочие области Log Analytics.
Почему он на экзамене: Сценарии производственного мониторинга в Домене 3 проверяют Azure Monitor + Log Analytics для оповещений о задержках/ошибках конечных точек и вывода обнаружений дрейфа моделей для операционных команд.
Унифицированное управление данными для сканирования хранилищ данных, классификации конфиденциальных данных, отображения происхождения и применения политик доступа по всему аналитическому ландшафту.
Почему он на экзамене: Вопросы ответственного ИИ и управления данными в Доменах 1 и 4 ссылаются на Purview для происхождения обучающих данных, классификации PII и шлюзов выпуска моделей с учётом происхождения.
$115k-$165k-$230k USD годовая
Диапазон охватывает специалистов по данным среднего и высшего звена в США, для которых требуется знание Azure ML. Прикладные научные сотрудники FAANG / единорогов часто получают более $300 тыс. TC. Сертификат является сигналом для отбора; подтвержденный опыт моделирования и наличие публикаций / профиля на Kaggle / в open-source проектах определяют высокий уровень зарплаты.
Источник: данные levels.fyi за 2025 год для ролей специалиста по данным / ML-инженера, U.S. BLS OEWS май 2024 (15-2051 специалисты по данным, 15-2099 ML-специалисты), Glassdoor 2025. Цифры приблизительны; фактическая компенсация зависит от роли, региона и опыта.
DP-100 сохраняет стабильный спрос по мере того, как предприятия внедряют ML в Azure ML и все чаще в Azure AI Foundry. Рекрутеры рассматривают его как каноническое подтверждение владения Azure ML - наиболее полезное для специалистов по данным, которым необходимо продемонстрировать, что они могут развертывать решения за пределами записных книжек в управляемые конечные точки и конвейеры. Домен оптимизации LLM, добавленный в 2024 году, также сделал DP-100 более привлекательным для GenAI-инженеров. Он естественно сочетается с AI-102 для инженеров, создающих производственные GenAI-приложения, и с DP-203 / DP-700 для ML-специалистов с уклоном в инженерию данных.
Формальных требований нет, но DP-100 предполагает наличие навыков специалиста по данным на уровне практика. В плане Microsoft ожидается свободное владение Python, стеком scikit-learn / pandas / NumPy и основным рабочим процессом ML (разделение, обучение, оценка, развертывание). DP-900 является полезной концептуальной подготовкой для кандидатов, незнакомых с Azure data services, но не обязателен.
Официальный путь Microsoft Learn охватывает все четыре домена примерно за 30-40 часов, с акцентом на Azure ML SDK / CLI v2 и prompt flow. Практический опыт по сути обязателен: личная подписка Azure с небольшой рабочей областью Azure ML, плюс 10+ часов запуска реальных заданий на обучение, развертывания моделей и выполнения prompt-flow. Домен оптимизации LLM 2024 года недостаточно освещен в старых сторонних материалах, поэтому кандидатам следует полагаться на модули Microsoft Learn для этой области.
DP-100 относится к уровню Associate и обычно считается умеренно сложным - легче, чем AZ-204 / AI-102 для опытных специалистов по данным, но сложнее для инженеров, незнакомых с ML. Планируйте 60-100 часов обучения в течение 6-10 недель при наличии предыдущего опыта в области данных; значительно дольше, если Python ML для вас в новинку. Экзамен длится около 100 минут и включает 40-60 вопросов в форматах множественного выбора, множественного ответа, перетаскивания (включая завершение кода), горячих зон и тематических исследований.
Наиболее распространенной проблемой являются особенности Azure ML SDK / CLI v2 - недавний переход Microsoft с SDK v1 на v2 нарушил многие сторонние учебные пособия, поэтому старые материалы могут содержать устаревшие формы YAML и команд. Новый домен оптимизации LLM (prompt flow, дообучение, оценка) имеет свою собственную кривую обучения и склонен удивлять кандидатов, которые рассматривали DP-100 как экзамен по классическому ML.
Крупное обновление, добавившее домен оптимизации LLM (вес 28%), модернизировавшее материалы по заданиям на обучение и развертыванию до Azure ML SDK / CLI v2 и интегрировавшее концепции Azure AI Foundry. Microsoft обновляет DP-100 примерно каждые 12-18 месяцев без изменения кода экзамена.
Переход от фреймворка Azure ML SDK v1 к SDK / CLI v2, удаление вопросов, сильно зависящих от дизайнера Azure ML, и добавление охвата интеграции MLflow.
Первоначальный общий доступ (GA), заменивший устаревший DP-100 (старый код). Исходный план был сосредоточен на дизайнере Azure ML, AutoML и SDK v1.
Это сертификация Microsoft уровня Associate для выполнения задач машинного обучения в Azure - проектирования и подготовки ML-решений, обучения и оценки моделей, а также их развертывания и управления, в основном с использованием Azure Machine Learning. Экзамен состоит примерно из 50 вопросов, длится 100 минут, проходной балл - 700 из 1000. Полный объем см. в центре DP-100.
Умеренный, и он предполагает реальное знакомство с data-science и Python/ML, а также практический опыт работы с Azure Machine Learning - это меньше о теории ML и больше о ее применении в Azure (конвейеры, вычисления, развертывание, MLOps). Если у вас есть опыт в data-science, это справедливо; без него обе половины требуют изучения. Практические вопросы с объяснениями указывают на пробелы.
Да, если вы data scientist или ML-специалист, работающий с Azure - она подтверждает практические навыки по созданию и эксплуатации моделей в Azure ML, чем эти роли фактически и занимаются. Она специализированная, поэтому наиболее ценна, когда вы уже работаете или движетесь к роли data-science; посмотрите, как она сравнивается в нашем Отчете о состоянии сертификаций.
DP-100 актуальна - она остается экзаменом Microsoft Azure Data Scientist Associate, поддерживаемым в актуальном состоянии по мере развития Azure Machine Learning. Microsoft периодически обновляет свои цели (что нормально для ролевых сертификаций), поэтому изучайте последние опубликованные требования к навыкам, но она не была отозвана.
Он построен на вопросах с множественным выбором, множественным ответом и ситуационных заданиях; живая лабораторная работа может появиться, но Microsoft ротирует лабораторные работы. В любом случае, экзамен контролируется и проходит без использования сторонних материалов - никаких заметок, IDE или интернета - поэтому практический опыт работы с Azure ML заранее является лучшей подготовкой.
Да - срок ее действия истекает через 12 месяцев после получения, ее можно бесплатно продлить с помощью короткого, неконтролируемого онлайн-теста на Microsoft Learn, который становится доступным за шесть месяцев до истечения срока. Успешное прохождение продлевает сертификацию еще на один год без повторного экзамена или платы.
Получите практический опыт работы с Azure Machine Learning - подготовка данных, обучение, настройка гиперпараметров, развертывание и конвейеры MLOps - и при необходимости закрепите основы Python/ML, затем отработайте ситуационные вопросы. Наш банк вопросов DP-100 охватывает все домены с объяснениями, а практическая лаборатория закрепляет рабочий процесс Azure ML, который проверяется на экзамене.
DP-100 (Microsoft Azure Data Scientist Associate) - это Associate-уровневый экзамен, экзамен средней сложности, требующий практического опыта и глубокого понимания лучших практик. Большинству кандидатов требуется 80-150 часов обучения, распределенных на 6-12 недель, для экзаменов уровня Associate. Большинство кандидатов, которые стабильно набирают баллы выше проходного порога на пробных экзаменах, сдают его с первой попытки.
Большинству кандидатов требуется 80-150 часов обучения, распределенных на 6-12 недель, для экзаменов уровня Associate. Время, необходимое для сдачи, сильно варьируется в зависимости от предыдущего опыта. Инженерам с практическим опытом работы с базовой технологией обычно требуется меньше времени; кандидатам, новым для платформы, следует ориентироваться на верхнюю границу этого диапазона.
Да - для облачных инженеров, архитекторов и консультантов, работающих с Azure, DP-100 обычно стоит усилий. Это признанный сертификат, подтверждающий проверенные знания перед работодателями, рекрутерами и клиентами; окупятся ли время и стоимость лично для вас, зависит от вашей роли и целей.
Проходной балл для DP-100 составляет 700 / 1000. Экзамен содержит 50 вопросов и длится 1 ч 40 мин.
Стоимость экзамена DP-100 составляет $165 USD. Сборы устанавливаются Azure и могут варьироваться в зависимости от региона; всегда уточняйте текущую цену на официальной странице сертификации Azure перед бронированием.
Сертификации Microsoft, основанные на ролях, истекают через 1 год, но могут быть бесплатно продлены с помощью непроверяемого онлайн-оценки на Microsoft Learn, начиная за 6 месяцев до истечения срока действия.
Да. Вы можете сдать экзамен онлайн (с прокторингом через безопасный браузер провайдера, доступный 24/7 в большинстве регионов) или в очном центре тестирования Pearson VUE в рабочее время. Оба формата используют одни и те же вопросы, ограничение по времени и проходной балл.
Режим симуляции экзамена DP-100 на CertLabPro воспроизводит настоящий экзамен: 50 вопросов за 1 ч 40 мин, с тем же проходным порогом 700 / 1000. Также вам доступно всего 15 режимов обучения, а режим «Обзор» статически показывает каждый вопрос с ответом и пояснением.
$115k-$230k USD - типичный диапазон зарплат в США для ролей, ценящих DP-100, по данным данные levels.fyi за 2025 год для ролей специалиста по данным / ML-инженера, U.S. BLS OEWS май 2024 (15-2051 специалисты по данным, 15-2099 ML-специалисты), Glassdoor 2025. Фактическая оплата зависит от уровня, местоположения и должности: senior- и архитекторские роли выше, начальные - ниже.
Да - месяц сосредоточенной подготовки реалистичен для большинства кандидатов. Большинству кандидатов требуется 80-150 часов обучения, распределенных на 6-12 недель, для экзаменов уровня Associate. Если платформа Azure для вас новая, заложите больше времени; с практическим опытом может понадобиться меньше.
Немного практического опыта с Azure помогает, но DP-100 по силам мотивированным новичкам, которые сначала изучают основы.