Machine Learning in Azure Online Test

The Машинное обучение в Azure makes use of scenario-based questions to test for on-the-job skills as opposed to theoretical knowledge, ensuring that candidates who do well on this screening test have the relavant skills. The questions are designed to covered following on-the-job aspects:

• Понимание оснований Azure Machine Learning
• Методы предварительной обработки данных и очистки с использованием Azure ML
• Инженерная инженерия и выбор с Azure ML
• Создание и оценка моделей машинного обучения в Azure ML
• Работа с различными алгоритмами Azure ML для классификации и регрессии
• Развертывание и управление моделями в Azure ML
• Создание и выполнение трубопроводов Azure ML
• Настройка гиперпараметров в Azure ML
• Использование Azure Automl для автоматического выбора и настройки модели
• Проектирование рабочих процессов машинного обучения с использованием Azure ML Designer

Once the test is sent to a candidate, the candidate receives a link in email to take the test. For each candidate, you will receive a detailed report with skills breakdown and benchmarks to shortlist the top candidates from your pool.

• Подготовка данных и разработка функций

  Подготовка данных и разработка функций включает в себя преобразование необработанных данных в формат, подходящий для моделей ML и создание новых функций для улучшения производительности модели. Этот навык измеряется в тесте, чтобы оценить мастерство кандидата в методах предварительной обработки данных и извлечения объектов. и методы, наряду с оценкой их производительности и точности. Этот навык измеряется в тесте, чтобы оценить способность кандидата построить эффективные модели ML и оценивать их результаты с помощью соответствующих метрик. -Встроенные ML -модели и методы, которые можно использовать для различных типов анализа данных и задач прогнозирования. Этот навык измеряется в тесте, чтобы определить знакомство кандидата с различными алгоритмами ML Azure и их пригодностью для конкретных сценариев. Развертывание моделей ML в производственные среды, мониторинг их производительности и внесение необходимых обновлений и улучшений. Этот навык измеряется в тесте, чтобы оценить понимание кандидата в сквозном жизненном цикле ML и их способности реализовать стратегии развертывания и управления с использованием Azure Ml.

• Pipelines ML ML </h4> < P> Tipelines Azure ML позволяет создавать и оркестровку рабочих процессов ML, автоматизируя шаги, связанные с подготовкой данных, обучением модели и развертыванию. Этот навык измеряется в тесте, чтобы оценить мастерство кандидата в разработке и реализации трубопроводов ML с использованием настройки Azure Ml. ML модель, чтобы максимизировать его производительность и обобщение. Этот навык измеряется в тесте, чтобы оценить знания и опыт кандидата в применении методов для настройки гиперпараметров с использованием Azure Ml. </p> <h4> Azure Automl

  Azure Automl является функцией в Azure ML, который автоматизирует автоматизация. Процесс выбора моделей и настройки гиперпараметрических данных, обеспечивая разработку высокопроизводительных моделей ML с минимальным ручным вмешательством. Этот навык измеряется в тесте, чтобы оценить понимание кандидата Azure Automl и их способность использовать свои возможности для эффективной разработки ML Model. Инструмент без кода в Azure ML, который позволяет пользователям визуально строить, обучать и развертывать модели ML с использованием интерфейса перетаскивания. Этот навык измеряется в тесте, чтобы определить знакомство кандидата с дизайнером Azure ML и их способностью использовать его функциональные возможности для разработки ML Model. Понимание и интерпретация факторов, влияющих на прогнозы, сделанные моделями ML. Этот навык измеряется в тесте, чтобы оценить знания и навыки кандидата в анализе и интерпретации результатов и поведения моделей ML с использованием функций интерпретации Azure ML. Объяснение ML Model занимается объяснением объяснений прогнозов, сделанных моделями ML, помогая укрепить доверие и понимание в процессе принятия решений. Этот навык измеряется в тесте, чтобы оценить мастерство кандидата в использовании функций объяснения модели ML ML для обеспечения прозрачных и интерпретируемых моделей ML. Развертывание обученных моделей ML в качестве веб-сервисов или API, обеспечивая прогнозы в реальном времени и интеграцию с другими приложениями. Этот навык измеряется в тесте, чтобы оценить способность кандидата развертывать модели ML в производственных средах с использованием методов развертывания Azure ML.

• Full list of covered topics

  The actual topics of the questions in the final test will depend on your job description and requirements. However, here's a list of topics you can expect the questions for Машинное обучение в Azure to be based on.

  Azure ML Рабочие пространства

  Azure ML Studio

  Наборы данных Azure ML

  Azure ML Эксперименты

  Предварительная обработка данных

  Функциональная инженерия

  Выбор функций

  Исследовательский анализ данных

  Визуализация данных

  Построение модели

  Оценка модели

  Перекрестная проверка

  Показатели оценки

  Azure ML -алгоритмы

  Контролируемое обучение

  Неконтролируемое обучение

  Алгоритмы классификации

  Алгоритмы регрессии

  Алгоритмы кластеризации

  Сокращение размерности

  Развертывание модели Azure ML

  Развертывание веб -службы

  Модель версий

  Модель мониторинга

  Azure ML Pipelines

  Создание трубопровода

  Планирование трубопровода

  Мониторинг трубопровода

  Настройка гиперпараметра

  Поиск сетки

  Случайный поиск

  Байесовская оптимизация

  Azure Automl

  Автоматизированный выбор модели

  Автоматизированная настройка гиперпараметров

  Автоматизированная инженерия функций

  Azure ML Designer

  Разработка модели перетаскивания

  Пользовательское создание модуля

  Выполнение трубопровода

  Izure ML интерпретируемость

  Особенность важности

  Модель объяснений

  Местная интерпретация

  Глобальная интерпретация

  Объяснение модели Azure ML

  Интерпретируемое машинное обучение

  Объясняемый ИИ

  Контрфактивные объяснения

  Развертывание модели Azure ML

  Azure Kubernetes Service (AKS)

  Azure Container Acces (ACI)

  Понимание приложений

  Управление модели Azure ML

  Модель версий

  Слоты развертывания модели

  Масштаб модели и производительность

  Непрерывная интеграция и развертывание (CI/CD)

• Инженер машинного обучения
• Ученый данных
• Аналитик данных
• ИИ. Инженер
• Инженер-программист
• Инженер данных
• Бизнес-аналитик
• Научный сотрудник
• ИИ консультант
• Исследователь ИИ

For intermediate/ experienced candidates, we customize the assessment questions to include advanced topics and increase the difficulty level of the questions. This might include adding questions on topics like

• Интерпретация и объяснение моделей с использованием интерпретации Azure ML
• Развертывание моделей для производства с развертыванием модели Azure ML
• Понимание данных Dazure DataBricks и его интеграцию с Azure ML
• Использование Azure ML для задач обработки естественного языка (NLP)
• Реализация решений Computer Vision с использованием Azure ML
• Работа с данными временных рядов в Azure ML
• Обработка распределенных вычислений с Azure ML
• Использование Azure ML для обучения подкреплению
• Применение методов обнаружения аномалий в Azure ML