Microsoft Azure Data Scientist Associate参考書
Azure Machine Learning で機械学習ソリューションを設計・実装するアソシエイト資格（DP-100）。
Microsoft Azure Data Scientist Associate（DP-100）について
Microsoft Azure Data Scientist Associate（DP-100）は、Microsoft が提供するアソシエイトレベルの認定資格です。このページでは、試験範囲を全 3 章・7 節の参考書として体系的に解説し、本番形式の練習問題で理解度を確認できます。下の章一覧から順に読み進め、「問題集で演習する」で実力を試すのが効率的な学習の流れです。
試験で問われる分野（出題範囲の目安）
- 機械学習ソリューションの設計と準備約 23%
- データの探索とモデルの学習約 38%
- デプロイのためのモデル準備約 24%
- モデルのデプロイと再学習約 15%
配点は本番試験の目安です。各分野は下の章・節で詳しく解説しています。
※ この試験は提供を終了しています（後継：AI-300）。
公式の試験情報：https://learn.microsoft.com/en-us/credentials/certifications/resources/study-guides/dp-100
1機械学習ソリューションの設計と準備
- 1.1Azure Machine Learning ワークスペースとリソース
機械学習の中核基盤 Azure Machine Learning（Azure ML） のワークスペース、コンピューティング（インスタンス/クラスター）、データストア/データアセット、開発環境（Studio・SDK・CLI）を理解します。DP-100 の出発点です。
- 1.2機械学習プロセスと責任ある AI
機械学習の一連の流れ（データ準備→学習→評価→デプロイ→監視）と、自動機械学習（AutoML）・デザイナー・コード（SDK/CLI） の選択、責任ある AI（公平性・説明可能性）を理解します。
- 1.3セキュリティとコスト・コンピューティングの管理
Azure ML の運用面——認証/アクセス（Entra/RBAC・マネージド ID）、シークレット（Key Vault）、ネットワーク、コンピューティングのコスト管理、クォータ——を理解します。安全かつ効率的に ML を運用します。
2データの探索とモデルの学習
- 2.1ジョブの実行とトラッキング（MLflow）
Azure ML の ジョブ（コマンド/スイープ/パイプライン）でモデルを学習し、MLflow によるメトリック/パラメーター/成果物のトラッキング、環境（依存関係）、コンポーネント による再利用を理解します。
- 2.2AutoML とハイパーパラメーター調整
モデルを自動探索する AutoML、ハイパーパラメーター調整（スイープジョブ）——探索空間・サンプリング・早期終了——、評価指標とモデル選択を理解します。最適なモデルを効率よく見つけます。
3モデルのデプロイと再学習
- 3.1モデルの登録とデプロイ（エンドポイント）
学習済みモデルの 登録（モデルレジストリ） と、推論用 エンドポイント——リアルタイムの オンラインエンドポイント とバッチ処理の バッチエンドポイント——へのデプロイを理解します。モデルを実運用に乗せます。
- 3.2監視・再学習と MLOps
デプロイ後の 監視（データドリフト・性能・推論ログ）、再学習の自動化、MLOps（パイプライン・CI/CD・モデルのバージョン管理）を理解します。モデルを継続的に良い状態に保ちます。