DP-100-voorbereiding draait om het selecteren van studiemateriaal dat actueel, examengericht en praktisch genoeg is voor data scientists die met Azure Machine Learning werken.
DP-100 is het Microsoft-examen voor de rol Azure Data Scientist Associate en richt zich op het ontwerpen en implementeren van data science-oplossingen met Azure Machine Learning. De voorbereiding vraagt daarom meer dan theorie over modellen; kandidaten moeten begrijpen hoe data, compute, environments, training jobs, pipelines, registries en endpoints samenkomen in een werkbare ML-lifecycle.
Deze gids is herzien met Azure Machine Learning SDK v2 als uitgangspunt. Dat is belangrijk, omdat veel oudere notebooks, blogposts en voorbeelden nog SDK v1 gebruiken. Wie tijdens de voorbereiding beide stijlen door elkaar gebruikt, leert vaak wel losse commando’s, maar bouwt minder gevoel op voor de manier waarop de huidige Azure ML-ervaring resources, jobs en deployments structureert.
Waar DP-100 echt over gaat
DP-100 toetst of een kandidaat een machine learning-oplossing op Azure kan voorbereiden, trainen, evalueren, implementeren en beheren. De nadruk ligt op de data scientist-rol: experimenteren met data, modellen trainen, runs volgen, modellen registreren en ze beschikbaar maken voor batch- of online inferentie.
Dat maakt DP-100 anders dan AI-102. DP-100 past bij professionals die modellen ontwikkelen en ML-workflows beheren; AI-102 past meer bij Azure AI Engineers die AI-oplossingen en applicaties bouwen met Azure AI-services. Wie twijfelt tussen beide examens, doet er goed aan eerst naar de dagelijkse werkzaamheden te kijken: modelontwikkeling en ML lifecycle-management wijzen richting DP-100, terwijl application engineering met bestaande AI-services eerder bij AI-102 hoort.
De officiële Microsoft Learn-pagina voor DP-100 blijft het vertrekpunt voor examendetails. Daar staan de actuele skills outline, inschrijfinformatie, taalopties, vraagtypen en beleidsinformatie zoals retakes. Omdat Microsoft examendoelen kan bijwerken, hoort de skills outline leidend te zijn voor het studieplan en niet een willekeurige samenvatting uit een oudere cursus of repository.
Een studieplan dat theorie koppelt aan labs
Een goede voorbereiding begint met het vertalen van de skills outline naar concrete labs. Kandidaten die alleen oefenvragen maken, missen vaak de context achter scenario-vragen. Kandidaten die alleen experimenteren in Azure ML zonder examenkader, besteden juist te veel tijd aan randzaken die niet of nauwelijks worden getoetst.
Een werkbaar plan combineert korte theorierondes met herhaalbare oefeningen. Start met een Azure ML workspace, een kleine dataset en een eenvoudig model. Breid daarna pas uit naar pipelines, MLflow-tracking, environments, modelregistratie en endpoints. Zo ontstaat een herkenbare route van experiment naar beheerbare deployment.
Wie begeleide voorbereiding zoekt, kan een Azure Data Scientist-training gebruiken als structuur voor labs en examenvoorbereiding. De meerwaarde zit vooral in het gefaseerd oefenen: eerst begrijpen wat Azure ML doet, daarna pas versnellen met examengerichte herhaling.
Voor teams is het verstandig om dezelfde labomgeving, naming conventions en repositorystructuur te gebruiken. Dat voorkomt dat iedere deelnemer eigen workarounds leert en maakt nabespreking eenvoudiger. Een overzicht van bredere Microsoft-trainingstrajecten kan helpen wanneer DP-100 onderdeel is van een groter Azure- of data-platformleerpad.
Azure ML SDK v2 als vaste basis
Een veelgemaakte fout is het kopiëren van oudere SDK v1-fragmenten in een SDK v2-project. In SDK v2 worden jobs, components, environments en endpoints declaratiever benaderd, vaak met YAML of met de moderne Python SDK. Dat sluit beter aan op reproduceerbare pipelines en lifecycle-beheer.
Voor DP-100 is het niet nodig om ieder detail van beide SDK-generaties te kennen. Het is praktischer om één pad te kiezen, bij voorkeur SDK v2, en oudere voorbeelden alleen te herkennen wanneer ze opduiken in documentatie of repositories. Zo blijft het mentale model helder: definieer assets, voer jobs uit, track resultaten, registreer modellen en deploy naar het juiste endpointtype.
Een tweede aandachtspunt is dependency management. Kandidaten testen soms lokaal met een willekeurige Python-omgeving en verplaatsen daarna code naar Azure ML, waarna scoring scripts of training jobs falen door ontbrekende packages. Definieer daarom environments met Conda of Docker, pin belangrijke versies en hergebruik dezelfde environment in training en inferentie waar dat logisch is.
Onderstaand voorbeeld laat zien hoe een compacte Azure ML environment in YAML kan worden vastgelegd. Het doel is niet om een volledige productieomgeving te tonen, maar om het principe van reproduceerbare dependencies concreet te maken.
Example — Azure ML environment voor reproduceerbare training
$schema: https://azuremlschemas.azureedge.net/latest/environment.schema.json
name: dp100-sklearn-training
version: 1
image: mcr.microsoft.com/azureml/openmpi4.1.0-ubuntu20.04
conda_file:
channels:
- conda-forge
dependencies:
- python=3.10
- pip=23.3
- pip:
- azure-ai-ml==1.18.0
- mlflow==2.14.0
- scikit-learn==1.5.0
- pandas==2.2.2
- fairlearn==0.10.0
Na registratie kan deze environment in jobs en pipeline components worden hergebruikt. Controleer bij eigen labs altijd of packageversies passen bij de actuele Azure ML-documentatie en bij de notebooks die worden gebruikt, omdat versieverschillen vaak pas zichtbaar worden tijdens scoring of deployment.
Een praktijklab van data naar endpoint
Een nuttig DP-100-lab volgt dezelfde lijn als een echt ML-project. De kandidaat maakt verbinding met data, voert een training job uit, registreert het model, bouwt een pipeline en publiceert inferentie via een endpoint. Die volgorde helpt om examenvragen over losse onderdelen te plaatsen binnen de volledige lifecycle.
Begin met data-toegang. In Azure ML worden datastores vaak gekoppeld aan Azure Storage, maar toegang kan breken door netwerkregels, private endpoints of verkeerd ingestelde identiteiten. Gebruik waar mogelijk managed identities in plaats van secrets in notebooks. Let ook op het verschil tussen mount en download: mount kan handig zijn voor grote datasets, terwijl download eenvoudiger en voorspelbaarder kan zijn bij kleinere trainingssets.
Daarna komt training. Gebruik MLflow om parameters, metrics en artefacten vast te leggen. Dat is niet alleen handig voor vergelijking tussen runs, maar ook voor governance: een model dat niet herleidbaar is naar data, code, environment en metrics is lastig te beoordelen en moeilijk veilig te promoten.
Het volgende fragment toont hoe een eenvoudige command job met SDK v2 kan worden aangemaakt. In een echt lab worden workspacegegevens meestal via configuratie of identity geregeld; het voorbeeld focust op het leerdoel: een job definiëren met code, command, environment en compute.
Example — training job indienen met Azure ML SDK v2
from azure.ai.ml import MLClient, command
from azure.identity import DefaultAzureCredential
from azure.ai.ml.entities import Environment
ml_client = MLClient.from_config(credential=DefaultAzureCredential())
env = Environment(
name="dp100-sklearn-training",
image="mcr.microsoft.com/azureml/openmpi4.1.0-ubuntu20.04",
conda_file="environment.yml"
)
ml_client.environments.create_or_update(env)
job = command(
code="./src",
command="python train.py --training_data ${{inputs.training_data}}",
inputs={"training_data": "azureml:customer_churn_data:1"},
environment="dp100-sklearn-training:1",
compute="cpu-training-cluster",
experiment_name="dp100-churn-training"
)
submitted_job = ml_client.jobs.create_or_update(job)
print(submitted_job.name)
Dit voorbeeld registreert of actualiseert de environment en dient daarna een training job in. Controleer na uitvoering de metrics, logs en outputartefacten in Azure Machine Learning Studio. Voor DP-100 is vooral belangrijk dat de kandidaat begrijpt waarom deze onderdelen samen reproduceerbaarheid ondersteunen.
Wanneer het model bruikbaar is, hoort het in de registry. Vanuit daar kan het worden ingezet voor online inferentie wanneer een applicatie direct een voorspelling nodig heeft, of voor batch inferentie wanneer grote datasets periodiek gescoord worden. Periodieke retraining kan vervolgens via schedules en pipelines worden georganiseerd, zodat de lifecycle niet eindigt bij de eerste deployment.
Pipelines, registries en lifecycle-beheer
Pipelines zijn belangrijk omdat ze stappen expliciet maken: data preparation, training, evaluatie, registratie en eventueel deployment. In een examencontext verschijnen pipelines vaak in scenario’s waarin reproduceerbaarheid, automatisering of foutdiagnose centraal staat. In projecten leveren ze vooral consistentie op, omdat dezelfde workflow opnieuw kan draaien met andere data of parameters.
Een volwassen DP-100-lab bevat daarom minimaal één pipeline met herbruikbare components. De kandidaat moet kunnen uitleggen welke compute wordt gebruikt, welke environment bij een component hoort en hoe outputs van de ene stap input worden voor de volgende. Zonder dat begrip wordt pipelinekennis al snel syntactisch, terwijl het examen juist praktische keuzes toetst.
Modelregistratie verdient evenveel aandacht. Een model in een registry heeft een versie, metadata en een relatie met de run waaruit het voortkomt. In veel teams worden modellen eerst getest, daarna gepromoot naar een volgende fase en vervolgens gekoppeld aan batch- of online endpoints. Dat lifecycle-denken komt terug in DP-100, ook wanneer de vraag niet expliciet het woord governance gebruikt.
Kostenbeheersing tijdens oefenen
Azure ML-labs kunnen onnodig duur worden wanneer compute blijft draaien of wanneer autoscaling te ruim staat ingesteld. Kostenbeheersing hoort daarom bij de voorbereiding, niet pas bij productie. Kandidaten leren er bovendien beter door nadenken over compute-keuzes, quota en workloadtype.
Zet compute instances uit zodra ze niet worden gebruikt en geef trainingsclusters een beperkte minimum- en maximumcapaciteit. Voor experimentele training kunnen spot- of low-priority-nodes zinvol zijn, zolang de workload onderbrekingen kan verdragen. Test code waar mogelijk lokaal of op kleine samples voordat een volledige job naar Azure ML wordt verplaatst.
Ook data en endpoints vragen aandacht. Online endpoints kunnen kosten veroorzaken zolang de onderliggende compute actief is. Batch endpoints passen beter bij geplande scoring en hoeven niet dezelfde beschikbaarheid te bieden als realtime inferentie. Door dit onderscheid tijdens het oefenen bewust te maken, wordt het makkelijker om examenscenario’s over deploymentkeuzes te beantwoorden.
Responsible AI praktisch voorbereiden
Responsible AI is geen los hoofdstuk dat alleen uit definities bestaat. In DP-100 gaat het om praktische vragen: hoe beoordeelt een kandidaat modelgedrag, welke metrics zijn relevant, hoe worden bias en uitlegbaarheid onderzocht en hoe worden mitigerende stappen gedocumenteerd?
Fairlearn helpt bij fairness-analyse, terwijl InterpretML gebruikt kan worden voor uitlegbaarheid. Binnen Azure Machine Learning kan het Responsible AI-dashboard deze inzichten samenbrengen, zodat modelkwaliteit, foutanalyse, fairness en interpretability beter bespreekbaar worden. Kandidaten moeten vooral begrijpen wat de uitkomsten betekenen en welke vervolgactie past bij een scenario.
Een sterke voorbereiding bevat daarom een korte Responsible AI-run op een bekende dataset. Vergelijk modelprestaties tussen relevante groepen, bekijk feature importance en noteer welke mitigaties mogelijk zijn. Documenteer daarbij niet alleen dat een dashboard is gemaakt, maar ook welke beslissing eruit volgt. Dat maakt het verschil tussen toolkennis en professioneel oordeel.
Examenvoorbereiding zonder ruis
De laatste fase van de voorbereiding draait om selectie. Niet elk Azure ML-onderwerp verdient evenveel aandacht en niet elke fout in een lab is examengerelateerd. Gebruik de officiële skills outline als filter: onderwerpen die daarin terugkomen, krijgen voorrang; interessante platformdetails buiten de outline worden pas later verdiept.
Oefenvragen zijn nuttig wanneer ze worden gebruikt om denkpatronen te testen. Noteer bij elk fout antwoord welke aanname verkeerd was: ging het om compute, data access, pipeline-output, endpointtype, responsible AI of modelregistratie? Die foutcategorieën leveren meer leerwaarde op dan het simpelweg onthouden van een antwoord.
Voor organisaties die meerdere Microsoft-examens plannen, kan onbeperkte Microsoft-training nuttig zijn wanneer DP-100 wordt gecombineerd met Azure administration, data engineering of AI engineering. Houd het leerpad wel rolgericht; te veel parallelle certificeringen vertragen vaak de praktische beheersing van Azure ML.
Veelgestelde vragen over DP-100
Moet een kandidaat al Python kennen voor DP-100?
Ja, praktische Python-kennis is belangrijk. DP-100 draait niet om geavanceerde softwareontwikkeling, maar kandidaten moeten notebooks, training scripts, parameters, environments en SDK v2-voorbeelden kunnen lezen en aanpassen.
Is Azure Machine Learning Studio genoeg om te slagen?
Azure Machine Learning Studio is belangrijk, maar niet voldoende als enige voorbereiding. Kandidaten moeten ook begrijpen hoe jobs, environments, MLflow, registries, pipelines en endpoints programmatisch of declaratief worden beheerd.
Moet de voorbereiding SDK v1 of SDK v2 gebruiken?
Voor nieuwe labs is SDK v2 de verstandigste keuze. Oudere SDK v1-voorbeelden kunnen nog online staan, maar het mengen van beide stijlen maakt de voorbereiding onnodig verwarrend.
Hoe belangrijk is Responsible AI voor het examen?
Responsible AI is belangrijk omdat het terugkomt in modelbeoordeling, fairness, interpretability en besluitvorming rond deployment. Kandidaten moeten tools zoals Fairlearn en InterpretML niet alleen herkennen, maar ook kunnen uitleggen welke actie past bij een uitkomst.
De juiste volgende stap kiezen
Een effectieve DP-100-voorbereiding bouwt van basis naar lifecycle: workspace, data, compute, training, tracking, registry, pipeline, endpoint en Responsible AI. Wie deze onderdelen in één samenhangend lab doorloopt, begrijpt examenvragen sneller omdat de keuzes niet langer abstract zijn.
De meest praktische volgende stap is een klein Azure ML-project kiezen en dit opnieuw opbouwen met SDK v2, vaste environments, MLflow-tracking en een duidelijke keuze tussen batch en online inferentie. Wie daarbij begeleiding of planning nodig heeft, kan contact opnemen met Readynez om een passend DP-100-leerpad te bespreken.
