CompTIA DataAI Exam DY0-001

Cílová skupina

Certifikace CompTIA DataAI je ideální pro odborníky, kteří chtějí potvrdit své expertní dovednosti v oblasti datové vědy a analýzy bez ohledu na používané nástroje či platformy konkrétních výrobců. Je určena datovým analytikům, specialistům na business intelligence a všem, kteří se podílejí na rozhodování založeném na datech napříč různými odvětvími.

Struktura kurzu

Matematika a statistika (17 %)

Statistické metody:

• aplikace t-testů, chí-kvadrát testů, analýzy rozptylu (ANOVA), testování hypotéz, regresních metrík, Giniho indexu, entropie, p-hodnoty, ROC křivky a plochy pod křivkou (ROC/AUC), Akaikeho informačního kritéria / Bayesovského informačního kritéria (AIC/BIC) a konfuzní matice.

Pravděpodobnost a modelování:

• vysvětlení rozdělení, šikmosti, špičatosti (kurtózy), heteroskedasticity, hustoty pravděpodobnosti (PDF), pravděpodobnostní hmotnostní funkce (PMF), distribuční funkce (CDF), chybějících hodnot, převzorkování (oversampling) a stratifikace.

Lineární algebra a kalkulus:

• porozumění hodnosti matice (rank), vlastním číslům (eigenvalues), maticovým operacím, metrikám vzdálenosti, parciálním derivacím, řetězovému pravidlu a logaritmům.

Časové modely:

• porovnávání časových řad, analýzy přežití a kauzální inference.

Modelování, analýza a výsledky (24 %)

Metody EDA:

• využívání technik exploratorní analýzy dat (EDA), jako je univariační a multivariační analýza, grafy, vizualizace a identifikace příznaků (feature identification).

Problémy s daty:

• analýza řídkých dat, nelinearity, sezónnosti, granularity a odlehlých hodnot.

Obohacování dat:

• aplikace feature engineeringu, škálování, geokódování a transformace dat.

Iterace modelu:

• návrh, hodnocení, výběr a validace modelu.

Komunikace výsledků:

• tvorba vizualizací, výběr relevantních dat, vyhýbání se zavádějícím grafům a zajištění přístupnosti.

Strojové učení (24 %)

Základní koncepty:

• aplikace ztrátových funkcí, kompromisu bias-variance, regularizace, křížové validace, ansámblových modelů, ladění hyperparametrů a prevence úniku dat (data leakage).

Učení s učitelem:

• aplikace lineární regrese, logistické regrese, k-nejbližších sousedů (KNN), naivního Bayese a asociačních pravidel.

Stromové modely:

• aplikace rozhodovacích stromů, náhodného lesa (random forest), boostingu a bootstrap agregace (bagging).

Hluboké učení:

• vysvětlení umělých neuronových sítí (ANN), dropout, batch normalizace, backpropagation a frameworků pro hluboké učení.

Učení bez učitele:

• vysvětlení shlukování (clustering), redukce dimenzionality a singulárního rozkladu (SVD).

Provoz a procesy (22 %)

Podnikové funkce:

• vysvětlení compliance (souladu s předpisy), klíčových ukazatelů výkonnosti (KPI) a sběru požadavků.

Typy dat:

• vysvětlení generovaných, syntetických a veřejných dat.

Příjem dat (data ingestion):

• porozumění datovým pipeline, streamování, dávkovému zpracování a datové linii (data lineage).

Příprava dat (data wrangling):

• implementace čištění, slučování, imputace a označování referenčních dat (ground truth).

Životní cyklus datové vědy:

• aplikace workflow modelů, verzování, principů čistého kódu a jednotkových testů.

DevOps a MLOps:

• vysvětlení kontinuální integrace / kontinuálního nasazování (CI/CD), nasazení modelů, orchestraci kontejnerů a monitorování výkonu.

Prostředí nasazení:

• porovnání kontejnerizace, cloudového, hybridního, edge a on-premises nasazení.

Specializované aplikace datové vědy (13 %)

Optimalizace:

• porovnání optimalizace s omezeními a bez omezení.

Koncepty NLP:

• vysvětlení technik zpracování přirozeného jazyka (NLP), jako je tokenizace, embeddingy, TF-IDF (term frequency–inverse document frequency), modelování témat a aplikace NLP.

Počítačové vidění:

• vysvětlení optického rozpoznávání znaků (OCR), detekce objektů, sledování objektů a augmentace dat.

Další aplikace:

• vysvětlení grafové analýzy, posilovaného učení (reinforcement learning), detekce podvodů, detekce anomálií, zpracování signálu a dalších oblastí.

Certifikace

• Verze zkoušky: V1
• Kód série zkoušky: DY0-001
• Datum uvedení: 25. července 2024
• Počet otázek: maximálně 90 otázek
• Typy otázek: výběr z možností (multiple-choice) a praktické úlohy (performance-based)
• Délka trvání: 165 minut
• Hodnocení: pouze prospěl/neprospěl (bez bodového skóre)
• Jazyk: angličtina a japonština
• Doporučená praxe: 5 a více let v oblasti datové vědy nebo na podobné pozici
• Ukončení platnosti: obvykle tři roky od uvedení (odhad 2027)