Professional Machine Learning Engineer
Un Professional Machine Learning (ML) Engineer crea, valuta, implementa in produzione e ottimizza soluzioni di AI utilizzando le funzionalità di Google Cloud e la conoscenza degli approcci ML convenzionali. Questo ruolo gestisce set di dati complessi e di grandi dimensioni e crea codice ripetibile e riutilizzabile. Progetta e rende operative soluzioni di AI basate su foundation model. Considera le pratiche di AI responsabile e collabora a stretto contatto con altri ruoli professionali per garantire il successo a lungo termine delle applicazioni basate sull'AI. Ha solide competenze di programmazione ed esperienza con piattaforme di dati e strumenti di elaborazione dei dati distribuiti. Questa figura è esperta nelle aree dell'architettura dei modelli, della creazione di pipeline di dati e ML, di MLOps e dell'interpretazione delle metriche. Ha familiarità con i concetti fondamentali di prompt engineering e motore contestuale, sviluppo di applicazioni, gestione dell'infrastruttura, data engineering e governance dei dati. Consente ai team di tutta l'organizzazione di utilizzare soluzioni di AI. Addestrando, riaddestrando, eseguendo il deployment, pianificando, ottimizzando, monitorando e migliorando i modelli di AI tradizionale e generativa, progetta e crea soluzioni scalabili e performanti.
* Nota: l'esame non valuta direttamente le competenze di programmazione. Se hai una conoscenza minima di Python e SQL, dovresti essere in grado di interpretare qualsiasi domanda con snippet di codice.
L'esame di Professional Machine Learning Engineer valuta la tua capacità di:
- Progettare soluzioni di AI low-code
- Collaborare all'interno e tra i team per gestire dati e modelli
- Scalare i prototipi in modelli ML
- Distribuire e scalare i modelli
- Automatizzare e orchestrare le pipeline ML
- Monitorare le soluzioni di AI
Questo esame è stato aggiornato per riflettere la transizione da Vertex AI a Gemini Enterprise Agent Platform, gli aggiornamenti allo stack di dati e analisi di Google Cloud e dà la priorità alle soluzioni native di Google Cloud. Consulta la nuova guida all'esame per i prodotti trattati nel nuovo esame.
Informazioni su questo esame di certificazione
Durata: 2 ore.
Quota di registrazione: 200 $ (più le tasse, se applicabili)
Lingue: inglese, giapponese
Formato dell'esame: 50-60 domande a scelta multipla e a selezione multipla
Metodo di svolgimento dell'esame:
a. Esame con supervisione online da remoto; rivedi i requisiti dell'esame online.
b. Esame con supervisione in loco presso una sede di esame; individua una sede di esame nelle tue vicinanze.
Prerequisiti: nessuno.
Esperienza consigliata: almeno 3 anni di esperienza nel settore, di cui almeno uno nella progettazione e gestione di soluzioni utilizzando Google Cloud.
Rinnovo della certificazione: i candidati possono rinnovare la certificazione entro il periodo di idoneità al rinnovo. Per ulteriori informazioni sulla procedura di rinnovo, sul periodo di idoneità e sulle tempistiche di validità della certificazione, consulta le domande frequenti sul rinnovo di seguito.
Panoramica dell'esame
Passaggio 1: fai esperienza pratica
Prima di sostenere l'esame di Machine Learning Engineer, ti consigliamo di acquisire almeno 3 anni di esperienza pratica con i prodotti e le soluzioni Google Cloud. È tutto pronto per iniziare a creare? Scopri il Livello senza costi di Google Cloud per informazioni sull'utilizzo senza costi (fino ai limiti mensili) di prodotti specifici.
Passaggio 2: comprendi in cosa consiste l'esame
La guida all'esame contiene un elenco completo degli argomenti che possono essere inclusi nell'esame. Consulta la guida all'esame per determinare se le tue conoscenze sono in linea con gli argomenti dell'esame.
Passaggio 3: rivedi le domande di esempio
Familiarizza con il formato delle domande e con i contenuti di esempio che potrebbero essere inclusi nell'esame di Machine Learning Engineer.
Passaggio 4: completa le tue competenze con la formazione
Preparati all'esame seguendo il percorso di apprendimento per Machine Learning Engineer. Esplora la formazione online, le lezioni in presenza, i lab pratici e altre risorse fornite da Google Cloud.
Preparati all'esame con Googler ed esperti certificati. Ottieni suggerimenti utili per l'esame e ascolta gli insight degli esperti del settore.
Esplora la documentazione di Google Cloud per leggere le discussioni approfondite sui concetti e sui componenti critici di Google Cloud.
Scopri come progettare, addestrare, creare, eseguire il deployment e rendere operative applicazioni ML sicure su Google Cloud utilizzando la Guida ufficiale allo studio per diventare Professional Machine Learning Engineer come Utente certificato Google Cloud. Questa guida utilizza scenari reali per dimostrare come utilizzare la piattaforma e le tecnologie Vertex AI come TensorFlow, Kubeflow e AutoML, nonché le best practice su quando scegliere un modello preaddestrato o personalizzato.
Passaggio 6: pianifica un esame
Registrati e seleziona l'opzione per sostenere l'esame da remoto o presso una sede di esame nelle vicinanze.
Esamina i Termini e condizioni dell'esame e le norme sulla condivisione dei dati.