Professional Machine Learning Engineer
Professional Machine Learning (ML) Engineer 使用 Google Cloud 功能和传统机器学习方法知识来构建、评估、生产化和优化 AI 解决方案。 ML Engineer 负责处理大型复杂数据集，并创建可重复、可重用的代码。ML Engineer 负责基于基础模型设计和实施 AI 解决方案。ML Engineer 会考虑 Responsible AI 实践，并与其他职位上的人员密切合作，以确保基于 AI 的应用取得长期成功。 ML Engineer 需要具备出色的编程技能，并熟悉数据平台和分布式数据处理工具。ML Engineer 精通模型架构、数据和机器学习流水线创建、MLOps 以及指标解读等领域。ML Engineer 熟悉提示和上下文工程、应用开发、基础架构管理、数据工程和数据治理的基础概念。ML Engineer 能帮助组织内的各个团队使用 AI 解决方案。通过训练、重新训练、部署、安排、调优、监控和改进传统 AI 模型和生成式 AI (Gen AI) 模型，ML Engineer 可以设计和创建可扩缩的高性能解决方案。
*注意：本考试不直接评估编程技能。 如果您至少精通 Python 和 SQL，应该能够无障碍地解读任何包含代码段的问题。
Professional Machine Learning Engineer 考试将评估您在以下方面的能力：
- 设计低代码 AI 解决方案
- 在团队内部和团队之间开展协作，管理数据和模型
- 将原型扩缩为机器学习模型
- 部署和扩缩模型
- 自动执行和编排机器学习流水线
- 监控 AI 解决方案
本考试已更新，以反映从 Vertex AI 到 Gemini Enterprise Agent Platform 的过渡、Google Cloud 的数据和分析堆栈的更新，并优先考虑 Google Cloud 原生解决方案。请参阅新考试指南，了解新考试所涵盖的产品。
考试概况
第 1 步：获取实际经验
在尝试参加 Machine Learning Engineer 考试之前，建议您具有 3 年以上实际使用 Google Cloud 产品和解决方案的经验。 准备好开始构建项目了吗？浏览 Google Cloud 免费层级，获享部分产品的免费用量（不超过每月限额）。
第 4 步：通过培训来完善技能
探索 Google Cloud 文档，深入了解 Google Cloud 的概念和重要组件。
了解如何使用 Official Google Cloud Certified Professional Machine Learning Engineer Study Guide 在 Google Cloud 上设计、训练、构建、部署和运行安全的机器学习应用。 本指南使用真实场景演示了如何使用 Vertex AI 平台和 TensorFlow、Kubeflow、AutoML 等技术，以及何时选择预训练模型或自定义模型的最佳实践。