Professional Data Engineer

認定試験ガイド

Professional Data Engineer は、データを収集、変換、公開して、データに基づく意思決定ができるようにします。Data Engineer には、セキュリティとコンプライアンス、スケーラビリティと効率性、信頼性と忠実性、柔軟性とポータビリティに特に重点を置いて、データ処理システムの設計、構築、運用化、保護、モニタリングを行う能力が必要です。また、既存の機械学習モデルの活用、デプロイ、継続的なトレーニングもできなければなりません。

登録

1. データ処理システムの設計

    1.1 適切なストレージ テクノロジーを選択する。以下のような点を考察します。

    • ストレージ システムとビジネス要件のマッピング
    • データ モデリング
    • レイテンシ、スループット、トランザクションに関係するトレードオフ
    • 分散システム
    • スキーマの設計

    1.2 データ パイプラインを設計する。以下のような点を考察します。

    • データの公開と可視化（例: BigQuery）
    • データのバッチとストリーミング（例: Cloud Dataflow、Cloud Dataproc、Apache Beam、Apache Spark / Hadoop エコシステム、Cloud Pub/Sub、Apache Kafka）
    • オンライン（インタラクティブ）とバッチ予測
    • ジョブの自動化とオーケストレーション（例: Cloud Composer）

    1.3 データ処理ソリューションを設計する。以下のような点を考察します。

    • インフラストラクチャの選択
    • システムの可用性とフォールト トレランス
    • 分散システムの使用
    • キャパシティ プランニング
    • ハイブリッド クラウドとエッジ コンピューティング
    • アーキテクチャの種類（例: メッセージ ブローカー、メッセージ キュー、ミドルウェア、サービス指向型アーキテクチャ、サーバーレス機能）
    • 少なくとも 1 回、順番に、1 回限りなどのイベント処理

    1.4 データ ウェアハウジングとデータ処理を移行する。以下のような点を考察します。

    • 現状認識と将来の設計への移行方法
    • オンプレミスからクラウドへの移行（Data Transfer Service、Transfer Appliance、Cloud Networking）
    • 移行の検証

2. データ処理システムの構築と運用化

    2.1 ストレージ システムの構築、運用を行う。以下のような点を考察します。

    • マネージド サービス（Cloud Bigtable、Cloud Spanner、Cloud SQL、BigQuery、Cloud Storage、Cloud Datastore、Cloud Memorystore）の有効活用
    • ストレージの費用とパフォーマンス
    • データのライフサイクル管理

    2.2 パイプラインの構築、運用を行う。以下のような点を考察します。

    • データ クレンジング
    • バッチとストリーミング
    • 変換
    • データの取得とインポート
    • 新しいデータソースとの統合

    2.3 処理インフラストラクチャの構築、運用を行う。以下のような点を考察します。

    • リソースのプロビジョニング
    • パイプラインのモニタリング
    • パイプラインの調整
    • テストと品質管理

3. 機械学習モデルの運用化

    3.1 事前に構築された ML モデルをサービスとして活用する。以下のような点を考察します。

    • ML API（例: Vision API、Speech API）
    • ML API のカスタマイズ（例: AutoML Vision、AutoML テキスト）
    • 会話体験（例: Dialogflow）

    3.2 ML パイプラインをデプロイする。以下のような点を考察します。

    • 適切なデータの取り込み
    • 機械学習モデル（Cloud Machine Learning Engine、BigQuery ML、Kubeflow、Spark ML）の再トレーニング
    • 継続評価

    3.3 トレーニングとサービスを提供するインフラストラクチャを選択する。以下のような点を考察します。

    • 分散型マシンと単一マシン
    • エッジ コンピューティングの活用
    • ハードウェア アクセラレータ（例: GPU、TPU）

    3.4 機械学習モデルの測定、モニタリング、トラブルシューティングを行う。以下のような点を考察します。

    • 機械学習の用語（例: 特徴、ラベル、モデル、回帰、分類、推奨、教師ありの学習と教師なしの学習、評価指標）
    • 機械学習モデルの依存関係の影響
    • 一般的なエラーの原因（例: データに関する前提条件）

4.ソリューションの品質保証

    4.1 セキュリティとコンプライアンスを考慮して設計する。以下のような点を考察します。

    • ID とアクセス管理（例: Cloud IAM）
    • データ セキュリティ（暗号化、鍵管理）
    • プライバシーの確保（例: Data Loss Prevention API）
    • 法令遵守（例: 医療保険の相互運用性と説明責任に関する法律（HIPAA）、児童オンライン プライバシー保護法（COPPA）、FedRAMP、一般データ保護規則（GDPR））

    4.2 スケーラビリティと効率性を確保する。以下のような点を考察します。

    • テストスイートの構築と実行
    • パイプライン モニタリング（例: Stackdriver）
    • データ表現とデータ処理インフラストラクチャの評価、トラブルシューティング、改良
    • リソースのサイズ変更と自動スケーリング

    4.3 信頼性と忠実性を確保する。以下のような点を考察します。

    • データの準備と品質管理の実施（例: Cloud Dataprep）
    • 検証とモニタリング
    • データ復旧の計画、実施、ストレステスト（フォールト トレランス、失敗したジョブの再実行、遡及的再分析の実行）
    • ACID、べき等性、結果整合性の要件から選択

    4.4 柔軟性とポータビリティを確保する。以下のような点を考察します。

    • 現在と将来のビジネス要件へのマッピング
    • データとアプリケーションのポータビリティを考慮した設計（例: マルチクラウド、データ所在地の要件）
    • データのステージング、カタログ化、発見