Professional Machine Learning Engineer
Professional Machine Learning（ML）Engineer は、Google Cloud の機能と一般的な ML アプローチに関する知識を生かして、AI ソリューションを構築、評価、運用化、最適化します。ML エンジニアは、大規模で複雑なデータセットを処理して、再現可能かつ再利用可能なコードを作成します。ML エンジニアは、基盤モデルに基づいて AI ソリューションを設計、運用化します。ML エンジニアは、責任ある AI への取り組みについて検討し、他の職務と密接に連携して、AI ベースのアプリケーションの長期的な成功を確実にします。ML エンジニアには、優れたプログラミング スキルと、データ プラットフォームや分散データ処理ツールに関する経験があります。ML エンジニアは、モデル アーキテクチャ、データと ML のパイプライン作成、MLOps、指標の解釈に精通しています。ML エンジニアは、プロンプト エンジニアリングとコンテキスト エンジニアリング、アプリケーション開発、インフラストラクチャ管理、データ エンジニアリング、データ ガバナンスの基本コンセプトに精通しています。ML エンジニアは、組織全体のチームが AI ソリューションを使用できるようにします。ML エンジニアは、従来の AI モデルと生成 AI（GenAI）モデルのトレーニング、再トレーニング、デプロイ、スケジューリング、チューニング、モニタリング、改善を行い、スケーラブルでパフォーマンスの高いソリューションを設計、作成します。
*注: この試験はコーディングのスキルを直接評価するものではありません。Python と SQL の基礎知識があれば、コード スニペットを含むいかなる質問も読み解くことができるはずです。
Professional Machine Learning Engineer 認定試験では、以下に関する能力が評価されます。
- ローコード AI ソリューションを設計する
- チーム内やチーム間で連携してデータとモデルを管理する
- プロトタイプを ML モデルにスケールする
- モデルのサービングとスケール
- ML パイプラインの自動化とオーケストレーション
この試験は、Vertex AI から Gemini Enterprise Agent Platform への移行と、Google Cloud のデータ分析スタックの更新に伴い、Google Cloud ネイティブ ソリューションを優先するように更新されました。新しい試験でカバーされるプロダクトについては、新しい試験ガイドをご覧ください。
この認定試験について
時間: 2 時間
登録料: $200（税別）
言語: 英語、日本語
試験の形式: 50 ～ 60 問の多肢選択（複数選択）式
試験の実施方法:
a. 遠隔監視オンライン試験を受験する方は、オンライン テストの要件をご確認ください。
b. テストセンターでオンサイト監視試験を受ける方は、お近くのテストセンターをこちらから検索してください。
必須条件: なし
推奨される経験: Google Cloud を使用したソリューションの設計と管理の 1 年以上を含む、3 年以上の業界経験。
認定資格の更新: 認定資格保持者は、更新有効期間内であれば認定資格を更新できます。更新プロセスや認定資格の有効期間の詳細については、以下の更新に関するよくある質問をご覧ください。
試験の概要
ステップ 1: 実務経験を積む
Machine Learning Engineer 試験を受験するには、Google Cloud プロダクトおよびソリューションの実務経験が 3 年以上あることが推奨されます。構築を開始するには、一部のプロダクトの Google Cloud の無料枠を毎月の上限枠まで無料でお試しいただけます。
ステップ 2: 試験内容を理解する
試験ガイドには、試験に出題される可能性があるトピック一覧が掲載されています。ガイドをお読みになり、ご自身のスキルが試験のトピックと一致しているかどうかをご確認ください。
ステップ 4: トレーニングでスキルを完成させる
Machine Learning Engineer の学習プログラムに従って試験に備えましょう。Google Cloud でオンライン トレーニング、対面クラス、ハンズオンラボ、その他さまざまなリソースをご覧ください。
Google Cloud のコンセプトや重要なコンポーネントに関する詳細な説明については、Google Cloud のドキュメントをご覧ください。
Google Cloud Certified Professional Machine Learning Engineer 学習ガイドを使用して、Google Cloud で安全な ML アプリケーションを設計、トレーニング、構築、デプロイ、運用する方法を学習します。このガイドでは、実際のシナリオを使用して、Vertex AI プラットフォームと TensorFlow、Kubeflow、AutoML などのテクノロジーの使用方法と、事前トレーニング済みモデルまたはカスタム モデルを選ぶ際のベストプラクティスを説明します。