Professional Machine Learning Engineer
專業機器學習工程師會運用 Google Cloud 功能和傳統機器學習方法，來建構、評估並最佳化 AI 解決方案，然後將這些方案發布到正式環境。這類人員負責處理複雜的大型資料集、建立可重複使用的程式碼，以及根據基礎模型來設計並實作生成式 AI 解決方案。為了確保 AI 應用程式能持續發揮良好成效，他們會將負責任的 AI 做法納入考量，與其他工作的負責人員密切合作。機器學習工程師具備紮實的程式設計技能、熟悉資料平台和分散式資料處理工具，並精通模型架構、資料和機器學習管道建立、生成式 AI 和指標解讀等領域。此外，他們還熟悉 MLOps、應用程式開發、基礎架構管理、資料工程和資料治理的基本概念。機器學習工程師能協助組織內的各團隊使用 AI 解決方案，並透過訓練、重新訓練、部署、排程、監控、改良模型，設計並建立可擴充的高效能解決方案。
*注意事項：這項測驗並非直接評估您的程式設計技能， 只要您具備 Python 和 Cloud SQL 的基本專業知識，就能解讀題目中的程式碼片段。
Professional Machine Learning Engineer 測驗旨在評估您是否具備下列能力：
- 建構低程式碼 AI 解決方案
- 與團隊成員和其他團隊合作，來管理資料和模型
- 將原型擴充為機器學習模型
- 提供及擴充模型
- 自動處理及調度管理機器學習管道
- 監控 AI 解決方案
這個版本的 Professional Machine Learning Engineer 測驗涵蓋生成式 AI 相關工作，包括使用 Model Garden 和 Vertex AI Agent Builder 建構 AI 解決方案，以及評估生成式 AI 解決方案。
如要進一步瞭解 Google Cloud 生成式 AI 服務，請查看 Google Cloud Skills Boost 的「生成式 AI 簡介」學習路徑 (適合所有程度的學員)，或「開發生成式 AI 技術」學習路徑 (適合具技術專業知識的學員)。如果您是合作夥伴，請參閱下列生成式 AI 合作夥伴學習課程： 「生成式 AI 簡介」學習路徑、給機器學習工程師的生成式 AI 學習課程，以及「開發生成式 AI 技術」學習路徑。如需其他學習資源，請參閱我們提供的產品專屬生成式 AI 學習課程，例如：使用 Model Garden 探索及評估模型、Vertex AI Agent Builder 學習路徑 (適用於合作夥伴)，以及使用 Vertex AI Agent Builder 整合搜尋與應用程式。
測驗總覽
步驟 1：取得實際經驗
報考 Machine Learning Engineer 測驗前，建議您先檢視自己是否已有 3 年以上的 Google Cloud 產品與解決方案實作經驗。準備好開始培養經驗了嗎？探索 Google Cloud 免費方案，瞭解如何免費使用特定產品 (每個月有配額上限)。
步驟 4：透過訓練課程強化技能
瀏覽 Google Cloud 說明文件，深入探討 Google Cloud 的概念和構成要素。
參閱官方 Google Cloud 認證專業 Professional Machine Learning Engineer 應考指南，瞭解如何在 Google Cloud 設計、訓練、建構、部署及實作安全的機器學習應用程式。 本指南將透過實際情境，說明如何使用 Vertex AI 平台和技術 (例如 TensorFlow、Kubeflow 和 AutoML)、何時應選擇預先訓練模型或自訂模型及相關最佳做法。