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 e considera le pratiche di AI responsabile collaborando a stretto contatto con altri ruoli professionali per garantire il successo a lungo termine delle applicazioni basate sull'AI. Questa figura ha solide competenze di programmazione ed esperienza con piattaforme di dati e strumenti di elaborazione dei dati distribuiti, è esperta nelle aree dell'architettura dei modelli, della creazione di pipeline di dati e ML, di MLOps e dell'interpretazione delle metriche e 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. Progetta e crea soluzioni scalabili e performanti tramite l'addestramento, il riaddestramento, il deployment, la pianificazione, l'ottimizzazione, il monitoraggio e il miglioramento dei modelli di AI tradizionale e generativa.
* 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 dei team e tra team diversi per gestire dati e modelli
- Scalare i prototipi in modelli ML
- Erogare 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 e gli aggiornamenti allo stack di dati e analisi di Google Cloud, dando 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
Informazioni sull'esame standard
Durata: 2 ore
Quota di registrazione: 200 $ (più le tasse, se applicabili).
Lingue: inglese, giapponese
Formato dell'esame: 50-60 domande a scelta multipla
Metodo di erogazione dell'esame:
a. Sostieni l'esame con supervisione online da remoto.
b. Sostieni l'esame con supervisione in loco presso un centro per i test: cerca Google Cloud.
Periodo di validità: 2 anni
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 tramite Google Skills
Formato: corsi e/o badge delle competenze dedicati all'interno del percorso di apprendimento per il rinnovo
Preparazione: crea un account Google Skills (o Google Skills per i partner) o accedi a un account esistente, quindi collega CM Connect e Google Skills utilizzando la stessa email. Una volta eseguito il collegamento, potrai visualizzare le certificazioni idonee e i percorsi di apprendimento per il rinnovo nella dashboard Google Skills.
Periodo di validità: 1 anno
Idoneità: per essere conteggiati ai fini del rinnovo, i corsi o i badge delle competenze dedicati devono essere completati dai candidati entro l'ultimo anno a partire dalla data di attivazione della certificazione.
Panoramica dell'esame
Fase 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.
Fase 2: comprendi in cosa consiste l'esame
La guida all'esame contiene un elenco completo dei possibili argomenti oggetto dell'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
Acquisisci familiarità con il formato delle domande e con i contenuti di esempio potenzialmente oggetto dell'esame di Machine Learning Engineer.
Fase 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 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, fare il deployment e rendere operative applicazioni ML sicure su Google Cloud utilizzando la guida Official Google Cloud Certified Professional Machine Learning Engineer Study Guide. Questa guida utilizza scenari reali per mostrare come utilizzare la piattaforma Vertex AI e tecnologie come TensorFlow, Kubeflow e AutoML, nonché le best practice su quando scegliere un modello preaddestrato o personalizzato.
Fase 6: pianifica un esame
Registrati e seleziona l'opzione per sostenere l'esame da remoto o presso un centro per i test nelle vicinanze.
Consulta i termini e condizioni e le norme sulla condivisione dei dati dell'esame.