چگونه در آزمون گواهینامه مهندس داده حرفه ای Google Cloud قبول شدم

بدون 3 سال تجربه عملی توصیه شده

در آستانه شروع دوره مهندس داده، می خواهیم ترجمه یک داستان بسیار جالب را با شما به اشتراک بگذاریم که مطمئناً برای مهندسان داده آینده مفید خواهد بود. برو!

هودی گوگل: پوشیده شده. حالت چهره کاری جدی: حال حاضر. عکس از نسخه ویدیویی این مقاله در یوتیوب.

توجه داشته باشید. این مقاله در مورد آزمون گواهینامه مهندس داده حرفه ای Google Cloud است که در 29 مارس 2019 برگزار می شود. پس از این تاریخ تغییراتی رخ داد. من آنها را در بخش اضافی گنجانده ام.

بنابراین، شما می خواهید یک هودی جدید مانند آنچه روی جلد من است تهیه کنید؟ یا قصد دارید گواهینامه بگیرید؟ Google Cloud Professional Data Engineer و متعجبم که چگونه این کار را انجام دهم.

در طی چند ماه گذشته، همراه با استفاده از Google Cloud، دوره‌هایی را برای آمادگی برای آزمون مهندس داده حرفه‌ای گذرانده‌ام. بعد سعی کردم ازش عبور کنم و رد شدم. و چند هفته بعد هودی من رسید. گواهی سریعتر رسید.

این مقاله چند چیز را که ممکن است بخواهید بدانید و مراحلی را که من برای دریافت گواهینامه Google Cloud Professional Data Engineer انجام دادم فهرست می کند.

چرا می خواهید به عنوان مهندس داده حرفه ای Google Cloud گواهینامه بگیرید؟

داده ها همه جا هستند. و دانستن نحوه ایجاد سیستم‌هایی که می‌توانند داده‌ها را پردازش و استفاده کنند، مورد تقاضا است. Google Cloud زیرساخت ساخت این سیستم ها را فراهم می کند.

ممکن است در حال حاضر مهارت های استفاده از Google Cloud را داشته باشید، اما چگونه می توانید این را به کارفرما یا مشتری آینده نشان دهید؟ دو راه وجود دارد: نمونه کارها از پروژه ها یا صدور گواهینامه.

این گواهی به مشتریان و کارفرمایان آینده می گوید: "من مهارت ها را دارم و تلاش کرده ام تا معتبر شوم."

توضیحات کوتاه گوگل آن را خلاصه می کند.

توانایی خود را در طراحی و ساخت سیستم‌های پردازش داده و همچنین ایجاد مدل‌های یادگیری ماشینی در Google Cloud Platform نشان دهید.

اگر قبلاً مهارت‌های لازم را ندارید، گذراندن مطالب آموزشی گواهینامه به این معنی است که همه چیز را در مورد نحوه ساخت سیستم‌های داده در سطح جهانی در Google Cloud یاد خواهید گرفت.

چه کسی می خواهد به عنوان مهندس داده حرفه ای Google Cloud گواهینامه دریافت کند؟

شما اعداد را دیده اید. ابر در حال رشد است. الان اینجاست و جایی نمی رود. اگر هنوز اعداد را ندیده اید، باور کنید ابر در حال رشد است.

اگر قبلاً یک دانشمند داده، مهندس داده، تحلیلگر داده، مهندس یادگیری ماشین هستید یا به دنبال فرصت شغلی در دنیای داده هستید، گواهینامه Google Cloud Professional Data Engineer برای شماست.

قابلیت ابر در حال تبدیل شدن به یک نیاز برای هر موقعیت داده محور است.

آیا برای اینکه یک مهندس داده/دانشمند داده/مهندس یادگیری ماشین خوب باشید به مدرک نیاز دارید؟

شماره

همچنان می‌توانید از Google Cloud برای راه‌حل‌های داده بدون گواهی استفاده کنید.

گواهینامه فقط یکی از روش های اعتبارسنجی مهارت های موجود است.

چقدر هزینه دارد؟

هزینه آزمون 200 دلار است. اگر شکست خوردید، باید دوباره پول بپردازید تا دوباره امتحان کنید.

ممکن است هزینه های مرتبط با دوره های آموزشی و استفاده از خود پلت فرم وجود داشته باشد.

هزینه های پلتفرم هزینه استفاده از خدمات Google Cloud است. اگر کاربر حرفه ای هستید، از قبل از این موضوع آگاه هستید. اگر نه، و شما تازه با آموزش‌های این مقاله شروع کرده‌اید، می‌توانید یک حساب Google Cloud جدید ایجاد کنید و در هنگام ثبت‌نام، از پیشنهادات 300 دلاری Google بمانید.

در عرض یک ثانیه به هزینه دوره خواهیم رسید.

مدت اعتبار گواهینامه چقدر است؟

2 سال. پس از این، باید دوباره در آزمون شرکت کنید.

و از آنجایی که Google Cloud هر روز در حال پیشرفت است، به احتمال زیاد آنچه برای گواهینامه لازم است تغییر خواهد کرد (همانطور که متوجه شدم، تا زمانی که من شروع به نوشتن این مقاله کردم، قبلاً تغییر کرده بود).

برای آمادگی در آزمون به چه چیزهایی نیاز دارید؟

Google بیش از 3 سال تجربه در صنعت و بیش از 1 سال توسعه و مدیریت راه حل ها با استفاده از GCP را برای صدور گواهینامه سطح حرفه ای توصیه می کند.

هیچ کدوم از موارد بالا رو نداشتم

حداکثر 6 ماه سابقه مرتبط برای جبران کمبود، از ترکیبی از منابع یادگیری آنلاین استفاده کردم.

چه دوره هایی را گذرانده ام؟

اگر شما هم مانند من هستید و شرایط توصیه شده را ندارید، می توانید برخی از دوره های زیر را برای ارتقاء سطح صلاحیت خود بگذرانید.

دوره های زیر همان چیزی است که من برای صدور گواهینامه آماده کردم. آنها به ترتیب تکمیل فهرست شده اند.

من هزینه، زمان و کاربرد شرکت در آزمون گواهینامه را برای هر کدام فهرست کرده ام.

برخی از منابع آنلاین عالی که من برای بهبود مهارت های خود قبل از امتحان استفاده کردم. به ترتیب: گورو ابر, آکادمی لینوکس и Coursera.

مهندسی داده در Google Cloud Platform از Coursera

هزینه: 49 دلار در ماه (پس از 7 روز آزمایش رایگان)
زمان: 1 تا 2 ماه، 10+ ساعت در هفته
نرم افزار: 8 / 10

مهندسی داده در Google Cloud Platform از Coursera با همکاری Google Cloud ایجاد شده است.

این دوره به پنج زیرمجموعه تقسیم می شود که هر یک از آنها تقریباً 10 ساعت در هفته زمان تدریس را می طلبد.

اگر در علوم داده Google Cloud تازه کار هستید، این تخصص شما را از سطح 0 به سطح 1 می برد. با استفاده از یک پلتفرم تکراری به نام QwikLabs، یک سری تمرینات عملی را انجام خواهید داد. قبل از این، سخنرانی‌هایی از متخصصان Google Cloud در مورد نحوه استفاده از خدمات مختلف مانند Google BigQuery، Cloud Dataproc، Dataflow و Bigtable برگزار می‌شود.

معرفی Cloud Guru به Google Cloud Platform

هزینه: رایگان
زمان: 1 هفته، 4 تا 6 ساعت
نرم افزار: 4 / 10

نمره مفید بودن پایین را به عنوان نشانه ای مبنی بر مفید نبودن دوره در نظر نگیرید. این دور از واقعیت است. تنها دلیلی که امتیاز کمتری کسب می کند این است که بر گواهینامه مهندس داده حرفه ای (همانطور که از نام آن پیداست) متمرکز نیست.

پس از اتمام دوره تخصصی Coursera، این دوره را به عنوان یک تجدید کننده دیدم زیرا فقط برای چند مورد استفاده تخصصی از Google Cloud استفاده کرده بودم.

اگر از یک ارائه دهنده ابر دیگر می آیید یا قبلاً از Google Cloud استفاده نکرده اید، ممکن است بخواهید این دوره را بگذرانید. این یک مقدمه عالی برای پلتفرم Google Cloud به طور کلی است.

مهندس داده حرفه ای گواهی گوگل از آکادمی لینوکس

هزینه: 49 دلار در ماه (پس از 7 روز آزمایش رایگان)
زمان: 1 تا 4 هفته، 4+ ساعت در هفته
نرم افزار: 10 / 10

بعد از اتمام امتحان و انعکاس دروسی که گذراندم، چیزی که بسیار مفید بود این بود مهندس داده حرفه ای گواهی گوگل از آکادمی لینوکس.

ویدیو هم همینطور کتاب الکترونیکی پرونده داده (یک منبع آموزشی رایگان عالی که همراه با دوره ارائه می شود) و امتحانات تمرینی، این دوره را به یکی از بهترین منابع آموزشی تبدیل کرده است که من تا کنون استفاده کرده ام.

من حتی آن را به عنوان یک مرجع در برخی از یادداشت های Slack به تیم بعد از امتحان توصیه کردم.

یادداشت ها در Slack

• برخی از موارد در امتحان در امتحانات آکادمی لینوکس، Cloud Guru یا Google Cloud Practice نبود (که قابل انتظار است)
• 1 سوال با نموداری از نقاط داده در مورد اینکه باید آنها را با کدام معادله گروه بندی کنید (به عنوان مثال cos(X) یا X² + Y²)
• دانستن تفاوت بین Dataflow، Dataproc، Datastore، Bigtable، BigQuery، Pub/Sub و نحوه استفاده از آنها ضروری است.
• دو نمونه کار از مطالعات در آزمون دقیقاً مشابه موارد در جلسات عملی بود، اگرچه من در طول امتحان اصلاً به این مطالعات مراجعه نکردم (سوالات درک کافی را ارائه کردند).
• دانستن نحو اولیه پرس و جوی SQL بسیار مفید است، به خصوص برای سوالات BigQuery.
• امتحانات تمرینی ارائه شده توسط Linux Academy و GCP از نظر سبک بسیار شبیه به سوالات امتحانی است و من چندین بار روی هر یک از آنها کار خواهم کرد و از آنها برای کشف نقاط ضعف شما استفاده خواهم کرد.
• یک نکته کوچک برای کمک به Dataproc:Dataproc کروک و هادوپ فیل برنامه ریزی می کند جرقه آتش و آشپز a کندو of خوک ها" {تمساح Dataproc و فیل هادوپ برنامه ریزی برای ایجاد آتش (جرقه - جرقه، جرقه آتش - آتش درست کن) و ازدحام (کندو) خوک (خوک)} (Dataproc با Hadoop، Spark، Hive و Pig سروکار دارد)
• «گردش داده ها یک جریان است پرتو نور" {گردش داده ها این اشعه جاری است (پرتو) light} (Dataflow با Apache Beam سروکار دارد)
• "هر کس در سراسر جهان می تواند به الف مربوط باشد اسید خوب ساخته شده شسته شده است آچار" {هر کسی در سراسر جهان می تواند با اسید خالص مقابله کند (ACID) با یک آچار خوب (Spanner)} (Cloud Spanner یک پایگاه داده طراحی شده برای از بین بردن فضای ابری، سازگار با ACID و در دسترس در سراسر جهان است)
• دانستن نام نسخه های کلاسیک پایگاه های داده رابطه ای و غیر رابطه ای (به عنوان مثال MongoDB، Cassandra) ممکن است مفید باشد.
• نقش‌های IAM برای هر سرویس کمی متفاوت است، اما این مفید است که بدانیم چگونه کاربران را از دیدن داده‌ها جدا کنیم بدون اینکه توانایی طراحی گردش کار را از بین ببریم (به عنوان مثال، نقش "Dataflow Worker" می‌تواند گردش‌های کاری را طراحی کند اما داده‌ها را نبیند. )

این احتمالاً فعلاً کافی است. مسافت پیموده شده احتمالا از آزمونی به آزمون دیگر متفاوت خواهد بود. دوره لینوکس آکادمی 80 درصد دانش را در اختیار شما قرار می دهد.

ویدیوهای ۱ دقیقه‌ای Google Cloud

هزینه: رایگان
زمان: 1-2 ساعت
نرم افزار: 5 / 10

آنها در انجمن های Cloud Guru توصیه شدند. بسیاری از آنها به گواهینامه Professional Data Engineer مرتبط نبودند، با این حال، من چند مورد مناسب را انتخاب کردم.

پیمایش برخی از خدمات ممکن است دشوار به نظر برسد، بنابراین شنیدن توضیح یک سرویس خاص در یک دقیقه خوب بود.

آماده شدن برای آزمون مهندس داده حرفه ای Cloud

هزینه: 49 دلار برای هر گواهی یا رایگان (بدون گواهی)
زمان: 1-2 هفته، 6+ ساعت در هفته
نرم افزار: N / A

من این منبع را روز قبل از برنامه ریزی امتحانم پیدا کردم. من به دلیل محدودیت زمانی آن را تمام نکردم، از این رو عدم رتبه مفید بودن.

با این حال، بر اساس صفحه مرور کلی دوره، به نظر می‌رسد منبعی عالی برای جمع‌آوری همه چیزهایی که در مورد مهندسی داده در Google Cloud آموخته‌اید و نقاط ضعف را برجسته کنید.

من این دوره را به عنوان منبعی به یکی از همکارانم که در حال آماده شدن برای صدور گواهینامه است توصیه کردم.

برگه تقلب مهندسی داده گوگل توسط Meverik Lin

هزینه: رایگان
زمان: N/A
نرم افزار: N/A

این منبع دیگری بود که بعد از امتحان با آن برخورد کردم. به نظر من جامع و در عین حال مختصر است. به علاوه، رایگان است. می توان از آن برای خواندن بین امتحانات عملی یا حتی پس از صدور گواهینامه برای تقویت دانش استفاده کرد.

بعد از دوره چیکار کردم؟

با نزدیک شدن به پایان دوره، امتحان را با یک هفته اخطار رزرو کردم.
داشتن یک ضرب الاجل یک انگیزه عالی برای تقویت آنچه یاد گرفته اید است.

چندین بار امتحانات تمرینی را از آکادمی لینوکس و Google Cloud انجام دادم تا اینکه هر بار توانستم آنها را با دقت بالای 95% کامل کنم.

برای اولین بار امتحان عملی آکادمی لینوکس را با بیش از 90% قبولی کرد.

تست‌های هر پلتفرم مشابه هستند، اما متوجه شدم که بررسی سوالاتی که مدام اشتباه می‌کردم و یادداشت چرایی اشتباه کردن آنها، به تقویت بخش‌های ضعیف من کمک کرد.

آزمونی که من شرکت کردم از دو پروژه تحقیقاتی موردی برای توسعه سیستم‌های داده در Google Cloud استفاده کرد (این از 29 مارس 2019 تغییر کرده است). و در سراسر آن چند گزینه ای بود.

من حدود 2 ساعت طول کشید. و حدود 20 درصد سخت تر از هر امتحانی بود که من شرکت کردم.

من نمی توانم ارزش امتحانات عملی را به اندازه کافی بیان کنم.

اگر دوباره بروم چه چیزی را تغییر می دهم؟

امتحانات تمرینی بیشتر دانش عملی بیشتر.

البته، همیشه آمادگی بیشتری وجود دارد که می توانید انجام دهید.

الزامات توصیه شده شامل بیش از 3 سال استفاده از GCP است. اما من آن را نداشتم، بنابراین باید با آنچه داشتم کنار می آمدم.

علاوه بر این

آزمون در 29 مارس به روز شد. مطالب ارائه شده در این مقاله همچنان پایه خوبی را ارائه می دهد، اما توجه به برخی تغییرات مهم است.

بخش های مختلف آزمون Google Cloud Professional Data Engineer (نسخه 1)

1. طراحی سیستم های پردازش داده
2. ایجاد و پشتیبانی از ساختارها و پایگاه های داده.
3. تجزیه و تحلیل داده ها و اتصال یادگیری ماشین
4. مدل سازی فرآیند کسب و کار برای تجزیه و تحلیل و بهینه سازی
5. اطمینان از قابلیت اطمینان
6. تجسم داده ها و پشتیبانی از سیاست
7. طراحی برای ایمنی و انطباق

بخش های مختلف آزمون Google Cloud Professional Data Engineer (نسخه 2)

1. طراحی سیستم های پردازش داده
2. ساخت و بهره برداری از سیستم های پردازش داده
3. عملیاتی سازی مدل های یادگیری ماشین (بیشتر تغییرات در اینجا اتفاق افتاد) [جدید]
4. اطمینان از کیفیت راه حل ها

نسخه 2 بخش های 1، 2، 4، و 6 از نسخه 1 را در 1 و 2 ترکیب کرد. همچنین بخش های 5 و 7 را از نسخه 1 در بخش 4 ادغام کرد. و بخش 3 از نسخه 2 برای پوشش تمام دستگاه جدید Google Cloud گسترش یافت. قابلیت های یادگیری

از آنجایی که این تغییرات بسیار جدید هستند، بسیاری از مطالب آموزشی فرصت به روز رسانی را نداشته اند.

با این حال، خواندن این مقاله باید برای پوشش 70 درصد از نیاز شما کافی باشد. من این را با برخی از تحقیقات خود در مورد سؤالات زیر ترکیب می کنم (اینها در نسخه دوم امتحان ارائه شده اند).

• Machine Learning API (ML - Machine Learning) Google
• موتور یادگیری ماشین ابری گوگل
• TPU های Google Cloud (یک قطعه سخت افزار سفارشی که توسط گوگل به طور خاص برای آموزش ML ایجاد شده است)
• واژه نامه گوگل شرایط ML

همانطور که می بینید، آخرین به روز رسانی امتحان بر روی قابلیت های ML Google Cloud متمرکز شده است.

به روز رسانی 29/04/2019: پیام معلم دوره لینوکس آکادمی متیو اولاسین.
فقط به عنوان مرجع، ما در حال برنامه ریزی برای به روز رسانی دوره مهندس داده در آکادمی لینوکس هستیم تا مسیرهای جدیدی را که از اواسط/اواخر ماه می شروع می شود، منعکس کنیم.

بعد از امتحان

هنگامی که در آزمون شرکت می کنید، فقط یک نتیجه قبولی یا مردودی دریافت خواهید کرد. من توصیه می کنم حداقل 70 درصد را هدف قرار دهید، بنابراین در امتحانات عملی حداقل 90 درصد را هدف قرار دادم.

پس از تصویب، یک کد بازخرید از طریق ایمیل همراه با گواهینامه Google Cloud Professional Data Engineer خود دریافت خواهید کرد. تبریک می گویم!

می‌توانید از کد بازخرید در فروشگاه انحصاری Google Cloud Professional Data Engineer استفاده کنید، که پر از انحراف است (کوله پشتی). تی شرت، کوله پشتی و هودی وجود دارد (ممکن است تا زمانی که به آنجا برسید با آنچه در انبار موجود است متفاوت باشند). من هودی را انتخاب کردم.

اکنون شما گواهینامه دریافت کرده‌اید، می‌توانید مهارت‌های خود را (به طور رسمی) نشان دهید و به انجام کاری که بهترین انجامش را دارید، یعنی ساختن، بازگردانید.

دو سال دیگر شما را می بینم تا دوباره تایید کنید.

PS: اگر سوالی دارید یا می خواهید در مورد چیزی توضیح دهید، می توانید من را در این آدرس پیدا کنید توییتر и لینک. بر یوتیوب نسخه ویدیویی این مقاله نیز وجود دارد.
PPS: با تشکر فراوان از تمامی اساتید فوق العاده در تمامی دوره های فوق و مکس کلسن برای تهیه منابع و زمان برای مطالعه و آمادگی برای امتحان.

و هرکسی که می خواهد درباره برنامه دوره، ویژگی های قالب آنلاین، مهارت ها، شایستگی ها و چشم اندازهایی که پس از آموزش در انتظار فارغ التحصیلان است، اطلاعات بیشتری کسب کند، از شما دعوت می کنیم روز بازکه امروز ساعت 20.00:XNUMX برگزار می شود.

منبع: www.habr.com