چگونه در آزمون گواهینامه مهندس داده حرفه ای Google Cloud قبول شدم
بدون سه سال تجربه عملی توصیه شده
*توجه داشته باشید: این مقاله به آزمون گواهینامه مهندس داده حرفه ای Google Cloud اختصاص دارد که تا 29 مارس 2019 معتبر بود. پس از آن، تغییراتی رخ داد - آنها در بخش توضیح داده شده اند.علاوه بر این»*
سویشرت گوگل: بله. حالت چهره جدی: بله. عکس از نسخه ویدیویی این مقاله در یوتیوب.
آیا می خواهید یک سویشرت کاملاً جدید مانند آنچه در عکس من است تهیه کنید؟
در چند ماه گذشته چندین دوره را گذرانده ام و همزمان با Google Cloud کار کرده ام تا برای آزمون Professional Data Engineer آماده شوم. بعد رفتم سر امتحان و قبول شدم. عرق گیر چند هفته بعد رسید - اما گواهی سریعتر رسید.
این مقاله اطلاعاتی را ارائه می دهد که ممکن است برای شما مفید باشد و مراحلی را که من برای گرفتن گواهینامه به عنوان مهندس داده حرفه ای Google Cloud انجام دادم ارائه می دهد.
چرا باید گواهینامه Google Cloud Professional Data Engineer را دریافت کنید؟
داده ها ما را احاطه کرده اند، همه جا هستند. بنابراین، امروزه نیاز به متخصصانی وجود دارد که می دانند چگونه سیستم هایی ایجاد کنند که قادر به پردازش و استفاده از داده ها باشند. و Google Cloud زیرساخت ساخت این سیستم ها را فراهم می کند.
اگر قبلاً مهارتهای Google Cloud را دارید، چگونه میتوانید آنها را به کارفرما یا مشتری آینده نشان دهید؟ این کار به دو صورت انجام می شود: با داشتن مجموعه ای از پروژه ها یا با گذراندن گواهینامه.
یک گواهی به مشتریان و کارفرمایان بالقوه می گوید که شما مهارت های خاصی دارید و تلاش کرده اید تا آنها را به طور رسمی گواهینامه دریافت کنید.
این موضوع در توضیحات رسمی آزمون نیز آمده است.
توانایی خود را در طراحی و ساخت سیستمهای علم داده و مدلهای یادگیری ماشین در پلتفرم Google Cloud نشان دهید.
اگر قبلاً مهارتهای لازم را ندارید، مواد آموزشی گواهینامه هر آنچه را که باید در مورد نحوه ساخت سیستمهای داده در سطح جهانی با استفاده از Google Cloud بدانید را به شما آموزش میدهد.
چه کسی نیاز به دریافت گواهینامه Google Cloud Professional Data Engineer دارد؟
شما اعداد را دیده اید - بخش فناوری ابری در حال رشد است، آنها برای مدت طولانی با ما هستند. اگر با آمار آشنا نیستید، فقط به من اعتماد کنید: ابرها در حال افزایش هستند.
اگر قبلاً یک دانشمند داده، مهندس یادگیری ماشین هستید یا می خواهید وارد حوزه علم داده شوید، گواهینامه Google Cloud Professional Data Engineer چیزی است که به آن نیاز دارید.
توانایی استفاده از فناوری های ابری در حال تبدیل شدن به یک نیاز اجباری برای همه متخصصان داده است.
آیا برای حرفه ای شدن در علم داده یا یادگیری ماشین به گواهی نیاز دارید؟
شماره
میتوانید از Google Cloud برای اجرای راهحلهای داده بدون گواهی استفاده کنید.
گواهینامه فقط یک راه برای اثبات مهارت های شماست.
چقدر هزینه دارد؟
هزینه شرکت در آزمون 200 دلار می باشد. در صورت عدم موفقیت، باید دوباره پرداخت کنید.
علاوه بر این، باید برای دوره های آمادگی و استفاده از خود پلتفرم هزینه کنید.
هزینه های پلتفرم هزینه استفاده از خدمات Google Cloud است. اگر کاربر فعالی هستید، به خوبی از این موضوع آگاه هستید. اگر مبتدی هستید که به تازگی با آموزش های این مقاله شروع کرده اید، می توانید یک حساب Google Cloud ایجاد کنید و همه کارها را برای 300 دلار اعتبار Google به شما هنگام ثبت نام انجام دهید.
ما در یک لحظه به هزینه دوره ها خواهیم رسید.
مدت اعتبار گواهینامه چقدر است؟
دو سال. بعد از این مدت باید مجددا امتحان داده شود.
و از آنجایی که Google Cloud دائماً در حال تکامل است، احتمالاً الزامات گواهینامه تغییر خواهد کرد (این درست زمانی اتفاق افتاد که من شروع به نوشتن مقاله کردم).
برای آمادگی در آزمون به چه چیزهایی نیاز دارید؟
برای صدور گواهینامه سطح حرفه ای، Google سه سال تجربه در صنعت و بیش از یک سال تجربه در توسعه و مدیریت راه حل ها با استفاده از GCP را توصیه می کند.
هیچ کدوم از اینا رو نداشتم
تجربه مربوطه در هر مورد تقریباً شش ماه بود.
برای پر کردن این شکاف، از چندین منبع یادگیری آنلاین استفاده کردم.
چه دوره هایی را گذرانده ام؟
اگر پرونده شما شبیه پرونده من است و شرایط توصیه شده را برآورده نمی کنید، می توانید برخی از دوره های ذکر شده در زیر را برای بهبود سطح خود بگذرانید.
اینها مواردی هستند که من هنگام آماده شدن برای صدور گواهینامه استفاده کردم. آنها به ترتیب تکمیل فهرست شده اند.
برای هر کدام، هزینه، زمان و سودمندی قبولی در آزمون گواهینامه را مشخص کرده ام.
برخی از منابع یادگیری آنلاین جالبی که برای بهبود مهارت های خود قبل از امتحان استفاده کردم، به ترتیب: یک گورو ابر, آکادمی لینوکس, Coursera.
این دوره به پنج دوره تو در تو تقسیم می شود که هر کدام حدود 10 ساعت زمان مطالعه در هفته است.
اگر در علوم داده Google Cloud تازه کار هستید، این تخصص مهارت های لازم را در اختیار شما قرار می دهد. شما یک سری تمرینات عملی را با استفاده از یک پلتفرم تکراری به نام QwikLabs تکمیل خواهید کرد. قبل از این، سخنرانیهایی توسط متخصصان Google Cloud در مورد نحوه استفاده از سرویسهای مختلف مانند Google BigQuery، Cloud Dataproc، Dataflow و Bigtable برگزار میشود.
رتبه مفید بودن پایین به این معنی نیست که دوره به طور کلی بی فایده است - دور از آن. تنها دلیل پایین بودن امتیاز این است که روی گواهینامه Professional Data Engineer متمرکز نشده است (همانطور که از نام آن پیداست).
من پس از تکمیل تخصص Coursera از Google Cloud در برخی موارد محدود استفاده کرده ام.
اگر قبلاً با ارائهدهنده ابری دیگری کار کردهاید یا هرگز از Google Cloud استفاده نکردهاید، ممکن است این دوره برای شما مفید باشد - این یک مقدمه عالی برای پلتفرم Google Cloud به طور کلی است.
هزینه: 49 دلار در ماه (پس از 7 روز آزمایش رایگان). زمان: 1-4 هفته، بیش از 4 ساعت در هفته. سودمند: 10 از 10.
پس از شرکت در آزمون و بررسی دروسی که گذراندم، میتوانم بگویم که آکادمی لینوکس Google Certified Professional Data Engineer بیشترین کمک را داشت.
آموزش های تصویری و همچنین 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 دوره هایی تبدیل کرده است که من تا به حال گذرانده ام.
من حتی آن را به عنوان ماده مرجع در یادداشت های Slack برای تیم بعد از امتحان توصیه کردم.
یادداشت ها در Slack
• برخی از سوالات امتحان در دوره آموزشی Linux Academy، A Cloud Guru یا Google Cloud Practice (که قابل انتظار است) پوشش داده نشده است.
• یک سوال دارای نموداری از نقاط داده بود. این سوال پرسیده شد که از چه معادله ای می توان برای گروه بندی آنها استفاده کرد (مثلاً cos(X) یا X²+Y²).
• حتماً تفاوت های بین Dataflow، Dataproc، Datastore، Bigtable، BigQuery، Pub/Sub را بدانید و بدانید که چگونه می توان از آنها استفاده کرد.
• دو مثال خاص در امتحان مانند نمونه های عملی است، اگرچه من در طول امتحان اصلاً آنها را نخواندم (خود سوالات برای پاسخ دادن کافی بود).
• دانستن نحو اولیه پرس و جوی SQL به خصوص برای سوالات BigQuery مفید است.
• امتحانات تمرینی در دوره های آکادمی لینوکس و GCP از نظر سبک بسیار شبیه به سؤالات در آزمون هستند - ارزش آن را دارد که چندین بار شرکت کنید تا نقاط ضعف خود را پیدا کنید.
• باید به خاطر داشت که Dataproc کار میکند با هادوپ, جرقه, کندو и خوک ها.
• گردش داده ها کار میکند با پرتو آپاچی.
• آچار ابری یک پایگاه داده است که در اصل برای ابر طراحی شده است، با آن سازگار است ACID و در هر کجای دنیا کار می کند.
• دانستن نام "قدیمی ها" - معادل های پایگاه های داده رابطه ای و غیر رابطه ای (به عنوان مثال، MongoDB، Cassandra) مفید است.
• نقشهای IAM در بین سرویسها کمی متفاوت است، اما ایده خوبی است که بدانید چگونه میتوان توانایی کاربران برای دیدن دادهها و طراحی گردش کار را از هم جدا کرد (به عنوان مثال، نقش Dataflow Worker میتواند جریانهای کاری را طراحی کند، اما دادهها را نمیبیند).
در حال حاضر، احتمالا این کافی است. هر امتحان متفاوت برگزار خواهد شد. دوره لینوکس آکادمی 80 درصد دانش لازم را ارائه خواهد کرد.
این ویدیوها در انجمن های A Cloud Guru توصیه شده اند. بسیاری از آنها به گواهینامه Professional Data Engineer مرتبط نیستند، بنابراین من فقط کسانی را انتخاب کردم که نام خدماتشان برایم آشنا به نظر می رسید.
هنگام گذراندن دوره، برخی از خدمات ممکن است پیچیده به نظر برسند، بنابراین خوب بود که ببینید یک سرویس خاص چگونه در یک دقیقه توضیح داده شده است.
هزینه: 49 دلار برای هر گواهی یا رایگان (بدون گواهی). زمان: 1-2 هفته، بیش از شش ساعت در هفته. سودمند: ارزیابی نشده است.
من این منبع را روز قبل از تاریخ امتحانم پیدا کردم. زمان کافی برای تکمیل آن وجود نداشت - از این رو عدم ارزیابی سودمندی.
با این حال، پس از مشاهده صفحه نمای کلی دوره، می توانم بگویم که این یک منبع عالی برای بررسی همه چیزهایی است که در مورد مهندسی داده در Google Cloud آموخته اید و نقاط ضعف خود را پیدا کنید.
این دوره را به یکی از همکارانم گفتم که در حال آماده سازی برای گواهینامه است.
هزینه: رایگان زمان: ناشناس. سودمند: ارزیابی نشده است.
منبع دیگری که بعد از امتحان با آن برخورد کردم. به نظر جامع است، اما ارائه کاملاً مختصر است. به علاوه، رایگان است. می توانید در بین امتحانات عملی و حتی پس از صدور گواهینامه برای تجدید دانش خود به آن مراجعه کنید.
بعد از دوره چیکار کردم؟
با نزدیک شدن به پایان دوره هایم، امتحانم را با یک هفته اخطار رزرو کردم.
داشتن یک ضرب الاجل یک انگیزه عالی برای مرور آموخته هایتان است.
من چندین بار در امتحانات تمرینی Linux Academy و Google Cloud شرکت کردم تا اینکه به طور مداوم شروع به کسب امتیاز بالای 95 درصد کردم.
قبولی در آزمون تمرینی لینوکس آکادمی برای اولین بار با امتیاز بالای 90 درصد.
تست ها برای هر پلت فرم مشابه هستند. من سوالاتی را که دائماً اشتباه می کردم نوشتم و تجزیه و تحلیل کردم - این به رفع نقاط ضعف من کمک کرد.
در طول خود آزمون، موضوع توسعه سیستم های پردازش داده در Google Cloud با استفاده از دو مثال بود (محتوای آزمون از 29 مارس 2019 تغییر کرده است). کل امتحان سوالات چند گزینه ای بود.
امتحان دو ساعت طول کشید و تقریباً 20 درصد سختتر از آزمونهای عملی به نظر میرسید که با آنها آشنا بودم.
با این حال، دومی یک منبع بسیار ارزشمند است.
اگر دوباره در امتحان شرکت کنم چه چیزی را تغییر می دهم؟
امتحانات تمرینی بیشتر دانش عملی بیشتر.
البته همیشه می توانید کمی بهتر آماده کنید.
الزامات توصیه شده بیش از سه سال تجربه استفاده از GCP را بیان می کرد که من نداشتم - بنابراین مجبور شدم با آنچه داشتم کنار بیایم.
علاوه بر این
آزمون در 29 مارس به روز شد. مطالب این مقاله همچنان پایه خوبی برای آماده سازی خواهد بود، اما توجه به برخی تغییرات مهم است.
بخشهای امتحان مهندس دادههای حرفهای Google Cloud (نسخه 1)
1. طراحی سیستم های پردازش داده.
2. ساخت و پشتیبانی از ساختارهای داده و پایگاه 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 تصمیم.
7. طراحی با تمرکز بر ایمنی و انطباق.
بخشهای امتحان مهندس دادههای حرفهای Google Cloud (نسخه 2)
1. طراحی سیستم های پردازش داده.
2. ساخت و بهره برداری از سیستم های پردازش داده ها.
3. عملکرد مدل های یادگیری ماشین (بیشتر تغییرات در اینجا اتفاق افتاد) [جدید].
4. اطمینان از کیفیت راه حل ها.
در نسخه 2، بخشهای 1، 2، 4 و 6 نسخه 1 در بخشهای 1 و 2، بخشهای 5 و 7 در بخش 4 ترکیب شدهاند. بخش 3 در نسخه 2 گسترش یافته است تا تمام قابلیتهای جدید یادگیری ماشین در Google را پوشش دهد. ابر
این تغییرات اخیراً رخ داده است، بنابراین بسیاری از مطالب آموزشی زمان لازم برای به روز رسانی را نداشته اند.
با این حال، اگر از مطالب مقاله استفاده می کنید، این باید برای پوشش 70 درصد دانش مورد نیاز کافی باشد. من همچنین موضوعات زیر را به تنهایی مرور می کنم (آنها در نسخه دوم امتحان ظاهر شدند):
همانطور که می بینید، به روز رسانی آزمون در درجه اول به قابلیت های یادگیری ماشینی گوگل کلود مربوط می شود.
به روز رسانی در تاریخ 29.04.2019 آوریل XNUMX. من پیامی از یک مدرس دوره لینوکس آکادمی (متیو اولاسین) دریافت کردم.
فقط به عنوان مرجع، ما قصد داریم دوره مهندسی داده را در آکادمی لینوکس به روز کنیم تا اهداف جدید را در اواسط تا اواخر ماه می منعکس کنیم.
بعد از امتحان
پس از قبولی در آزمون، نتیجه قبولی یا مردودی را دریافت خواهید کرد. در امتحانات عملی می گویند هدف حداقل 70 درصد است، بنابراین من 90 درصد را هدف قرار دادم.
پس از گذراندن موفقیت آمیز آزمون، کد فعال سازی را به همراه گواهینامه رسمی مهندس داده حرفه ای Google Cloud از طریق ایمیل دریافت خواهید کرد. تبریک می گویم!
کد فعالسازی را میتوان در فروشگاه انحصاری Google Cloud Professional Data Engineer استفاده کرد، جایی که میتوانید پول خوبی دریافت کنید: تیشرت، کوله پشتی و هودی وجود دارد (ممکن است در زمان تحویل برخی از آنها موجود نباشد). من یک گرمکن انتخاب کردم.
هنگامی که گواهینامه دریافت کردید، می توانید مهارت های خود را (به طور رسمی) نشان دهید و به بهترین کار خود بازگردید: ساخت سیستم ها.
دو سال دیگر برای صدور گواهینامه مجدد شما را می بینم.
P.S. با تشکر فراوان از اساتید فوق العاده دوره های فوق و مکس کلسن برای تهیه منابع و زمان برای مطالعه و آمادگی برای امتحان.
درباره مترجم
این مقاله توسط Alconost ترجمه شده است.
الکنوست نامزد شده است محلی سازی بازی, برنامه ها و وب سایت ها به 70 زبان مترجمان بومی، تست زبانی، پلتفرم ابری با API، بومی سازی مداوم، مدیران پروژه 24/7، هر قالب منبع رشته ای.
ما نیز انجام می دهیم فیلم های تبلیغاتی و آموزشی - برای سایتهای فروش، تصویر، تبلیغات، آموزشی، تیزرها، توضیحدهندهها، تریلرهای Google Play و App Store.