Առանց առաջարկվող երեք տարվա գործնական փորձի
*Նշում: Հոդվածը նվիրված է Google Cloud Professional Data Engineer սերտիֆիկացման քննությանը, որն ուժի մեջ էր մինչև 29 թվականի մարտի 2019-ը: Դրանից հետո տեղի ունեցան որոշ փոփոխություններ. դրանք նկարագրված են բաժնում «Բացի»*
Google Sweatshirt. Այո: Դեմքի լուրջ արտահայտություն՝ այո։ Լուսանկարը այս հոդվածի վիդեո տարբերակից .
Ցանկանու՞մ եք ձեռք բերել նոր մարզաշապիկ, ինչպիսին իմ լուսանկարում է:
Կամ գուցե ձեզ հետաքրքրում է վկայականը և դուք փորձում եք պարզել, թե ինչպես ստանալ այն:
Անցած մի քանի ամիսների ընթացքում ես մի քանի դասընթացներ եմ անցել և միաժամանակ աշխատել Google Cloud-ի հետ՝ «Professional Data Engineer»-ի քննությանը պատրաստվելու համար: Հետո գնացի քննության ու հանձնեցի։ Սվիտերը եկավ մի քանի շաբաթ անց, բայց վկայականը եկավ ավելի արագ:
Այս հոդվածը կներկայացնի որոշ տեղեկություններ, որոնք կարող եք օգտակար լինել, և այն քայլերը, որոնք ես ձեռնարկել եմ՝ որպես Google Cloud Professional Data Engineer վկայական ստանալու համար:
Տեղափոխվել է
Ինչու՞ պետք է ստանաք Google Cloud Professional Data Engineer վկայականը:
Տվյալները շրջապատում են մեզ, այն ամենուր է: Ուստի այսօր պահանջարկ կա մասնագետների, ովքեր գիտեն՝ ինչպես ստեղծել տվյալների մշակման և օգտագործելու ունակ համակարգեր։ Իսկ Google Cloud-ն ապահովում է ենթակառուցվածքը այս համակարգերը կառուցելու համար:
Եթե դուք արդեն ունեք Google Cloud-ի հմտություններ, ինչպե՞ս կարող եք դրանք ցուցադրել ապագա գործատուին կամ հաճախորդին: Դա կարելի է անել երկու եղանակով` ունենալով նախագծերի պորտֆոլիո կամ սերտիֆիկացում անցնելով:
Վկայականը պոտենցիալ հաճախորդներին և գործատուներին ասում է, որ դուք ունեք որոշակի հմտություններ և ջանքեր եք գործադրել դրանք պաշտոնապես հավաստագրելու համար:
Այս մասին ասված է նաեւ քննության պաշտոնական նկարագրության մեջ։
Ցույց տվեք Google Cloud հարթակում տվյալների գիտության համակարգեր և մեքենայական ուսուցման մոդելներ նախագծելու և կառուցելու ձեր ունակությունը:
Եթե դուք արդեն չունեք հմտություններ, հավաստագրման ուսումնական նյութերը ձեզ կսովորեցնեն այն ամենը, ինչ ձեզ հարկավոր է իմանալ, թե ինչպես ստեղծել համաշխարհային մակարդակի տվյալների համակարգեր Google Cloud-ի միջոցով:
Ո՞վ պետք է ստանա Google Cloud Professional Data Engineer վկայականը:
Դուք տեսել եք թվերը՝ ամպային տեխնոլոգիաների ոլորտն աճում է, նրանք մեզ հետ են երկար ժամանակ: Եթե դուք ծանոթ չեք վիճակագրությանը, պարզապես վստահեք ինձ. ամպերը բարձրանում են:
Եթե դուք արդեն տվյալների գիտնական եք, մեքենայական ուսուցման ինժեներ կամ ցանկանում եք տեղափոխվել տվյալների գիտության ոլորտ, Google Cloud Professional Data Engineer-ի հավաստագիրը հենց այն է, ինչ ձեզ հարկավոր է:
Ամպային տեխնոլոգիաների օգտագործման հնարավորությունը դառնում է պարտադիր պահանջ տվյալների բոլոր մասնագետների համար:
Ձեզ անհրաժեշտ է վկայական տվյալների գիտության կամ մեքենայական ուսուցման մասնագետ լինելու համար:
Ոչ:
Դուք կարող եք օգտագործել Google Cloud-ը՝ առանց վկայագրի տվյալների լուծումներ գործարկելու համար:
Վկայականը ձեր ունեցած հմտություններն ապացուցելու միայն մեկ միջոց է:
Որքան է արժի:
Քննությունը հանձնելու արժեքը 200 դոլար է։ Եթե դա չհաջողվի, ստիպված կլինեք նորից վճարել:
Բացի այդ, դուք ստիպված կլինեք գումար ծախսել նախապատրաստական դասընթացների և հենց հարթակն օգտագործելու վրա։
Պլատֆորմի ծախսերը Google Cloud ծառայություններից օգտվելու վճարներ են: Եթե դուք ակտիվ օգտատեր եք, ապա դա քաջատեղյակ եք: Եթե դուք սկսնակ եք, որ նոր եք սկսում այս հոդվածի ձեռնարկներով, կարող եք ստեղծել Google Cloud հաշիվ և ամեն ինչ անել 300 դոլարով Google-ի համար, որը ձեզ կտրամադրի, երբ գրանցվեք:
Դասընթացների արժեքին կհասնենք մի պահի։
Որքա՞ն ժամանակ է վավերական վկայականը:
Երկու տարի. Նշված ժամկետից հետո քննությունը պետք է կրկին հանձնվի։
Եվ քանի որ Google Cloud-ը մշտապես զարգանում է, հավանական է, որ սերտիֆիկացման պահանջները կփոխվեն (դա տեղի ունեցավ հենց այն ժամանակ, երբ ես սկսեցի գրել հոդվածը):
Ի՞նչ է անհրաժեշտ քննությանը պատրաստվելու համար:
Պրոֆեսիոնալ մակարդակի հավաստագրման համար Google-ը խորհուրդ է տալիս արդյունաբերության երեք տարվա փորձ և ավելի քան մեկ տարվա փորձ՝ լուծումների մշակման և կառավարման միջոցով GCP-ի միջոցով:
Ես չունեի սրանից ոչ մեկը:
Համապատասխան փորձը յուրաքանչյուր դեպքում մոտավորապես վեց ամիս էր:
Բացը լրացնելու համար ես օգտագործեցի մի քանի առցանց ուսումնական ռեսուրսներ:
Ի՞նչ դասընթացներ եմ անցել:
Եթե ձեր գործը նման է իմին, և դուք չեք բավարարում առաջարկվող պահանջներին, ապա կարող եք մասնակցել ստորև թվարկված դասընթացներից մի քանիսին` ձեր մակարդակը բարելավելու համար:
Սրանք նրանք են, որոնք ես օգտագործել եմ հավաստագրման նախապատրաստման ժամանակ: Դրանք թվարկված են լրացման կարգով:
Յուրաքանչյուրի համար ես նշել եմ հավաստագրման քննությունը հանձնելու արժեքը, ժամկետները և օգտակարությունը:
Առցանց ուսումնական ռեսուրսներից մի քանիսը, որոնք ես օգտագործել եմ քննությունից առաջ իմ հմտությունները բարելավելու համար, հերթականությամբ. , , .
արժեքը: $49 ամսական (7-օրյա անվճար փորձարկումից հետո):
Ժամ: 1-2 ամիս, շաբաթական ավելի քան 10 ժամ:
Կոմունալ: 8-ը 10-ից.
Դասընթաց Coursera հարթակում, որը մշակվել է Google Cloud-ի հետ համագործակցությամբ:
Այն բաժանված է հինգ դասընթացի, որոնցից յուրաքանչյուրը շաբաթական մոտ 10 ժամ է:
Եթե դուք նոր եք Google Cloud տվյալների գիտության մեջ, այս մասնագիտացումը ձեզ կտա ձեզ անհրաժեշտ հմտություններ: Դուք կիրականացնեք մի շարք գործնական վարժություններ՝ օգտագործելով QwikLabs կոչվող կրկնվող հարթակը: Մինչ այս Google Cloud-ի մասնագետների դասախոսություններն այն մասին, թե ինչպես օգտվել տարբեր ծառայություններից, ինչպիսիք են Google BigQuery, Cloud Dataproc, Dataflow և Bigtable:
արժեքը: անվճար:
Ժամ: 1 շաբաթ, 4-6 ժամ:
Կոմունալ: 4-ը 10-ից.
Օգտակարության ցածր գնահատականը չի նշանակում, որ դասընթացն ամբողջությամբ անօգուտ է. հեռու է դրանից: Միակ պատճառը, որ միավորն այդքան ցածր է, այն է, որ այն կենտրոնացած չէ Մասնագիտական տվյալների ինժեների հավաստագրման վրա (ինչպես ենթադրում է անունը):
Ես այն ընդունեցի որպես թարմացում Coursera-ի մասնագիտացումն ավարտելուց հետո, քանի որ որոշ սահմանափակ դեպքերում օգտագործել էի Google Cloud-ը:
Եթե նախկինում աշխատել եք մեկ այլ ամպային մատակարարի հետ կամ երբևէ չեք օգտագործել Google Cloud-ը, կարող եք այս դասընթացը օգտակար համարել. դա հիանալի ներածություն է Google Cloud հարթակի համար որպես ամբողջություն:
արժեքը: $49 ամսական (7-օրյա անվճար փորձարկումից հետո):
Ժամ: 1-4 շաբաթ, շաբաթական ավելի քան 4 ժամ:
Կոմունալ: 10-ը 10-ից.
Քննությունը հանձնելուց և իմ անցած դասընթացներին անդրադառնալուց հետո կարող եմ ասել, որ Linux Academy Google Certified Professional Data Engineer-ը ամենաօգտակարն էր:
Վիդեո ձեռնարկներ, ինչպես նաև (դասընթացի հետ տրամադրվող հիանալի անվճար ուսումնական ռեսուրս) և պրակտիկայի քննությունները սա դարձնում են իմ երբևէ մասնակցած լավագույն դասընթացներից մեկը:
Ես նույնիսկ խորհուրդ տվեցի այն որպես տեղեկատու նյութ Slack-ի նշումներում քննությունից հետո թիմի համար:
Նշումներ Slack-ում
• Քննության որոշ հարցեր չեն լուսաբանվել Linux Academy դասընթացի, A Cloud Guru-ի կամ Google Cloud Practice քննություններում (ինչը սպասելի է):
• Մեկ հարց ուներ տվյալների կետերի գրաֆիկ: Հարցին տրվեց, թե ինչ հավասարում կարելի է օգտագործել դրանք խմբավորելու համար (օրինակ՝ cos(X) կամ X²+Y²):
• Անպայման իմանաք Dataflow, Dataproc, Datastore, Bigtable, BigQuery, Pub/Sub տարբերությունները և հասկացեք, թե ինչպես կարող են դրանք օգտագործվել:
• Քննության երկու կոնկրետ օրինակները նույնն են, ինչ գործնականում, թեև ես դրանք ընդհանրապես չեմ կարդացել քննության ժամանակ (հարցերն իրենք բավարար էին պատասխանելու համար):
• Հիմնական SQL հարցումների շարահյուսության իմացությունը օգտակար է հատկապես BigQuery հարցերի համար:
• Linux Academy-ի և GCP դասընթացների պրակտիկայի քննությունները ոճով շատ նման են քննության հարցերին. դրանք արժե մի քանի անգամ անցնել ձեր սեփական թույլ կողմերը գտնելու համար:
• Պետք է հիշել, որ dataproc աշխատում է Hadoop, Կայծ, Փեթակ и Խոզեր.
• Տվյալների հոսք աշխատում է Apache ճառագայթ.
• Cloud Spanner տվյալների բազա է ի սկզբանե նախատեսված ամպի համար, այն համատեղելի է ACID և աշխատում է աշխարհի ցանկացած կետում:
• Օգտակար է իմանալ «հինների» անունները՝ հարաբերական և ոչ հարաբերական տվյալների բազաների համարժեքները (օրինակ՝ MongoDB, Cassandra):
• IAM-ի դերերը մի փոքր տարբերվում են ծառայությունների միջև, սակայն լավ գաղափար է հասկանալ, թե ինչպես կարելի է բաժանել օգտատերերի՝ տվյալների տեսնելու և աշխատանքային հոսքերը նախագծելու հնարավորությունը (օրինակ, Dataflow Worker դերը կարող է նախագծել աշխատանքային հոսքեր, բայց չտեսնել տվյալները):
Առայժմ սա, հավանաբար, բավական է։ Յուրաքանչյուր քննություն կկայանա տարբեր կերպ: Linux Academy դասընթացը կտրամադրի անհրաժեշտ գիտելիքների 80%-ը։
արժեքը: անվճար:
Ժամ: 1-2 ժամ:
Կոմունալ: 5-ը 10-ից.
Այս տեսանյութերը առաջարկվել են A Cloud Guru ֆորումներում: Դրանցից շատերը կապված չեն Professional Data Engineer-ի հավաստագրման հետ, ուստի ես պարզապես ընտրեցի նրանց, ում ծառայության անուններն ինձ ծանոթ էին թվում:
Դասընթացն անցնելիս որոշ ծառայություններ կարող են բարդ թվալ, ուստի հաճելի էր տեսնել, թե ինչպես է կոնկրետ ծառայությունը նկարագրվում ընդամենը մեկ րոպեում:
արժեքը: $49 մեկ վկայագրի համար կամ անվճար (առանց վկայականի):
Ժամ: 1-2 շաբաթ, շաբաթական ավելի քան վեց ժամ:
Կոմունալ: չի գնահատվում։
Ես գտա այս ռեսուրսը իմ քննության օրվանից մեկ օր առաջ: Այն ավարտելու համար բավական ժամանակ չկար, հետևաբար՝ օգտակարության գնահատման բացակայությունը:
Այնուամենայնիվ, դասընթացի ընդհանուր էջը դիտելուց հետո կարող եմ ասել, որ սա հիանալի ռեսուրս է Google Cloud-ում Data Engineering-ի մասին իմացած ամեն ինչ վերանայելու և ձեր թույլ կողմերը գտնելու համար:
Այս դասընթացի մասին պատմեցի իմ գործընկերներից մեկին, ով պատրաստվում է ատեստավորման:
արժեքը: անվճար:
Ժամ: անհայտ է:
Կոմունալ: չի գնահատվում։
Մեկ այլ ռեսուրս, որին հանդիպեցի քննությունից հետո. Այն համապարփակ է թվում, բայց ներկայացումը բավականին հակիրճ է: Բացի այդ, դա անվճար է: Դուք կարող եք դրան անդրադառնալ պրակտիկայի քննությունների միջև և նույնիսկ հավաստագրումից հետո՝ ձեր գիտելիքները թարմացնելու համար:
Ի՞նչ արեցի դասընթացից հետո:
Երբ ես մոտենում էի իմ դասընթացների ավարտին, ես գրանցեցի քննությունս մեկ շաբաթ առաջ:
Վերջնաժամկետ ունենալը մեծ մոտիվացիա է սովորածը վերանայելու համար:
Ես մի քանի անգամ մասնակցել եմ Linux ակադեմիայի և Google Cloud-ի պրակտիկայի քննություններին, մինչև որ սկսեցի հետևողականորեն վաստակել 95%-ից բարձր:
Առաջին անգամ անցել է Linux ակադեմիայի պրակտիկայի քննությունը՝ ավելի քան 90% միավորով:
Յուրաքանչյուր հարթակի համար թեստերը նման են. Ես գրեցի և վերլուծեցի այն հարցերը, որոնք անընդհատ սխալվում էի, դա օգնեց վերացնել իմ թույլ կողմերը:
Բուն քննության ընթացքում թեման Google Cloud-ում տվյալների մշակման համակարգերի մշակումն էր՝ օգտագործելով երկու օրինակ (քննության բովանդակությունը փոխվել է 29թ. մարտի 2019-ից): Ամբողջ քննությունը բազմակի ընտրությամբ հարցեր էր:
Քննությունն ավարտելու համար տևեց երկու ժամ և ինձ մոտ 20%-ով ավելի դժվար թվաց, քան ինձ ծանոթ պրակտիկայի քննությունները:
Սակայն վերջիններս շատ արժեքավոր ռեսուրս են։
Ի՞նչ կփոխեի, եթե նորից քննություն հանձնեի։
Ավելի շատ գործնական քննություններ: Ավելի գործնական գիտելիքներ.
Իհարկե, միշտ կարելի է մի քիչ ավելի լավ պատրաստել։
Առաջարկվող պահանջները նշում էին GCP-ի օգտագործման ավելի քան երեք տարվա փորձ, որը ես չունեի, ուստի ես ստիպված էի զբաղվել իմ ունեցածով:
Բացի
Քննությունը թարմացվել է մարտի 29-ին։ Այս հոդվածի նյութը դեռ լավ հիմք կապահովի պատրաստման համար, սակայն կարևոր է նշել որոշ փոփոխություններ:
Google Cloud Professional Data Engineer Exam բաժիններ ()
1. Տվյալների մշակման համակարգերի նախագծում.
2. Տվյալների կառուցվածքների և տվյալների բազաների կառուցում և աջակցություն:
3. Տվյալների վերլուծություն և մեքենայական ուսուցման միացում:
4. Բիզնես գործընթացների մոդելավորում վերլուծության և օպտիմալացման համար:
5. Հուսալիության ապահովում.
6. Տվյալների պատկերացում և որոշումների աջակցություն:
7. Դիզայն՝ կենտրոնանալով անվտանգության և համապատասխանության վրա:
Google Cloud Professional Data Engineer Exam բաժիններ ()
1. Տվյալների մշակման համակարգերի նախագծում.
2. Տվյալների մշակման համակարգերի կառուցում և շահագործում.
3. Մեքենայի ուսուցման մոդելների շահագործում (փոփոխությունների մեծ մասը տեղի է ունեցել այստեղ) [ՆՈՐ].
4. Լուծումների որակի ապահովում.
2 տարբերակում 1-ին տարբերակի 2-ին, 4-րդ, 6-րդ և 1-րդ բաժինները համակցված են 1-ին և 2-րդ բաժիններում, 5-րդ և 7-րդ բաժինները՝ 4-րդ: Ամպ.
Այս փոփոխությունները տեղի են ունեցել բոլորովին վերջերս, ուստի շատ ուսումնական նյութեր չեն հասցրել թարմացվել:
Այնուամենայնիվ, եթե օգտագործում եք հոդվածի նյութերը, ապա դա պետք է բավարար լինի պահանջվող գիտելիքների 70%-ը ծածկելու համար։ Ես նաև ինքնուրույն կվերանայեի հետևյալ թեմաները (դրանք հայտնվել են քննության երկրորդ տարբերակում).
- (Google-ի կողմից մշակված սարքավորումը հատուկ մեքենայական ուսուցման համար):
Ինչպես տեսնում եք, քննության թարմացումը հիմնականում կապված է Google Cloud-ի մեքենայական ուսուցման հնարավորությունների հետ:
Թարմացում՝ 29.04.2019 թվականի ապրիլի XNUMX-ով: Ես հաղորդագրություն ստացա Linux Academy դասընթացի ուսուցիչից (Մեթյու Ուլասիեն):
Պարզապես տեղեկանքի համար մենք նախատեսում ենք թարմացնել Linux Academy-ի Data Engineer դասընթացը, որպեսզի արտացոլի նոր նպատակները մայիսի կեսերից մինչև վերջ:
Քննությունից հետո
Քննությունը հանձնելուց հետո դուք կստանաք հաջող կամ ձախողված արդյունք: Գործնական քննություններում ասում են՝ նպատակ դրեք նվազագույնը 70%, ես էլ նպատակա դրել եմ 90%-ի։
Քննությունը հաջողությամբ հանձնելուց հետո դուք էլփոստով կստանաք ակտիվացման կոդը՝ Google Cloud Professional Data Engineer-ի պաշտոնական վկայականի հետ միասին: Շնորհավորում եմ:
Ակտիվացման կոդը կարող է օգտագործվել բացառիկ Google Cloud Professional Data Engineer խանութում, որտեղ կարող եք լավ գումար ստանալ. կան շապիկներ, ուսապարկեր և գլխարկներ (որոշները կարող են սպառվել առաքման պահին): Ես ընտրեցի սպորտային վերնաշապիկ:
Հավաստագրվելուց հետո դուք կարող եք ցուցադրել ձեր հմտությունները (պաշտոնապես) և վերադառնալ այն, ինչ անում եք լավագույնս՝ համակարգեր կառուցելը:
Կհանդիպենք երկու տարուց՝ վերահաստատման համար:
P.S. Շատ շնորհակալություն վերը նշված դասընթացների հրաշալի ուսուցիչներին և քննությանը սովորելու և նախապատրաստվելու համար միջոցներ և ժամանակ տրամադրելու համար:
Թարգմանչի մասին
Հոդվածը թարգմանել է Ալկոնոստը։
Ալկոնոստը նշանված է , 70 լեզուներով։ Մայրենի թարգմանիչներ, լեզվական թեստավորում, API-ով ամպային հարթակ, շարունակական տեղայնացում, 24/7 ծրագրի կառավարիչներ, ցանկացած լարային ռեսուրսների ձևաչափեր:
Մենք նույնպես անում ենք — վաճառող կայքերի, պատկերների, գովազդի, կրթական, թիզերի, բացատրողների, Google Play-ի և App Store-ի թրեյլերների համար:
→
Source: www.habr.com