როგორ ჩავაბარე Google Cloud Professional Data Engineer-ის სერტიფიცირების გამოცდა

რეკომენდებული სამწლიანი პრაქტიკული გამოცდილების გარეშე

*Შენიშვნა: სტატია ეძღვნება Google Cloud Professional Data Engineer-ის სასერტიფიკაციო გამოცდას, რომელიც ძალაში იყო 29 წლის 2019 მარტამდე. ამის შემდეგ მოხდა გარკვეული ცვლილებები - ისინი აღწერილია განყოფილებაში “გარდა ამისა"*

Google Sweatshirt: დიახ. სახის სერიოზული გამომეტყველება: დიახ. ფოტო ამ სტატიის ვიდეო ვერსიიდან YouTube-ზე.

გსურთ მიიღოთ ახალი მაისური, როგორიც ჩემს ფოტოზეა?

ან იქნებ გაინტერესებთ სერთიფიკატი Google Cloud Professional Data Engineer და თქვენ ცდილობთ გაარკვიოთ როგორ მიიღოთ ეს?

ბოლო რამდენიმე თვის განმავლობაში გავიარე რამდენიმე კურსი და ერთდროულად ვმუშაობდი Google Cloud-თან, რათა მოვემზადე პროფესიონალი მონაცემთა ინჟინერის გამოცდისთვის. მერე გამოცდაზე მივედი და ჩავაბარე. მაისური რამდენიმე კვირის შემდეგ მოვიდა - მაგრამ სერთიფიკატი უფრო სწრაფად მოვიდა.

ეს სტატია მოგაწვდით ინფორმაციას, რომელიც შეიძლება თქვენთვის სასარგებლო იყოს და ის ნაბიჯები, რომლებიც მე გადავდგი Google Cloud Professional Data Engineer-ის სერტიფიცირებისთვის.

გადაეცა ალკონოსტი

რატომ უნდა მიიღოთ Google Cloud Professional Data Engineer სერთიფიკატი?

მონაცემები ჩვენს ირგვლივ არის, ის ყველგან არის. ამიტომ, დღეს არის მოთხოვნა სპეციალისტებზე, რომლებმაც იციან როგორ შექმნან სისტემები, რომლებსაც შეუძლიათ მონაცემთა დამუშავება და გამოყენება. და Google Cloud უზრუნველყოფს ინფრასტრუქტურას ამ სისტემების ასაშენებლად.

თუ უკვე გაქვთ Google Cloud-ის უნარები, როგორ შეგიძლიათ მათი დემონსტრირება მომავალ დამსაქმებელს ან კლიენტს? ეს შეიძლება გაკეთდეს ორი გზით: პროექტების პორტფოლიოს არსებობით ან სერტიფიცირების გავლის გზით.

სერთიფიკატი ეუბნება პოტენციურ კლიენტებს და დამსაქმებლებს, რომ თქვენ გაქვთ გარკვეული უნარები და რომ თქვენ ცდილობდით მათ ოფიციალურად სერტიფიცირებას.

ეს ასევე ნათქვამია გამოცდის ოფიციალურ აღწერაში.

აჩვენეთ თქვენი უნარი შექმნათ და შექმნათ მონაცემთა მეცნიერების სისტემები და მანქანური სწავლის მოდელები Google Cloud პლატფორმაზე.

თუ უკვე არ გაქვთ ეს უნარები, სერტიფიცირების სასწავლო მასალები გასწავლით ყველაფერს, რაც გჭირდებათ იმის შესახებ, თუ როგორ უნდა შექმნათ მსოფლიო დონის მონაცემთა სისტემები Google Cloud-ის გამოყენებით.

ვინ უნდა მიიღოს Google Cloud Professional Data Engineer სერთიფიკატი?

თქვენ ნახეთ რიცხვები - ღრუბლოვანი ტექნოლოგიების სექტორი იზრდება, ისინი ჩვენთან დიდი ხანია არიან. თუ სტატისტიკას არ იცნობთ, უბრალოდ დამიჯერეთ: ღრუბლები მატულობენ.

თუ უკვე ხართ მონაცემთა მეცნიერი, მანქანათმცოდნეობის ინჟინერი, ან გსურთ გადახვიდეთ მონაცემთა მეცნიერების სფეროში, Google Cloud Professional Data Engineer-ის სერთიფიკატი სწორედ ისაა, რაც გჭირდებათ.

ღრუბლოვანი ტექნოლოგიების გამოყენების შესაძლებლობა ხდება სავალდებულო მოთხოვნა მონაცემთა ყველა პროფესიონალისთვის.

გჭირდებათ სერთიფიკატი, რომ იყოთ მონაცემთა მეცნიერების ან მანქანათმცოდნეობის პროფესიონალი?

პოსტები

შეგიძლიათ გამოიყენოთ Google Cloud მონაცემთა გადაწყვეტილებების სერთიფიკატის გარეშე გასაშვებად.

სერთიფიკატი მხოლოდ ერთი გზაა თქვენი უნარების დასამტკიცებლად.

რა ღირს?

გამოცდის ჩაბარების ღირებულება 200 დოლარია. თუ ეს ვერ მოხერხდა, ისევ მოგიწევთ გადახდა.

გარდა ამისა, მოგიწევთ ფულის დახარჯვა მოსამზადებელ კურსებზე და თავად პლატფორმის გამოყენებაზე.

პლატფორმის ხარჯები არის Google Cloud სერვისების გამოყენების საკომისიო. თუ აქტიური მომხმარებელი ხართ, ეს კარგად იცით. თუ დამწყები ხართ ამ სტატიაში მოცემული ინსტრუქციებით, შეგიძლიათ შექმნათ Google Cloud ანგარიში და ყველაფერი გააკეთოთ 300$-იანი Google კრედიტისთვის, რომელიც დარეგისტრირდებით.

ჩვენ მივიღებთ კურსების ღირებულებას სულ რაღაც მომენტში.

რამდენ ხანს მოქმედებს სერთიფიკატი?

ორი წელი. ამ პერიოდის შემდეგ გამოცდა ხელახლა უნდა ჩატარდეს.

და რადგან Google Cloud მუდმივად ვითარდება, სავარაუდოა, რომ სერტიფიცირების მოთხოვნები შეიცვლება (ეს მოხდა სწორედ მაშინ, როდესაც დავიწყე სტატიის წერა).

რა გჭირდებათ გამოცდისთვის მოსამზადებლად?

პროფესიონალური დონის სერტიფიცირებისთვის, Google რეკომენდაციას უწევს სამ წლიან გამოცდილებას ინდუსტრიაში და ერთ წელზე მეტ გამოცდილებას GCP-ის გამოყენებით გადაწყვეტილებების შემუშავებისა და მართვის სფეროში.

მე ეს არ მქონდა.

შესაბამისი გამოცდილება თითოეულ შემთხვევაში დაახლოებით ექვსი თვე იყო.

ხარვეზის შესავსებად გამოვიყენე რამდენიმე ონლაინ სასწავლო რესურსი.

რა კურსები გავიარე?

თუ თქვენი შემთხვევა ჩემის მსგავსია და არ აკმაყოფილებთ რეკომენდებულ მოთხოვნებს, მაშინ შეგიძლიათ გაიაროთ ქვემოთ ჩამოთვლილი ზოგიერთი კურსი თქვენი დონის გასაუმჯობესებლად.

ეს არის ის, რაც მე გამოვიყენე სერტიფიკაციისთვის მომზადებისას. ისინი ჩამოთვლილია დასრულების თანმიმდევრობით.

თითოეულისთვის მე მივუთითე სასერტიფიკაციო გამოცდის ჩაბარების ღირებულება, დრო და სარგებლობა.

ზოგიერთი მაგარი ონლაინ სასწავლო რესურსი გამოვიყენე გამოცდის წინ ჩემი უნარების გასაუმჯობესებლად, თანმიმდევრობით: ღრუბლის გურუ, Linux აკადემია, Coursera.

მონაცემთა ინჟინერია Google Cloud Platform-ის სპეციალიზაცია (Cousera)

ღირებულება: $49 თვეში (7 დღიანი უფასო საცდელი პერიოდის შემდეგ).
დრო: 1-2 თვე, კვირაში 10 საათზე მეტი.
კომუნალური: 8-დან 10.

კურსი მონაცემთა ინჟინერია Google Cloud Platform-ის სპეციფიკაციაზე Coursera პლატფორმაზე, რომელიც შემუშავებულია Google Cloud-თან თანამშრომლობით.

ის დაყოფილია ხუთ ჩადგმულ კურსად, რომელთაგან თითოეული შეადგენს დაახლოებით 10 საათს კვირაში.

თუ ახალი ხართ Google Cloud მონაცემთა მეცნიერებაში, ეს სპეციალიზაცია მოგცემთ თქვენთვის საჭირო უნარებს. თქვენ დაასრულებთ პრაქტიკული სავარჯიშოების სერიას განმეორებითი პლატფორმის გამოყენებით, სახელწოდებით QwikLabs. მანამდე ჩატარდება Google Cloud-ის სპეციალისტების ლექციები, თუ როგორ გამოიყენოთ სხვადასხვა სერვისები, როგორიცაა Google BigQuery, Cloud Dataproc, Dataflow და Bigtable.

Cloud Guru-ს შესავალი Google Cloud Platform-ში

ღირებულება: უფასოა.
დრო: 1 კვირა, 4-6 საათი.
კომუნალური: 4-დან 10.

დაბალი სარგებლიანობის ნიშანი არ ნიშნავს იმას, რომ კურსი მთლიანობაში უსარგებლოა - შორს. ერთადერთი მიზეზი, რის გამოც ქულა ასე დაბალია, არის ის, რომ ის არ არის ორიენტირებული პროფესიონალი მონაცემთა ინჟინერის სერთიფიკატზე (როგორც სახელი გვთავაზობს).

მე მივიღე ის, როგორც განახლება Coursera-ს სპეციალიზაციის დასრულების შემდეგ, რადგან გამოვიყენე Google Cloud ზოგიერთ შეზღუდულ შემთხვევებში.

თუ ადრე გიმუშავიათ სხვა ღრუბლოვან პროვაიდერთან ან არასდროს გამოგიყენებიათ Google Cloud, ეს კურსი შეიძლება გამოგადგეთ - ეს არის მთლიანობაში Google Cloud პლატფორმის შესანიშნავი შესავალი.

Linux Academy Google-ის სერტიფიცირებული პროფესიონალი მონაცემთა ინჟინერი

ღირებულება: $49 თვეში (7 დღიანი უფასო საცდელი პერიოდის შემდეგ).
დრო: 1-4 კვირა, კვირაში 4 საათზე მეტი.
კომუნალური: 10-დან 10.

გამოცდის ჩაბარების და გავლილი კურსების დაფიქრების შემდეგ, შემიძლია ვთქვა, რომ Linux Academy Google Certified Professional Data Engineer იყო ყველაზე სასარგებლო.

ასევე ვიდეო გაკვეთილები მონაცემთა დოსიის ელექტრონული წიგნი (კურსთან ერთად მოწოდებული შესანიშნავი უფასო სასწავლო რესურსი) და პრაქტიკული გამოცდები ამ კურსს ერთ-ერთ საუკეთესოდ აქცევს, რაც კი ოდესმე გამიკეთებია.

მე კი გირჩევთ მას, როგორც საცნობარო მასალას Slack-ის ნოტებში გამოცდის შემდეგ გუნდისთვის.

შენიშვნები Slack-ში

• ზოგიერთი საგამოცდო კითხვა არ იყო გაშუქებული Linux Academy-ის კურსში, A Cloud Guru ან Google Cloud Practice გამოცდებში (რაც მოსალოდნელია).
• ერთ კითხვას ჰქონდა მონაცემთა პუნქტების გრაფიკი. დაისვა კითხვა, რა განტოლების გამოყენება შეიძლება მათი დაჯგუფებისთვის (მაგალითად, cos(X) ან X²+Y²).
• დარწმუნდით, რომ იცოდეთ განსხვავებები Dataflow, Dataproc, Datastore, Bigtable, BigQuery, Pub/Sub შორის და გაიგეთ, როგორ შეიძლება მათი გამოყენება.
• გამოცდაზე ორი კონკრეტული მაგალითი იგივეა, რაც პრაქტიკაში, თუმცა გამოცდის დროს საერთოდ არ წამიკითხავს (თვითონ კითხვები საკმარისი იყო პასუხისთვის).
• ძირითადი SQL შეკითხვის სინტაქსის ცოდნა სასარგებლოა, განსაკუთრებით BigQuery კითხვებისთვის.
• Linux აკადემიისა და GCP კურსების პრაქტიკული გამოცდები სტილით ძალიან ჰგავს გამოცდის კითხვებს - ღირს მათი რამდენჯერმე გავლა საკუთარი სისუსტეების საპოვნელად.
• უნდა გვახსოვდეს, რომ dataproc მუშაობს Hadoop, ნაპერწკალი, Hive и ღორები.
• Მონაცემთა ნაკადი მუშაობს აპაჩის სხივი.
• ღრუბლის შემცველი არის მონაცემთა ბაზა, რომელიც თავდაპირველად შექმნილია ღრუბლისთვის, ის თავსებადია ACID და მუშაობს მსოფლიოს ნებისმიერ წერტილში.
• სასარგებლოა ვიცოდეთ „ძველების“ სახელები - რელაციური და არარელატიური მონაცემთა ბაზების ეკვივალენტები (მაგალითად, MongoDB, Cassandra).
• IAM როლები ოდნავ განსხვავდება სერვისებს შორის, მაგრამ კარგი იდეაა იმის გაგება, თუ როგორ განვასხვავოთ მომხმარებლებისთვის მონაცემთა ნახვისა და სამუშაო ნაკადების დიზაინის უნარი (მაგალითად, Dataflow Worker-ის როლს შეუძლია შექმნას სამუშაო ნაკადები, მაგრამ არ ნახოს მონაცემები).
ჯერჯერობით ეს ალბათ საკმარისია. თითოეული გამოცდა განსხვავებულად ჩატარდება. Linux Academy-ის კურსი უზრუნველყოფს საჭირო ცოდნის 80%-ს.

ერთწუთიანი ვიდეოები Google Cloud სერვისების შესახებ

ღირებულება: უფასოა.
დრო: 1-2 საათი.
კომუნალური: 5-დან 10.

ეს ვიდეოები რეკომენდებული იყო A Cloud Guru-ს ფორუმებზე. ბევრი მათგანი არ არის დაკავშირებული Professional Data Engineer-ის სერთიფიკატთან, ამიტომ მე უბრალოდ ავირჩიე ისინი, ვისი სერვისების სახელებიც ნაცნობი მეჩვენებოდა.

კურსის გავლისას, ზოგიერთი სერვისი შეიძლება რთული ჩანდეს, ამიტომ სასიამოვნო იყო იმის დანახვა, თუ როგორ იყო აღწერილი კონკრეტული სერვისი მხოლოდ ერთ წუთში.

მზადება Cloud Professional Data Engineer გამოცდისთვის

ღირებულება: $49 თითო სერთიფიკატი ან უფასო (სერთიფიკატის გარეშე).
დრო: 1-2 კვირა, კვირაში ექვს საათზე მეტი.
კომუნალური: არ არის შეფასებული.

ეს რესურსი ჩემი გამოცდის წინა დღეს ვიპოვე. არ იყო საკმარისი დრო მის დასასრულებლად - აქედან გამომდინარე, სარგებლიანობის შეფასების ნაკლებობა.

თუმცა, კურსის მიმოხილვის გვერდის ნახვის შემდეგ, შემიძლია ვთქვა, რომ ეს არის შესანიშნავი რესურსი იმისათვის, რომ გადახედოთ ყველაფერს, რაც ისწავლეთ მონაცემთა ინჟინერიის შესახებ Google Cloud-ზე და იპოვოთ თქვენი სუსტი ადგილები.

ამ კურსის შესახებ ერთ ჩემს კოლეგას ვუთხარი, რომელიც სერტიფიცირებისთვის ემზადება.

Google Data Engineering Cheatsheetმავერიკ ლინის მიერ

ღირებულება: უფასოა.
დრო: უცნობია.
კომუნალური: არ არის შეფასებული.

კიდევ ერთი რესურსი, რომელიც გამოცდის შემდეგ დამხვდა. ეს გამოიყურება ყოვლისმომცველი, მაგრამ პრეზენტაცია საკმაოდ მოკლეა. გარდა ამისა, ეს უფასოა. თქვენ შეგიძლიათ მიმართოთ მას პრაქტიკულ გამოცდებს შორის და სერთიფიკაციის შემდეგაც კი, რომ განაახლოთ თქვენი ცოდნა.

რა გავაკეთე კურსის შემდეგ?

კურსების დასასრულს რომ მივუახლოვდი, გამოცდა დავჯავშნე ერთი კვირის გაფრთხილებით.

ვადის დადგენა დიდი მოტივაციაა, გადახედო იმას, რაც ისწავლე.

რამდენჯერმე ჩავაბარე Linux აკადემიისა და Google Cloud-ის პრაქტიკის გამოცდები, სანამ 95%-ზე ზევით ქულების თანმიმდევრულად მიღება დავიწყე.

პირველად ჩააბარა Linux აკადემიის პრაქტიკული გამოცდა 90%-ზე მეტი ქულით.

ტესტები თითოეული პლატფორმისთვის მსგავსია; ჩავწერე და გავაანალიზე ის კითხვები, რომლებსაც მუდმივად ვცდილობდი - ეს დაეხმარა ჩემი სისუსტეების აღმოფხვრას.

თავად გამოცდის დროს თემა იყო Google Cloud-ში მონაცემთა დამუშავების სისტემების განვითარება ორი მაგალითის გამოყენებით (გამოცდის შინაარსი შეიცვალა 29 წლის 2019 მარტიდან). მთელი გამოცდა იყო მრავალჯერადი არჩევანის კითხვები.

გამოცდას ორი საათი დასჭირდა და დაახლოებით 20%-ით უფრო რთული ჩანდა, ვიდრე პრაქტიკული გამოცდები, რომლებსაც ვიცნობდი.

თუმცა, ეს უკანასკნელი ძალიან ღირებული რესურსია.

რას შევცვლიდი გამოცდაზე ხელახლა ჩაბარების შემთხვევაში?

მეტი პრაქტიკული გამოცდები. მეტი პრაქტიკული ცოდნა.

რა თქმა უნდა, ყოველთვის შეგიძლიათ ცოტა უკეთ მოამზადოთ.

რეკომენდებულ მოთხოვნებში მითითებული იყო GCP-ის გამოყენების სამ წელზე მეტი გამოცდილება, რომელიც მე არ მქონდა - ამიტომ მომიწია გამკლავება, რაც მქონდა.

გარდა ამისა

გამოცდა განახლდა 29 მარტს. ამ სტატიაში მოცემული მასალა კვლავ კარგ საფუძველს იძლევა მომზადებისთვის, მაგრამ მნიშვნელოვანია აღინიშნოს გარკვეული ცვლილებები.

Google Cloud Professional Data Engineer-ის გამოცდის სექციები (1 ვერსია)

1. მონაცემთა დამუშავების სისტემების დიზაინი.
2. მონაცემთა სტრუქტურებისა და მონაცემთა ბაზების მშენებლობა და მხარდაჭერა.
3. მონაცემთა ანალიზი და მანქანური სწავლების კავშირი.
4. ბიზნეს პროცესის მოდელირება ანალიზისა და ოპტიმიზაციისთვის.
5. საიმედოობის უზრუნველყოფა.
6. მონაცემთა ვიზუალიზაცია და გადაწყვეტილების მხარდაჭერა.
7. დიზაინი უსაფრთხოებისა და შესაბამისობაზე ორიენტირებული.

Google Cloud Professional Data Engineer-ის გამოცდის სექციები (2 ვერსია)

1. მონაცემთა დამუშავების სისტემების დიზაინი.
2. მონაცემთა დამუშავების სისტემების მშენებლობა და ექსპლუატაცია.
3. მანქანათმცოდნეობის მოდელების მოქმედება (ცვლილებების უმეტესობა აქ მოხდა) [სიახლე].
4. გადაწყვეტილებების ხარისხის უზრუნველყოფა.

2 ვერსიაში, 1-ლი ვერსიის 2, 4, 6 და 1 სექციები გაერთიანებულია 1 და 2 სექციებში, 5 და 7 სექციები 4-ში. მე-3 ვერსიის მე-2 ნაწილი გაფართოვდა Google-ში მანქანური სწავლების ყველა ახალი შესაძლებლობის დასაფარად. ღრუბელი.

ეს ცვლილებები ცოტა ხნის წინ მოხდა, ამიტომ ბევრ სასწავლო მასალას არ ჰქონდა დრო განახლებისთვის.

თუმცა, თუ იყენებთ მასალებს სტატიიდან, ეს საკმარისი უნდა იყოს საჭირო ცოდნის 70%-ის დასაფარად. შემდეგ თემებსაც დამოუკიდებლად განვიხილავდი (ისინი გამოცდის მეორე ვერსიაში გამოჩნდა):

• Google Machine Learning (ML) API.
• Google Cloud Machine Learning Core.
• TPU Google Cloud-ისთვის (Google-ის მიერ შექმნილი აპარატურა სპეციალურად მანქანური სწავლისთვის).
• მანქანური სწავლების ტერმინების Google ტერმინები.

როგორც ხედავთ, გამოცდის განახლება პირველ რიგში დაკავშირებულია Google Cloud-ის მანქანური სწავლების შესაძლებლობებთან.

განახლება დათარიღებულია 29.04.2019 წლის XNUMX აპრილით. მე მივიღე შეტყობინება Linux აკადემიის კურსის ინსტრუქტორისგან (Mathew Ulasien).

უბრალოდ ცნობისთვის, ჩვენ ვგეგმავთ მონაცემთა ინჟინერიის კურსის განახლებას Linux Academy-ში, რათა ასახოს ახალი მიზნები მაისის შუა რიცხვებიდან და ბოლოს.

გამოცდის შემდეგ

როგორც კი ჩააბარებთ გამოცდას, მიიღებთ ჩაბარების ან წარუმატებლობის შედეგს. პრაქტიკაში გამოცდებზე ამბობენ, რომ მიზნად ისახავს მინიმუმ 70%, ასე რომ მე მიზნად ისახავს 90%.

გამოცდის წარმატებით ჩაბარების შემდეგ, ელფოსტით მიიღებთ აქტივაციის კოდს Google Cloud Professional Data Engineer-ის ოფიციალურ სერტიფიკატთან ერთად. გილოცავ!

აქტივაციის კოდის გამოყენება შესაძლებელია ექსკლუზიურ Google Cloud Professional Data Engineer-ის მაღაზიაში, სადაც შეგიძლიათ მიიღოთ კარგი ფული: არის მაისურები, ზურგჩანთები და კაპიუშონები (ზოგიერთი შესაძლოა არ იყოს მარაგში მიტანის დროს). მაისური ავირჩიე.

სერტიფიკაციის მიღების შემდეგ, შეგიძლიათ აჩვენოთ თქვენი უნარები (ოფიციალურად) და დაუბრუნდეთ იმას, რასაც აკეთებთ საუკეთესოდ: სისტემების აშენება.

ორ წელიწადში გნახავთ ხელახალი სერტიფიკაციისთვის.

P.S. დიდი მადლობა ზემოაღნიშნული კურსების შესანიშნავ მასწავლებლებს და მაქს კელსენი სწავლისთვის და გამოცდისთვის მოსამზადებლად რესურსების და დროის უზრუნველსაყოფად.

მთარგმნელის შესახებ

სტატია თარგმნა ალკონოსტმა.

ალკონოსტი დაინიშნა თამაშის ლოკალიზაცია, აპები და ვებსაიტები 70 ენაზე. მშობლიური მთარგმნელები, ლინგვისტური ტესტირება, ღრუბლოვანი პლატფორმა API-ით, უწყვეტი ლოკალიზაცია, 24/7 პროექტის მენეჯერები, ნებისმიერი სიმებიანი რესურსის ფორმატები.

ჩვენც ვაკეთებთ სარეკლამო და საგანმანათლებლო ვიდეოები — გაყიდვადი საიტებისთვის, გამოსახულების, სარეკლამო, საგანმანათლებლო, ტიზერებისთვის, განმმარტებლებისთვის, თრეილერებისთვის Google Play-სა და App Store-ისთვის.

→ სხვა

წყარო: www.habr.com