ຂ້ອຍຜ່ານການສອບເສັງ Google Cloud Professional Data Engineer Certification ແນວໃດ

ໂດຍບໍ່ມີການແນະນໍາ 3 ປີປະສົບການປະຕິບັດ

ກ່ອນທີ່ຈະເລີ່ມຕົ້ນຂອງຫຼັກສູດ ວິສະວະກອນຂໍ້ມູນ, ພວກເຮົາຕ້ອງການແບ່ງປັນໃຫ້ທ່ານມີການແປເລື່ອງທີ່ຫນ້າສົນໃຈຫຼາຍ, ເຊິ່ງແນ່ນອນວ່າຈະເປັນປະໂຫຍດຕໍ່ວິສະວະກອນຂໍ້ມູນໃນອະນາຄົດ. ໄປ!

Hoodie ຈາກ Google: ໃສ່. ການສະແດງອອກທາງຫນ້າຢ່າງຈິງຈັງ: ປະຈຸບັນ. ຮູບພາບຈາກສະບັບວິດີໂອຂອງບົດຄວາມນີ້ກ່ຽວກັບ YouTube.

ຫມາຍ​ເຫດ​. ບົດຄວາມນີ້ກວມເອົາການສອບເສັງການຮັບຮອງ Google Cloud Professional Data Engineer ຈົນຮອດວັນທີ 29 ມີນາ 2019. ມີການປ່ຽນແປງບາງຢ່າງນັບຕັ້ງແຕ່ວັນທີນີ້. ຂ້າພະເຈົ້າໄດ້ລວມເອົາພວກມັນຢູ່ໃນພາກພິເສດ.

ດັ່ງນັ້ນ, ທ່ານຕ້ອງການທີ່ຈະໄດ້ hoodie ໃຫມ່ຄືກ່ຽວກັບການປົກຫຸ້ມຂອງຂ້າພະເຈົ້າ? ຫຼືທ່ານກໍາລັງຄິດທີ່ຈະໄດ້ຮັບການຢັ້ງຢືນ? Google Cloud Professional Data Engineer ແລະສົງໄສວ່າຈະເຮັດແນວໃດ.

ໃນສອງສາມເດືອນຜ່ານມາ, ຂ້ອຍໄດ້ເຂົ້າຮຽນຫຼັກສູດພ້ອມກັບການໃຊ້ Google Cloud ເພື່ອກຽມການສອບເສັງ Professional Data Engineer. ຫຼັງຈາກນັ້ນ, ຂ້າພະເຈົ້າໄດ້ພະຍາຍາມຜ່ານມັນແລະຜ່ານໄປ. ແລະສອງສາມອາທິດຕໍ່ມາ hoodie ຂອງຂ້ອຍໄດ້ຖືກຈັດສົ່ງ. ໃບຢັ້ງຢືນມາຢ່າງໄວວາ.

ບົດ​ຄວາມ​ນີ້​ຈະ​ບອກ​ບາງ​ສິ່ງ​ບາງ​ຢ່າງ​ທີ່​ເຈົ້າ​ອາດ​ຈະ​ຢາກ​ຮູ້ ແລະ​ຂັ້ນ​ຕອນ​ທີ່​ຂ້າ​ພະ​ເຈົ້າ​ໄດ້​ເຮັດ​ເພື່ອ​ໃຫ້​ໄດ້​ຮັບ​ການ​ຢັ້ງ​ຢືນ Google Cloud Professional Data Engineer ຂອງ​ຂ້າ​ພະ​ເຈົ້າ.

ເປັນຫຍັງທ່ານຕ້ອງການໄດ້ຮັບການຮັບຮອງເປັນ Google Cloud Professional Data Engineer?

ຂໍ້ມູນແມ່ນມີຢູ່ທົ່ວທຸກແຫ່ງ. ແລະຮູ້ວິທີການສ້າງລະບົບທີ່ສາມາດປະມວນຜົນແລະນໍາໃຊ້ຂໍ້ມູນແມ່ນຢູ່ໃນຄວາມຕ້ອງການ. Google Cloud ສະໜອງໂຄງສ້າງພື້ນຖານເພື່ອສ້າງລະບົບເຫຼົ່ານີ້.

ເຈົ້າອາດມີທັກສະໃນການນຳໃຊ້ Google Cloud ແລ້ວ, ແຕ່ເຈົ້າຈະສະແດງສິ່ງນີ້ໃຫ້ກັບນາຍຈ້າງ ຫຼືລູກຄ້າໃນອະນາຄົດແນວໃດ? ມີສອງວິທີ: ຫຼັກຊັບຂອງໂຄງການຫຼືການຢັ້ງຢືນ.

ໃບຢັ້ງຢືນບອກລູກຄ້າແລະນາຍຈ້າງໃນອະນາຄົດ, "ຂ້ອຍມີທັກສະແລະຂ້ອຍໄດ້ເອົາໃຈໃສ່ໃນຄວາມພະຍາຍາມເພື່ອໃຫ້ໄດ້ຮັບການຮັບຮອງ."

ຄໍາອະທິບາຍສັ້ນໆຈາກ Google ສະຫຼຸບມັນ.

ສະແດງໃຫ້ເຫັນຄວາມສາມາດຂອງທ່ານໃນການອອກແບບ ແລະສ້າງລະບົບຂໍ້ມູນ ແລະສ້າງແບບຈໍາລອງການຮຽນຮູ້ເຄື່ອງຈັກໃນ Google Cloud Platform.

ຖ້າທ່ານບໍ່ມີທັກສະ, ຜ່ານການສອນການຢັ້ງຢືນຫມາຍຄວາມວ່າທ່ານຈະຮຽນຮູ້ທັງຫມົດກ່ຽວກັບວິທີການສ້າງລະບົບຂໍ້ມູນລະດັບໂລກໃນ Google Cloud.

ໃຜຢາກໄດ້ຮັບການຮັບຮອງເປັນ Google Cloud Professional Data Engineer?

ເຈົ້າໄດ້ເຫັນຕົວເລກ. ຟັງແມ່ນການຂະຫຍາຍຕົວ. ມັນມາຮອດແລ້ວ ແລະບໍ່ໄດ້ໄປໃສເລີຍ. ຖ້າທ່ານຍັງບໍ່ໄດ້ເຫັນຕົວເລກເທື່ອ, ເຊື່ອຂ້ອຍ, ຟັງແມ່ນເຕີບໂຕ.

ບໍ່ວ່າທ່ານຈະເປັນນັກວິທະຍາສາດຂໍ້ມູນ, ວິສະວະກອນຂໍ້ມູນ, ນັກວິເຄາະຂໍ້ມູນ, ວິສະວະກອນການຮຽນຮູ້ເຄື່ອງຈັກ, ຫຼືຊອກຫາໂອກາດອາຊີບໃນໂລກຂໍ້ມູນ, ການຢັ້ງຢືນ Google Cloud Professional Data Engineer ແມ່ນສໍາລັບທ່ານ.

ຄວາມສາມາດໃນການໃຊ້ຄລາວແມ່ນກາຍເປັນຄວາມຕ້ອງການສໍາລັບຕໍາແຫນ່ງທີ່ເນັ້ນໃສ່ຂໍ້ມູນໃດໆ.

ທ່ານຕ້ອງການໃບຢັ້ງຢືນເປັນວິສະວະກອນຂໍ້ມູນ / ນັກວິທະຍາສາດຂໍ້ມູນ / ວິສະວະກອນການຮຽນຮູ້ເຄື່ອງຈັກທີ່ດີບໍ?

ສະບັບເລກທີ

ທ່ານຍັງສາມາດໃຊ້ Google Cloud ສໍາລັບການແກ້ໄຂການໂອນຂໍ້ມູນໂດຍບໍ່ມີໃບຢັ້ງຢືນ.

ໃບຢັ້ງຢືນແມ່ນພຽງແຕ່ຫນຶ່ງໃນວິທີການກວດສອບຄວາມສາມາດທີ່ມີຢູ່ແລ້ວ.

ມັນມີລາຄາເທົ່າໃດ?

ຄ່າ​ໃຊ້​ຈ່າຍ​ຂອງ​ການ​ສອບ​ເສັງ​ແມ່ນ $200. ຖ້າທ່ານລົ້ມເຫລວ, ທ່ານຈະຕ້ອງຈ່າຍເງິນອີກເທື່ອຫນຶ່ງສໍາລັບຄວາມພະຍາຍາມໃຫມ່.

ອາດຈະມີຄ່າໃຊ້ຈ່າຍທີ່ກ່ຽວຂ້ອງກັບຫຼັກສູດການກຽມຕົວແລະການນໍາໃຊ້ເວທີຂອງມັນເອງ.

ຄ່າບໍລິການຂອງເວທີແມ່ນຄ່າບໍລິການຂອງ Google Cloud. ຖ້າທ່ານເປັນຜູ້ໃຊ້ທີ່ມີຄວາມຊັບຊ້ອນ, ທ່ານຮູ້ແລ້ວກ່ຽວກັບເລື່ອງນີ້. ຖ້າບໍ່ແມ່ນ, ແລະເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນກັບບົດສອນທີ່ກວມເອົາໃນບົດຄວາມນີ້, ທ່ານສາມາດສ້າງບັນຊີ Google Cloud ໃໝ່ ແລະຢູ່ພາຍໃນ $300 ທີ່ Google ສະເໜີໃຫ້ເມື່ອລົງທະບຽນ.

ພວກເຮົາຈະມາຮອດຄ່າໃຊ້ຈ່າຍຂອງຫຼັກສູດໃນອີກວິນາທີ.

ການຢັ້ງຢືນຖືກຕ້ອງດົນປານໃດ?

2 ປີ. ຫຼັງຈາກນັ້ນ, ທ່ານຈະຕ້ອງໄດ້ສອບເສັງອີກເທື່ອຫນຶ່ງ.

ແລະນັບຕັ້ງແຕ່ Google Cloud ກໍາລັງພັດທະນາທຸກໆມື້, ມັນເປັນໄປໄດ້ວ່າສິ່ງທີ່ຕ້ອງການສໍາລັບໃບຢັ້ງຢືນຈະປ່ຽນແປງ (ດັ່ງທີ່ຂ້ອຍພົບ, ມັນມີການປ່ຽນແປງແລ້ວເມື່ອຂ້ອຍເລີ່ມຂຽນບົດຄວາມນີ້).

ເຈົ້າຕ້ອງກຽມຫຍັງແດ່ສຳລັບການສອບເສັງ?

Google ແນະນໍາ 3+ ປີຂອງປະສົບການອຸດສາຫະກໍາແລະ 1+ ປີຂອງການພັດທະນາແລະການຄຸ້ມຄອງການແກ້ໄຂການນໍາໃຊ້ GCP ສໍາລັບການຢັ້ງຢືນລະດັບມືອາຊີບ.

ຂ້ອຍບໍ່ມີອັນໃດຂ້າງເທິງນີ້.

ກ່ຽວກັບຄວາມເຂັ້ມແຂງຂອງ 6 ເດືອນຂອງປະສົບການທີ່ກ່ຽວຂ້ອງ. ເພື່ອເຮັດໃຫ້ເຖິງການຂາດແຄນ, ຂ້າພະເຈົ້າໄດ້ນໍາໃຊ້ປະສົມປະສານຂອງຊັບພະຍາກອນການຮຽນຮູ້ອອນໄລນ໌.

ຂ້ອຍຮຽນວິຊາໃດແດ່?

ຖ້າເຈົ້າຄືຂ້ອຍ ແລະບໍ່ມີເງື່ອນໄຂທີ່ແນະນຳ, ເຈົ້າສາມາດຮຽນຫຼັກສູດຕໍ່ໄປນີ້ເພື່ອຍົກລະດັບທັກສະຂອງເຈົ້າ.

ຫຼັກສູດຕໍ່ໄປນີ້ແມ່ນສິ່ງທີ່ຂ້ອຍໃຊ້ເພື່ອກະກຽມສໍາລັບການຢັ້ງຢືນ. ພວກເຂົາເຈົ້າໄດ້ຖືກລະບຸໄວ້ໃນລໍາດັບຂອງການສໍາເລັດ.

ຂ້າ​ພະ​ເຈົ້າ​ໄດ້​ລະ​ບຸ​ຄ່າ​ໃຊ້​ຈ່າຍ​, ເວ​ລາ​, ແລະ​ປະ​ໂຫຍດ​ຂອງ​ການ​ສອບ​ເສັງ​ໃບ​ຢັ້ງ​ຢືນ​ສໍາ​ລັບ​ທຸກ​ຄົນ​.

ບາງຊັບພະຍາກອນອອນໄລນ໌ທີ່ຍິ່ງໃຫຍ່ທີ່ຂ້ອຍໃຊ້ເພື່ອປັບປຸງທັກສະຂອງຂ້ອຍກ່ອນການສອບເສັງ. ໃນຄໍາສັ່ງ: CloudGuru, ໂຮງຮຽນ Linux и Coursera.

ວິສະວະກໍາຂໍ້ມູນໃນ Google Cloud Platform ໂດຍ Coursera

ຄ່າໃຊ້ຈ່າຍຂອງ: $49 ຕໍ່ເດືອນ (ຫຼັງຈາກການທົດລອງໃຊ້ຟຣີ 7 ມື້)
ເວລາ: 1-2 ເດືອນ, 10+ ຊົ່ວໂມງຕໍ່ອາທິດ
ປະໂຫຍດ: 8 / 10

ວິສະວະກໍາຂໍ້ມູນໃນ Google Cloud Platform ໂດຍ Coursera ສ້າງໂດຍການຮ່ວມມືກັບ Google Cloud.

ມັນແບ່ງອອກເປັນຫ້າຫຼັກສູດຍ່ອຍ, ແຕ່ລະຄົນໃຊ້ເວລາຮຽນປະມານ 10 ຊົ່ວໂມງຕໍ່ອາທິດ.

ຖ້າທ່ານເປັນຄົນໃໝ່ກັບການປະມວນຜົນຂໍ້ມູນ Google Cloud, ຄວາມຊ່ຽວຊານນີ້ຈະພາເຈົ້າຈາກລະດັບ 0 ໄປຫາລະດັບ 1. ທ່ານຈະເຮັດບົດເຝິກຫັດແບບມືໜຶ່ງໂດຍໃຊ້ແພລະຕະຟອມແບບຊ້ຳໆທີ່ເອີ້ນວ່າ QwikLabs. ກ່ອນໜ້ານັ້ນ, ຈະມີການບັນຍາຍໂດຍນັກປະຕິບັດ Google Cloud ກ່ຽວກັບວິທີການໃຊ້ບໍລິການຕ່າງໆເຊັ່ນ Google BigQuery, Cloud Dataproc, Dataflow ແລະ Bigtable.

ການແນະນໍາ Cloud Guru ກັບ Google Cloud Platform

ຄ່າໃຊ້ຈ່າຍຂອງ: free
ເວລາ: 1 ອາທິດ, 4-6 ຊົ່ວໂມງ
ປະໂຫຍດ: 4 / 10

ຢ່າເອົາຄະແນນຜົນປະໂຫຍດຕໍ່າເປັນຕົວຊີ້ບອກເຖິງຄວາມໄຮ້ຄ່າຂອງຫຼັກສູດ. ນີ້ແມ່ນຢູ່ໄກຈາກຄວາມຈິງ. ເຫດຜົນດຽວທີ່ມັນໄດ້ຮັບຄະແນນຕ່ໍາແມ່ນຍ້ອນວ່າມັນບໍ່ໄດ້ສຸມໃສ່ການຢັ້ງຢືນວິສະວະກອນຂໍ້ມູນມືອາຊີບ (ຕາມຊື່ແນະນໍາ).

ຫຼັງຈາກສໍາເລັດການຊ່ຽວຊານ Coursera, ຂ້າພະເຈົ້າໄດ້ເອົາຫຼັກສູດນີ້ເປັນການປັບປຸງໃຫມ່ເພາະວ່າຂ້າພະເຈົ້າພຽງແຕ່ໃຊ້ Google Cloud ສໍາລັບກໍລະນີການນໍາໃຊ້ພິເສດຈໍານວນຫນ້ອຍ.

ຖ້າທ່ານມາຈາກຜູ້ໃຫ້ບໍລິການຄລາວອື່ນ ຫຼືບໍ່ເຄີຍໃຊ້ Google Cloud ມາກ່ອນ, ທ່ານອາດຈະຕ້ອງການຮຽນຫຼັກສູດນີ້. ນີ້ແມ່ນການແນະນໍາທີ່ດີກັບ Google Cloud Platform ໂດຍທົ່ວໄປ.

Google Certified Professional Data Engineer ຈາກ Linux Academy

ຄ່າໃຊ້ຈ່າຍຂອງ: $49 ຕໍ່ເດືອນ (ຫຼັງຈາກການທົດລອງໃຊ້ຟຣີ 7 ມື້)
ເວລາ: 1-4 ອາທິດ, 4+ ຊົ່ວໂມງຕໍ່ອາທິດ
ປະໂຫຍດ: 10 / 10

ຫຼັງ​ຈາກ​ສໍາ​ເລັດ​ການ​ສອບ​ເສັງ​ແລະ​ການ​ທົບ​ທວນ​ຄືນ​ກ່ຽວ​ກັບ​ວິ​ຊາ​ທີ່​ຂ້າ​ພະ​ເຈົ້າ​ໄດ້​ຮັບ​ການ​ຊ່ວຍ​ເຫຼືອ​ທີ່​ສຸດ​ແມ່ນ Google Certified Professional Data Engineer ຈາກ Linux Academy.

ວິດີໂອເຊັ່ນດຽວກັນ Data Dossier eBook (ແຫຼ່ງການຮຽນຮູ້ຟຣີທີ່ດີທີ່ມາພ້ອມກັບຫຼັກສູດ) ແລະການສອບເສັງພາກປະຕິບັດເຮັດໃຫ້ຫຼັກສູດນີ້ເປັນຫນຶ່ງໃນແຫຼ່ງການຮຽນຮູ້ທີ່ດີທີ່ສຸດທີ່ຂ້ອຍເຄີຍໃຊ້.

ຂ້າພະເຈົ້າຍັງໄດ້ແນະນໍາໃຫ້ມັນເປັນເອກະສານອ້າງອີງໃນບາງບັນທຶກ Slack ສໍາລັບທີມງານຫຼັງຈາກການສອບເສັງ.

ບັນທຶກໃນ Slack

• ບາງສິ່ງທີ່ຢູ່ໃນການສອບເສັງບໍ່ໄດ້ຢູ່ໃນການສອບເສັງຢູ່ Linux Academy, Cloud Guru, ຫຼື Google Cloud Practice (ຄາດວ່າ)
• 1 ຄຳຖາມທີ່ມີເສັ້ນສະແດງຂໍ້ມູນ, ກ່ຽວກັບສົມຜົນທີ່ທ່ານຄວນຈັດກຸ່ມພວກມັນ (ຕົວຢ່າງ, cos(X) ຫຼື X² + Y²)
• ການຮູ້ຄວາມແຕກຕ່າງລະຫວ່າງ Dataflow, Dataproc, Datastore, Bigtable, BigQuery, Pub/Sub ແລະວິທີການທີ່ພວກເຂົາສາມາດຖືກນໍາໃຊ້ແມ່ນຈໍາເປັນ.
• ສອງຕົວຢ່າງການເຮັດວຽກຂອງການຄົ້ນຄວ້າໃນການສອບເສັງແມ່ນຄືກັນກັບໃນພາກປະຕິບັດ, ເຖິງແມ່ນວ່າຂ້ອຍບໍ່ໄດ້ອ້າງເຖິງການສຶກສາເຫຼົ່ານີ້ທັງຫມົດໃນລະຫວ່າງການສອບເສັງ (ຄໍາຖາມໃຫ້ຄວາມເຂົ້າໃຈຢ່າງພຽງພໍ).
• ການຮູ້ syntax ພື້ນຖານຂອງການສອບຖາມ SQL ແມ່ນເປັນປະໂຫຍດຫຼາຍ, ໂດຍສະເພາະສໍາລັບຄໍາຖາມ BigQuery.
• ການສອບເສັງພາກປະຕິບັດທີ່ສະຫນອງໂດຍ Linux Academy ແລະ GCP ແມ່ນຄ້າຍຄືກັນຫຼາຍໃນແບບຂອງຄໍາຖາມສອບເສັງ, ແລະຂ້ອຍຈະເຮັດວຽກຜ່ານແຕ່ລະຄັ້ງຫຼາຍຄັ້ງແລະນໍາໃຊ້ພວກມັນເພື່ອຊອກຫາຈຸດອ່ອນຂອງເຈົ້າ.
• ຄໍາແນະນໍາເລັກນ້ອຍເພື່ອຊ່ວຍ Dataproc: "dataproc Croc ແລະ Hadoop ຊ້າງວາງແຜນທີ່ຈະ Spark ໄຟແລະແຕ່ງກິນ Hive of ຫມູ" {ແຂ້ dataproc ແລະຊ້າງ Hadoop ວາງແຜນທີ່ຈະສ້າງໄຟໄຫມ້Spark - ປະ​ກາຍ​ໄຟ​, ປະ​ດັບ​ໄຟ - ເຮັດ​ໃຫ້​ໄຟ​) ແລະ​ປຸງ​ແຕ່ງ​ເປັນ swarm (Hive) ຫມູ (ຫມູ)} (Dataproc ຈັດການກັບ Hadoop, Spark, Hive ແລະ Pig)
• «ກະແສຂໍ້ມູນ ເປັນກະແສ beam ຂອງແສງ" {ກະແສຂໍ້ມູນ ນີ້​ແມ່ນ beam ໃນ​ປັດ​ຈຸ​ບັນ (beam) light} (Dataflow ຈັດການກັບ Apache Beam)
• “ທຸກຄົນ ຮອບ​ໂລກ ສາ​ມາດ​ກ່ຽວ​ຂ້ອງ​ກັບ a ລ້າງອາຊິດທີ່ເຮັດໄດ້ດີ Spanner" {ທຸກຄົນ ທົ່ວໂລກ ສາມາດຈັດການກັບອາຊິດບໍລິສຸດ (ເອຊີດີ) with a solid wrench (Spanner)} (Cloud Spanner ແມ່ນຖານຂໍ້ມູນທີ່ອອກແບບມາເພື່ອຍົກສູງ cloud ຈາກຈຸດເລີ່ມຕົ້ນ, ປະຕິບັດຕາມ ACID ແລະສາມາດໃຊ້ໄດ້ທົ່ວໂລກ)
• ມັນອາດຈະເປັນປະໂຫຍດທີ່ຈະຮູ້ຊື່ຂອງຖານຂໍ້ມູນທີ່ກ່ຽວຂ້ອງແລະບໍ່ມີຄວາມສໍາພັນຄລາສສິກ (ຕົວຢ່າງ: MongoDB, Cassandra)
• ພາລະບົດບາດ IAM ແຕກຕ່າງກັນເລັກນ້ອຍສໍາລັບແຕ່ລະບໍລິການ, ແຕ່ມັນເປັນປະໂຫຍດທີ່ຈະເຂົ້າໃຈວິທີການແຍກຜູ້ໃຊ້ອອກຈາກການເບິ່ງເຫັນຂໍ້ມູນໂດຍບໍ່ມີການຖອນຄວາມສາມາດໃນການອອກແບບ workflows (ເຊັ່ນ: ບົດບາດ "Dataflow Worker" ສາມາດອອກແບບ workflows ແຕ່ບໍ່ເຫັນຂໍ້ມູນ)

ນີ້ອາດຈະພຽງພໍສໍາລັບໃນປັດຈຸບັນ. ໄລຍະທາງອາດຈະແຕກຕ່າງຈາກການສອບເສັງຕໍ່ກັບການສອບເສັງ. ຫຼັກສູດ Linux Academy ຈະໃຫ້ຄວາມຮູ້ແກ່ເຈົ້າ 80%.

ວິດີໂອ Google Cloud 1 ນາທີ

ຄ່າໃຊ້ຈ່າຍຂອງ: free
ເວລາ: 1-2 ຊົ່ວໂມງ
ປະໂຫຍດ: 5 / 10

ພວກເຂົາເຈົ້າໄດ້ຖືກແນະນໍາໃນເວທີສົນທະນາ Cloud Guru. ພວກມັນຫຼາຍຄົນບໍ່ກ່ຽວຂ້ອງກັບການຢັ້ງຢືນວິສະວະກອນຂໍ້ມູນມືອາຊີບ, ແຕ່ຂ້ອຍໄດ້ເລືອກບາງອັນ.

ການບໍລິການບາງຢ່າງອາດເບິ່ງຄືວ່າສັບສົນໃນເວລາຜ່ານຫຼັກສູດ, ສະນັ້ນມັນດີທີ່ຈະໄດ້ຍິນວ່າການບໍລິການສະເພາະໃດນຶ່ງຖືກອະທິບາຍໄວ້ໃນນາທີ.

ກຳລັງກະກຽມສຳລັບການສອບເສັງ Cloud Professional Data Engineer

ຄ່າໃຊ້ຈ່າຍຂອງ: $49 ຕໍ່ໃບຮັບຮອງ ຫຼືຟຣີ (ບໍ່ມີໃບຮັບຮອງ)
ເວລາ: 1-2 ອາທິດ, 6+ ຊົ່ວໂມງຕໍ່ອາທິດ
ປະໂຫຍດ: ບໍ່ມີ

ຂ້ອຍພົບຊັບພະຍາກອນນີ້ໃນມື້ກ່ອນການສອບເສັງຂອງຂ້ອຍ. ຂ້າພະເຈົ້າບໍ່ໄດ້ສໍາເລັດມັນເນື່ອງຈາກຂໍ້ຈໍາກັດຂອງເວລາ, ດັ່ງນັ້ນການຂາດການປະເມີນຜົນປະໂຫຍດ.

ຢ່າງໃດກໍ່ຕາມ, ຈາກຫນ້າສະຫຼຸບຂອງຫຼັກສູດ, ມັນເບິ່ງຄືວ່າເປັນຊັບພະຍາກອນທີ່ດີທີ່ຈະດຶງທຸກສິ່ງທຸກຢ່າງທີ່ທ່ານໄດ້ຮຽນຮູ້ກ່ຽວກັບ Google Cloud Data Engineering ແລະເນັ້ນໃສ່ຈຸດອ່ອນຕ່າງໆ.

ຂ້າພະເຈົ້າໄດ້ແນະນໍາຫຼັກສູດນີ້ເປັນຊັບພະຍາກອນຫນຶ່ງຂອງເພື່ອນຮ່ວມງານຂອງຂ້ອຍທີ່ກໍາລັງກະກຽມສໍາລັບການຢັ້ງຢືນ.

Maverick Lin ຂອງ Google Data Engineering Cheat Sheet

ຄ່າໃຊ້ຈ່າຍຂອງ: free
ເວລາ: ບໍ່ມີ
ປະໂຫຍດ: ບໍ່ມີ

ນີ້​ແມ່ນ​ຊັບ​ພະ​ຍາ​ກອນ​ອື່ນ​ທີ່​ຂ້າ​ພະ​ເຈົ້າ stumbled ຕາມ​ຫຼັງ​ຈາກ​ການ​ສອບ​ເສັງ. ໃນຄວາມຄິດເຫັນຂອງຂ້າພະເຈົ້າ, ມັນແມ່ນທີ່ສົມບູນແບບ, ແຕ່ໃນເວລາດຽວກັນ concise. ນອກຈາກນັ້ນ, ມັນບໍ່ເສຍຄ່າ. ມັນສາມາດໃຊ້ສໍາລັບການອ່ານລະຫວ່າງການສອບເສັງພາກປະຕິບັດຫຼືແມ້ກະທັ້ງຫຼັງຈາກການຢັ້ງຢືນເພື່ອທົບທວນຄວາມຮູ້.

ຂ້ອຍໄດ້ເຮັດຫຍັງແດ່ຫຼັງຈາກຫຼັກສູດ?

ເມື່ອຂ້ອຍໃກ້ຈະສິ້ນສຸດຫຼັກສູດຂອງຂ້ອຍ, ຂ້ອຍໄດ້ຈອງການສອບເສັງໂດຍມີແຈ້ງການຫນຶ່ງອາທິດ.
ການມີເສັ້ນຕາຍແມ່ນເປັນແຮງຈູງໃຈທີ່ດີທີ່ຈະເສີມສ້າງສິ່ງທີ່ທ່ານໄດ້ຮຽນຮູ້.

ຂ້ອຍໄດ້ສອບເສັງພາກປະຕິບັດຈາກ Linux Academy ແລະ Google Cloud ຊໍ້າແລ້ວຊໍ້າອີກ ຈົນກວ່າຂ້ອຍສາມາດເຮັດສຳເລັດໄດ້ດ້ວຍຄວາມຖືກຕ້ອງ 95%+ ທຸກໆຄັ້ງ.

ຜ່ານການສອບເສັງພາກປະຕິບັດ Linux Academy ຫຼາຍກວ່າ 90% ເປັນຄັ້ງທຳອິດ.

ການທົດສອບຈາກແຕ່ລະແພລະຕະຟອມແມ່ນຄ້າຍຄືກັນ, ແຕ່ຂ້ອຍພົບວ່າການຜ່ານຄໍາຖາມທີ່ຂ້ອຍຜິດພາດຢ່າງຕໍ່ເນື່ອງແລະຂຽນລົງວ່າເປັນຫຍັງຂ້ອຍເຂົ້າໃຈຜິດພວກເຂົາຊ່ວຍຮັດແຫນ້ນຈຸດອ່ອນຂອງຂ້ອຍ.

ການສອບເສັງທີ່ຂ້ອຍໄດ້ໃຊ້ເປັນຫົວຂໍ້ໂຄງການຄົ້ນຄວ້າຕົວຢ່າງສອງໂຄງການສໍາລັບການພັດທະນາລະບົບການປະມວນຜົນຂໍ້ມູນໃນ Google Cloud (ມາຮອດວັນທີ 29 ມີນາ 2019, ນີ້ມີການປ່ຽນແປງ). ແລະ​ມີ​ຫຼາຍ​ທາງ​ເລືອກ​ຕະ​ຫຼອດ​.

ມັນໃຊ້ເວລາຂ້ອຍປະມານ 2 ຊົ່ວໂມງ. ແລະແມ່ນປະມານ 20% ຍາກກວ່າການສອບເສັງໃດໆທີ່ຂ້ອຍໄດ້.

ຂ້ອຍບໍ່ສາມາດສະແດງຄຸນຄ່າຂອງການສອບເສັງພາກປະຕິບັດໄດ້ພຽງພໍ.

ຂ້ອຍຈະປ່ຽນຫຍັງຖ້າຂ້ອຍໄປອີກ?

ການສອບເສັງພາກປະຕິບັດເພີ່ມເຕີມ. ຄວາມຮູ້ພາກປະຕິບັດເພີ່ມເຕີມ.

ແນ່ນອນ, ມີການກະກຽມເພີ່ມເຕີມທີ່ທ່ານສາມາດເຮັດໄດ້ສະເຫມີ.

ຂໍ້​ກໍາ​ນົດ​ທີ່​ແນະ​ນໍາ​ສະ​ແດງ​ໃຫ້​ເຫັນ​ຫຼາຍ​ກ​່​ວາ 3 ປີ​ຂອງ​ການ​ນໍາ​ໃຊ້ GCP​. ແຕ່ຂ້ອຍບໍ່ມີມັນ, ສະນັ້ນຂ້ອຍຕ້ອງຈັດການກັບສິ່ງທີ່ຂ້ອຍມີ.

ນອກຈາກນັ້ນ

ການສອບເສັງໄດ້ຖືກປັບປຸງໃນວັນທີ 29 ມີນານີ້. ເອກະສານທີ່ນໍາສະເຫນີໃນບົດຄວາມນີ້ຍັງໃຫ້ພື້ນຖານທີ່ດີ, ແຕ່ຄວນສັງເກດການປ່ຽນແປງບາງຢ່າງ.

ພາກສ່ວນຕ່າງໆຂອງການສອບເສັງ Google Cloud Professional Data Engineer (ຮຸ່ນ 1)

1. ການອອກແບບລະບົບການປະມວນຜົນຂໍ້ມູນ
2. ການສ້າງແລະສະຫນັບສະຫນູນໂຄງສ້າງແລະຖານຂໍ້ມູນ.
3. ການວິເຄາະຂໍ້ມູນ ແລະການເຊື່ອມຕໍ່ການຮຽນຮູ້ເຄື່ອງຈັກ
4. ການສ້າງແບບຈໍາລອງຂະບວນການທຸລະກິດສໍາລັບການວິເຄາະແລະການເພີ່ມປະສິດທິພາບ
5. ຮັບປະກັນຄວາມຫນ້າເຊື່ອຖື
6. ການເບິ່ງເຫັນຂໍ້ມູນ ແລະການສະຫນັບສະຫນູນນະໂຍບາຍ
7. ອອກແບບມາເພື່ອຄວາມປອດໄພ ແລະປະຕິບັດຕາມ

ພາກສ່ວນຕ່າງໆຂອງການສອບເສັງ Google Cloud Professional Data Engineer (ຮຸ່ນ 2)

1. ການອອກແບບລະບົບການປະມວນຜົນຂໍ້ມູນ
2. ການກໍ່ສ້າງແລະການດໍາເນີນງານຂອງລະບົບການປະມວນຜົນຂໍ້ມູນ
3. ການປະຕິບັດແບບຈໍາລອງການຮຽນຮູ້ເຄື່ອງຈັກ (ການປ່ຽນແປງສ່ວນໃຫຍ່ເກີດຂຶ້ນທີ່ນີ້) [ໃຫມ່]
4. ຮັບປະກັນຄຸນນະພາບຂອງການແກ້ໄຂ

ເວີຊັ່ນ 2 ໄດ້ລວມເອົາພາກທີ 1, 2, 4 ແລະ 6 ຂອງເວີຊັ່ນ 1 ເຂົ້າເປັນ 1 ແລະ 2. ມັນຍັງໄດ້ລວມເອົາພາກທີ 5 ແລະ 7 ຈາກເວີຊັ່ນ 1 ໄປເປັນພາກທີ 4. ແລະພາກທີ 3 ຂອງເວີຊັ່ນ 2 ໄດ້ຖືກຂະຫຍາຍອອກເພື່ອໃຫ້ກວມເອົາທຸກ Google Cloud ໃໝ່. ຄວາມສາມາດໃນການຮຽນຮູ້ເຄື່ອງຈັກ.

ເນື່ອງຈາກວ່າການປ່ຽນແປງເຫຼົ່ານີ້ແມ່ນບໍ່ດົນມານີ້, ອຸປະກອນການຮຽນຮູ້ຈໍານວນຫຼາຍບໍ່ສາມາດປັບປຸງໄດ້.

ຢ່າງໃດກໍ່ຕາມ, ການເຮັດຄວາມຄຸ້ນເຄີຍກັບວັດສະດຸໃນບົດຄວາມນີ້ຄວນຈະພຽງພໍທີ່ຈະກວມເອົາ 70% ຂອງສິ່ງທີ່ທ່ານຕ້ອງການ. ຂ້າພະເຈົ້າຈະສົມທົບການນີ້ກັບບາງການຄົ້ນຄວ້າຂອງທ່ານເອງກ່ຽວກັບຄໍາຖາມຕໍ່ໄປນີ້ (ເຊິ່ງໄດ້ຖືກນໍາສະເຫນີໃນສະບັບທີສອງຂອງການສອບເສັງ).

• API ການຮຽນຮູ້ເຄື່ອງຈັກ (ML - ການຮຽນຮູ້ເຄື່ອງຈັກ) Google
• Google Cloud Machine Learning Engine
• Google Cloud TPUs (ອຸປະກອນທີ່ກຳນົດເອງອອກແບບໂດຍ Google ໂດຍສະເພາະສຳລັບການຝຶກອົບຮົມ ML)
• Google Glossary of ML Terms

ດັ່ງທີ່ທ່ານສາມາດເຫັນໄດ້, ການປັບປຸງສຸດທ້າຍຂອງການສອບເສັງໄດ້ສຸມໃສ່ຄຸນສົມບັດ ML ໃນ Google Cloud.

ອັບເດດ 29/04/2019: ຂໍ້ຄວາມຈາກຜູ້ສອນຫຼັກສູດ Linux Academy Matthew Ulasein.
ພຽງແຕ່ສໍາລັບການອ້າງອິງ, ພວກເຮົາກໍາລັງວາງແຜນທີ່ຈະປັບປຸງຫຼັກສູດວິສະວະກອນຂໍ້ມູນຢູ່ Linux Academy ເພື່ອສະທ້ອນເຖິງຫຼັກສູດໃຫມ່ທີ່ຈະເລີ່ມຕົ້ນບາງຄັ້ງໃນກາງ / ທ້າຍເດືອນພຶດສະພາ.

ຫຼັງ​ຈາກ​ການ​ສອບ​ເສັງ​

ເມື່ອ​ເຈົ້າ​ຜ່ານ​ການ​ສອບ​ເສັງ​, ທ່ານ​ຈະ​ໄດ້​ຮັບ​ພຽງ​ແຕ່​ໄດ້​ຮັບ​ການ​ຜ່ານ​ຫຼື​ບໍ່​ໄດ້​ຜົນ​ໄດ້​ຮັບ​. ຂ້າພະເຈົ້າແນະນໍາໃຫ້ຕັ້ງເປົ້າຫມາຍຢ່າງຫນ້ອຍ 70%, ດັ່ງນັ້ນຂ້າພະເຈົ້າຕັ້ງເປົ້າຫມາຍຢ່າງຫນ້ອຍ 90% ໃນການສອບເສັງພາກປະຕິບັດ.

ເມື່ອສໍາເລັດ, ທ່ານຈະໄດ້ຮັບລະຫັດການໄຖ່ຜ່ານທາງອີເມວພ້ອມກັບການຮັບຮອງ Google Cloud Professional Data Engineer ຢ່າງເປັນທາງການ. ຊົມເຊີຍ!

ທ່ານ​ສາ​ມາດ​ນໍາ​ໃຊ້​ລະ​ຫັດ​ການ​ແລກ​ປ່ຽນ​ໃນ​ຮ້ານ​ວິ​ສະ​ວະ​ກອນ Google Cloud Professional ຂໍ້​ມູນ​ສະ​ເພາະ​, ຊຶ່ງ​ເຕັມ​ໄປ​ດ້ວຍ swag (Swag). ມີເສື້ອທີເຊີດ, ກະເປົ໋າເປ້ແລະ hoodies (ພວກເຂົາອາດຈະບໍ່ຢູ່ໃນຫຼັກຊັບໃນເວລາໄປຮອດ). ຂ້ອຍເລືອກ hoodies.

ຕອນນີ້ເຈົ້າໄດ້ຮັບການຢັ້ງຢືນແລ້ວ, ທ່ານສາມາດສະແດງຊຸດທັກສະຂອງເຈົ້າ (ຢ່າງເປັນທາງການ) ແລະກັບຄືນໄປຫາສິ່ງທີ່ທ່ານເຮັດດີທີ່ສຸດ, ການກໍ່ສ້າງ.

ພົບທ່ານໃນສອງປີເພື່ອຢັ້ງຢືນ.

PS: ຖ້າ​ຫາກ​ທ່ານ​ມີ​ຄໍາ​ຖາມ​ໃດໆ​ຫຼື​ຕ້ອງ​ການ​ຄວາມ​ກະ​ຈ່າງ​ແຈ້ງ​, ທ່ານ​ສາ​ມາດ​ຕິດ​ຕໍ່​ຫາ​ຂ້າ​ພະ​ເຈົ້າ​ໄດ້​ທີ່​ Twitter и LinkedIn. ໃນ YouTube ນອກຈາກນີ້ຍັງມີສະບັບວິດີໂອຂອງບົດຄວາມນີ້.
PPS: ຂໍ​ຂອບ​ໃຈ​ກັບ​ຄູ​ອາ​ຈານ​ທີ່​ປະ​ເສີດ​ທັງ​ຫມົດ​ຂອງ​ວິ​ຊາ​ຂ້າງ​ເທິງ​ນີ້​ແລະ​ Max Kelsen ສໍາລັບການສະຫນອງຊັບພະຍາກອນແລະເວລາໃນການສຶກສາແລະການກະກຽມສໍາລັບການສອບເສັງ.

ແລະທຸກຄົນທີ່ຕ້ອງການຮຽນຮູ້ເພີ່ມເຕີມກ່ຽວກັບຫຼັກສູດ, ລັກສະນະຂອງຮູບແບບອອນໄລນ໌, ທັກສະ, ຄວາມສາມາດແລະຄວາມສົດໃສດ້ານທີ່ລໍຖ້າຜູ້ຮຽນຈົບຫຼັງຈາກການຝຶກອົບຮົມ, ພວກເຮົາເຊີນທ່ານເຂົ້າມາ. ມື້ເປີດ, ເຊິ່ງຈະຈັດຂຶ້ນໃນມື້ນີ້ເວລາ 20.00.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com