Utan de rekommenderade 3 års praktisk erfarenhet
Innan kursstart , vi vill dela med dig av en översättning av en mycket intressant historia, som säkerligen kommer att vara användbar för framtida dataingenjörer. Gå!
Huvtröja från Google: ta på dig. Seriöst arbetande ansiktsuttryck: närvarande. Foto från videoversionen av denna artikel på .
Notera. Den här artikeln täcker certifieringsprovet för Google Cloud Professional Data Engineer till och med den 29 mars 2019. Det har skett en del förändringar sedan detta datum. Jag har inkluderat dem i avsnittet Extras.
Så, vill du få en ny hoodie som på mitt omslag? Eller funderar du på att bli certifierad? och undrar hur man gör.
Under de senaste månaderna har jag gått kurser och använt Google Cloud för att förbereda mig för provet Professional Data Engineer. Sedan försökte jag passera den och gick igenom. Och några veckor senare levererades min hoodie. Intyget kom snabbt.
Den här artikeln kommer att lista några saker du kanske vill veta och de steg jag tog för att få min certifiering för Google Cloud Professional Data Engineer.
Varför skulle du vilja bli certifierad som Google Cloud Professional Data Engineer?
Data finns överallt. Och att veta hur man bygger system som kan bearbeta och använda data är efterfrågat. Google Cloud tillhandahåller infrastrukturen för att bygga dessa system.
Du kanske redan har kompetensen att använda Google Cloud, men hur kommer du att visa detta för en framtida arbetsgivare eller kund? Det finns två sätt: projektportfölj eller certifiering.
Certifikatet säger till potentiella kunder och arbetsgivare: "Jag har kompetensen och jag har ansträngt mig för att bli ackrediterad."
En kort beskrivning från Google sammanfattar det.
Visa din förmåga att designa och bygga datasystem och bygga maskininlärningsmodeller på Google Cloud Platform.
Om du inte redan har kompetensen betyder det att du går igenom certifieringshandledningarna att du lär dig allt om hur du bygger datasystem i världsklass på Google Cloud.
Vem vill bli certifierad som Google Cloud Professional Data Engineer?
Du har sett siffrorna. Molnet växer. Den är redan här och kommer ingenstans. Om du inte har sett siffrorna ännu, tro mig, molnet växer.
Oavsett om du redan är datavetare, dataingenjör, dataanalytiker, maskininlärningsingenjör eller letar efter en karriärmöjlighet inom datavärlden, är Google Cloud Professional Data Engineer-certifieringen något för dig.
Möjligheten att använda molnet blir ett krav för alla datacentrerade positioner.
Behöver du en certifiering för att vara en bra dataingenjör/datavetare/maskininlärningsingenjör?
Nej.
Du kan fortfarande använda Google Cloud för dataöverföringslösningar utan certifikat.
Certifikatet är bara en av metoderna för att validera befintlig kompetens.
Hur mycket kostar det?
Kostnaden för provet är $200. Om du misslyckas måste du betala igen för ett nytt försök.
Det kan finnas kostnader förknippade med förberedande kurser och användningen av själva plattformen.
Plattformsavgifter är avgifter för att använda Google Cloud-tjänster. Om du är en sofistikerad användare är du redan medveten om detta. Om inte, och du har precis kommit igång med handledningarna i den här artikeln, kan du skapa ett nytt Google Cloud-konto och hålla dig inom 300 $ som Google erbjuder när du registrerar dig.
Vi kommer till kostnaden för kursen på en sekund.
Hur länge är certifieringen giltig?
2 år. Efter det måste du göra provet igen.
Och eftersom Google Cloud utvecklas varje dag, är det troligt att det som krävs för ett certifikat kommer att ändras (som jag fick reda på, det hade redan förändrats när jag började skriva den här artikeln).
Vad behöver du för att förbereda dig inför provet?
Google rekommenderar 3+ års branscherfarenhet och 1+ år av att utveckla och hantera lösningar med GCP för certifiering på professionell nivå.
Jag hade inget av ovanstående.
Med 6 månaders relevant erfarenhet. För att kompensera för bristen använde jag en kombination av onlineutbildningsresurser.
Vilka kurser gick jag?
Om du är som jag och inte har de rekommenderade kraven kan du ta några av följande kurser för att höja dina kunskaper.
Följande kurser är vad jag använde för att förbereda för certifieringen. De är listade i slutförandeordning.
Jag har listat kostnaden, tidpunkten och användbarheten av att ta certifieringsprovet för alla.
Några av de fantastiska onlineresurserna använde jag för att förbättra mina färdigheter innan provet. I ordning: , и .
Kostnad: $49 per månad (efter 7 dagars gratis provperiod)
Tid: 1-2 månader, 10+ timmar per vecka
Verktyg: 8 / 10
skapat i samarbete med Google Cloud.
Den är uppdelad i fem delkurser som var och en tar cirka 10 timmar per veckas studietid.
Om du är ny på Google Cloud-databehandling tar denna specialisering dig från nivå 0 till nivå 1. Du kommer att genomföra en serie praktiska övningar med hjälp av en iterativ plattform som heter QwikLabs. Innan dess kommer det att hållas föreläsningar av Google Cloud-utövare om hur man använder olika tjänster som Google BigQuery, Cloud Dataproc, Dataflow och Bigtable.
Kostnad: gratis
Tid: 1 vecka, 4-6 timmar
Verktyg: 4 / 10
Ta inte ett lågt nyttopoäng som en indikation på kursens värdelöshet. Detta är långt ifrån sant. Den enda anledningen till att det får ett lägre betyg är att det inte är fokuserat på att certifiera en professionell dataingenjör (som namnet antyder).
Efter att ha slutfört Coursera-specialiseringen tog jag den här kursen som en repetitionskurs eftersom jag bara använde Google Cloud för ett fåtal specialiserade användningsfall.
Om du kommer från en annan molnleverantör eller aldrig har använt Google Cloud tidigare, kanske du vill gå den här kursen. Det här är en bra introduktion till Google Cloud Platform i allmänhet.
Kostnad: $49 per månad (efter 7 dagars gratis provperiod)
Tid: 1-4 veckor, 4+ timmar per vecka
Verktyg: 10 / 10
Efter att ha genomfört provet och reflekterat över kurserna jag läste var det mest hjälpsamma .
Video också (en fantastisk gratis inlärningsresurs som följer med kursen) och övningsprov gjorde den här kursen till en av de bästa lärresurserna jag någonsin har använt.
Jag rekommenderade det till och med som referens i några Slack-anteckningar för laget efter tentamen.
Anteckningar i Slack
- Vissa saker på provet var inte på prov på Linux Academy, Cloud Guru eller Google Cloud Practice (förväntat)
- 1 fråga med en graf över datapunkter, om vilken ekvation du ska gruppera dem (till exempel cos(X) eller X² + Y²)
- Att känna till skillnaderna mellan Dataflow, Dataproc, Datastore, Bigtable, BigQuery, Pub/Sub och hur de kan användas är ett måste.
- De två arbetsexemplen på forskning i tentamen var exakt desamma som i praktiken, även om jag inte hänvisade till dessa studier alls under tentamen (frågorna gav tillräcklig insikt).
- Att känna till den grundläggande syntaxen för SQL-frågor är till stor hjälp, särskilt för BigQuery-frågor.
- De övningsprov som tillhandahålls av Linux Academy och GCP liknar i stil tentafrågor, och jag kommer att arbeta igenom var och en av dem flera gånger och använda dem för att ta reda på dina svagheter.
- Ett litet tips för att hjälpa till med Dataproc: "dataproc krocken och Hadoop elefanten planerar att Gnista en eld och laga mat Bikupa of Grisar" {Krokodil dataproc och elefant Hadoop planerar att anlägga en brandGnista - gnista, tända en eld - göra en eld) och koka en svärm (Bikupa) grisar (Pig)} (Dataproc handlar om Hadoop, Spark, Hive och Pig)
- «Data flöde är en flödande Stråle av ljus" {Data flöde detta är den aktuella strålen (Stråle) light} (Dataflow handlar om Apache Beam)
- "Alla runtom i världen kan relatera till en välgjord SYRA tvättad Nyckel" {Vem som helst över hela världen kan hantera renad syra (SYRA) med en solid skiftnyckel (Spanner)} (Cloud Spanner är en databas designad för att höja molnet från grunden, ACID-kompatibel och tillgänglig över hela världen)
- Det kan vara användbart att känna till namnen på klassiska relations- och icke-relationella databaser (till exempel MongoDB, Cassandra)
- IAM-roller varierar något för varje tjänst, men det är bra att förstå hur man kan skilja användare från att kunna se data utan att ta bort möjligheten att designa arbetsflöden (t.ex. rollen "Dataflödesarbetare" kan designa arbetsflöden men inte se data)
Det här räcker nog för nu. Körsträckan kommer sannolikt att variera från examen till examen. Linux Academy-kursen ger dig 80% av kunskapen.
Kostnad: gratis
Tid: 1-2 timmar
Verktyg: 5 / 10
De har rekommenderats på Cloud Guru-forumen. Många av dem var inte relaterade till Professional Data Engineer-certifieringen, men jag har valt ut några som är det.
Vissa tjänster kan verka komplicerade när man går igenom kursen, så det var trevligt att höra hur en viss tjänst beskrivs på en minut.
Kostnad: $49 per certifikat eller gratis (utan certifikat)
Tid: 1-2 veckor, 6+ timmar per vecka
Verktyg: N / A
Jag hittade den här resursen dagen innan min schemalagda tentamen. Jag avslutade det inte på grund av tidsbrist, därav avsaknaden av ett nyttobetyg.
Men från kursöversiktssidan ser det ut som en fantastisk resurs för att samla allt du har lärt dig om Google Cloud Data Engineering och lyfta fram eventuella svagheter.
Jag rekommenderade den här kursen som en resurs till en av mina kollegor som förbereder sig för certifiering.
Kostnad: gratis
Tid: Ej tillämpligt
Verktyg: Ej tillämpligt
Detta var en annan resurs som jag snubblade över efter provet. Enligt min mening är den heltäckande, men samtidigt kortfattad. Dessutom är det gratis. Den kan användas för att läsa mellan övningsprov eller till och med efter certifiering för att fräscha upp kunskapen.
Vad gjorde jag efter kursen?
När jag närmade mig slutet av mina kurser bokade jag provet med en veckas varsel.
Att ha en deadline är en stor motivation för att förstärka det du har lärt dig.
Jag tog upprepade gånger övningsproven från Linux Academy och Google Cloud tills jag kunde slutföra dem med 95 %+ noggrannhet varje gång.
Klarade Linux Academy praktikprovet med över 90 % för första gången.
Testerna från varje plattform liknar varandra, men jag upptäckte att genom att gå igenom frågorna jag konsekvent fick fel och skriva ner varför jag missförstod dem hjälpte det till att skärpa mina svaga punkter.
Provet jag tog använde som ämne två exempel på forskningsprojekt för att utveckla databehandlingssystem på Google Cloud (den 29 mars 2019 har detta ändrats). Och var med flervalsmöjligheter hela tiden.
Det tog mig ca 2 timmar. Och det var ungefär 20 % svårare än någon av de prov jag gjorde.
Jag kan inte uttrycka värdet av praktiska prov tillräckligt.
Vad skulle jag ändra om jag gick igen?
Fler övningsprov. Mer praktisk kunskap.
Naturligtvis finns det alltid mer förberedelser du kan göra.
Det rekommenderade kravet anger mer än 3 års användning av GCP. Men jag hade det inte, så jag fick ta itu med det jag hade.
dessutom
Provet uppdaterades den 29 mars. Materialet som presenteras i denna artikel ger fortfarande en bra grund, men det är viktigt att notera några förändringar.
Olika avsnitt av Google Cloud Professional Data Engineer-examen ()
- Design av databehandlingssystem
- Skapande och support av strukturer och databaser.
- Dataanalys och maskininlärningskoppling
- Affärsprocessmodellering för analys och optimering
- Säkerställa tillförlitlighet
- Datavisualisering och policystöd
- Designad för säkerhet och efterlevnad
Olika avsnitt av Google Cloud Professional Data Engineer-examen ()
- Design av databehandlingssystem
- Konstruktion och drift av databehandlingssystem
- Operationalisering av maskininlärningsmodeller (de flesta av förändringarna skedde här) [NY]
- Säkerställa kvaliteten på lösningarna
Version 2 slog samman avsnitt 1, 2, 4 och 6 av version 1 till 1 och 2. Den slog också samman avsnitt 5 och 7 från version 1 till avsnitt 4. Och avsnitt 3 i version 2 utökades för att täcka hela det nya Google Cloud Maskininlärningsförmåga.
Eftersom dessa förändringar är så nya har många av läromaterialet inte kunnat uppdateras.
Att bekanta sig med materialen i den här artikeln bör dock räcka för att täcka 70 % av det du behöver. Jag skulle kombinera detta med en del av din egen forskning om följande frågor (som presenterades i den andra versionen av provet).
- (en anpassad utrustning designad av Google speciellt för ML-utbildning)
Som du kan se fokuserade den senaste uppdateringen av provet på ML-funktionerna i Google Cloud.
Uppdatering 29/04/2019: Ett meddelande från Linux Academy kursinstruktör Matthew Ulasein.
Bara för referens, planerar vi att uppdatera Data Engineer-kursen på Linux Academy för att återspegla de nya kurserna som kommer att starta någon gång i mitten/slutet av maj.
Efter tentamen
När du klarar provet får du endast ett godkänt eller underkänt resultat. Jag råder att sikta på minst 70 %, så jag siktade på minst 90 % på praktikproven.
När du är klar kommer du att få en inlösenkod via e-post tillsammans med den officiella certifieringen för Google Cloud Professional Data Engineer. Grattis!
Du kan använda inlösenkoden i den exklusiva Google Cloud Professional Data Engineer Store, som är proppfull av swag (). Det finns T-shirts, ryggsäckar och hoodies (de kanske inte finns i lager när du kommer dit). Jag valde hoodies.
Nu är du certifierad, du kan visa upp dina färdigheter (officiellt) och återgå till det du är bäst på, att bygga.
Vi ses om två år för att omcertifiera dig.
PS: Om du har några frågor eller vill ha förtydliganden kan du kontakta mig på и . på Det finns också en videoversion av denna artikel.
PPS: stort tack till alla underbara lärare i alla ovanstående kurser och för att ge resurser och tid för att studera och förbereda sig för tentamen.
Och alla som vill lära sig mer om kursprogrammet, funktioner i onlineformatet, färdigheter, kompetenser och framtidsutsikter som väntar akademiker efter utbildningen, vi inbjuder dig att , som äger rum idag kl 20.00.
Källa: will.com