Hur jag klarade certifieringstestet Google Cloud Professional Data Engineer

Utan rekommenderad treårig praktisk erfarenhet

*Observera: denna artikel är ägnad åt certifieringsexamen för Google Cloud Professional Data Engineer, som var aktuell fram till den 29 mars 2019. Därefter har det skett vissa förändringar - dessa beskrivs i avsnittet "Ytterligare»*

Google Hoodie: finns. Allvarligt uttryck: finns. Foto från videoversionen av denna artikel på YouTube.

Vill du ha en ny hoodie som den jag har på bilden?

Eller kanske är du intresserad av certifikatet Google Cloud Professional Data Engineer och försöker förstå hur du kan få det?

Under de senaste månaderna har jag genomfört flera kurser och samtidigt arbetat med Google Cloud - för att förbereda mig för examina Professional Data Engineer. Sedan gick jag på examina och klarade den. Inom några veckor kom hoodien - men certifikatet kom snabbare.

I denna artikel kommer jag att ge viss information som kan vara användbar och de steg jag tog för att få certifikatet Google Cloud Professional Data Engineer.

Översatt till Alconost

Varför behövs certifikatet Google Cloud Professional Data Engineer?

Data omger oss, de finns överallt. Därför efterfrågas idag specialister som vet hur man bygger system som kan bearbeta och använda data. Google Cloud tillhandahåller infrastrukturen för att bygga dessa system.

Om du redan har färdigheter i att använda Google Cloud, hur kan du visa dem för framtida arbetsgivare eller klienter? Det finns två sätt att göra det: antingen genom att ha en projektportfölj eller genom att genomgå certifiering.

Certifikatet visar potentiella klienter och arbetsgivare att du har vissa färdigheter och att du har ansträngt dig för att få dem officiellt bekräftade.

Detta nämns också i den officiella beskrivningen av examina.

Demonstrera din förmåga att designa och skapa system för databehandling och maskininlärningsmodeller på Google Cloud-plattformen.

Om du inte har nödvändiga färdigheter ännu, kommer du att lära dig allt som krävs om hur man med Google Cloud skapar databehandlingssystem av högsta kvalitet genom att studera certifieringsmaterialen.

Vem behöver få certifikatet Google Cloud Professional Data Engineer?

Du har sett siffrorna - molnteknologin växer, den är här för att stanna. Om du inte är bekant med statistiken, tro bara: 'moln' är på uppgång just nu.

Om du redan arbetar som databehandlare eller dataanalytiker, maskininlärningsingenjör eller vill byta till databehandling, då är certifieringen Google Cloud Professional Data Engineer vad du behöver.

Att kunna använda molnteknologier blir ett obligatoriskt krav för alla specialister som arbetar med data.

Behöver man ett certifikat för att vara professionell inom databehandling, dataanalys eller maskininlärning?

Nej.

Google Cloud kan användas för databehandlingslösningar utan certifikat.

Certifikatet är bara ett av sätten att bekräfta dina färdigheter.

Hur mycket kostar det?

Kostnaden för att genomföra examen är 200 USD. Om du misslyckas måste du betala igen.

Dessutom måste du spendera på förberedande kurser och att använda själva plattformen.

Kostnaderna för att arbeta med plattformen är avgiften för att använda Google Clouds tjänster. Om du är en aktiv användare vet du redan detta. Om du är nybörjare och just börjar studera det undervisningsmaterial som beskrivs i denna artikel, kan du skapa ett Google Cloud-konto och göra allt vilket ligger inom 300 USD som Google sätter in på ditt konto vid registreringen.

Vi kommer att gå över till kostnaden för kurserna om en liten stund.

Hur länge är certifikatet giltigt?

I två år. Efter denna period behöver du göra examen igen.

Och eftersom Google Cloud ständigt utvecklas, är det troligt att certifieringskraven kommer att förändras (detta hände precis när jag började skriva artikeln).

Vad behövs för att förbereda sig för examen?

För Google Professional-nivåcertifiering rekommenderas det att ha mer än tre års erfarenhet inom branschen och mer än ett års erfarenhet av att utveckla och hantera lösningar med hjälp av GCP.

Jag hade inget av detta.

Den relevanta erfarenheten var cirka sex månader i varje fall.

För att fylla luckan använde jag flera utbildningsresurser på internet.

Vilka kurser gick jag?

Om din situation liknar min och du inte uppfyller de rekommenderade kraven kan du förbättra din nivå genom att ta några av kurserna som anges härnäst.

Det är dessa jag använde för att förbereda mig för certifieringen. De listas i den ordning de genomfördes.

För varje angav jag kostnaden, tidsramarna och nyttan för att klara certifieringsexamen.

Några av de fantastiska onlineutbildningsresurserna som jag använde för att förbättra mina egna färdigheter inför examen - i ordning: A Cloud Guru, Linux Academy, Coursera.

Data Engineering on Google Cloud Platform Specialization (Coursera)

Kostnad: 49 $ per månad (efter 7 dagars gratis provperiod).
Tid: 1–2 månader, över 10 timmar per vecka.
Nyttighet: 8 av 10.

Kurs Data Engineering on Google Cloud Platform Specilization på Coursera-plattformen, utvecklad i samarbete med Google Cloud.

Det är uppdelat i fem sammanlänkade kurser, där varje kurs är cirka 10 timmars studietid per vecka.

Om du inte är bekant med databehandling i Google Cloud, ger denna specialisering dig precis de färdigheter du behöver. Du kommer att utföra en serie praktiska övningar med hjälp av en iterativ plattform som kallas QwikLabs. Innan dess kommer det att finnas föreläsningar av Google Cloud-specialister om hur man använder olika tjänster som Google BigQuery, Cloud Dataproc, Dataflow och Bigtable.

A Cloud Guru Introduction to Google Cloud Platform

Kostnad: gratis.
Tid: 1 vecka, 4–6 timmar.
Nyttighet: 4 av 10.

Den låga nyttighetsbedömningen innebär inte att kursen som helhet är värdelös - det är helt fel. Den enda anledningen till den låga betygsättningen är att den inte är inriktad på certifieringen Professional Data Engineer (vilket framgår av namnet).

Jag gick igenom den för att fräscha upp min kunskap efter att ha genomfört Coursera-specialiseringen, eftersom jag använt Google Cloud i vissa begränsade fall.

Om du tidigare har arbetat med en annan molnleverantör eller aldrig har använt Google Cloud, kan denna kurs vara till hjälp: det är en utmärkt introduktion till Google Cloud-plattformen som helhet.

Linux Academy Google Certified Professional Data Engineer

Kostnad: 49 $ per månad (efter 7 dagars gratis provperiod).
Tid: 1–4 veckor, mer än 4 timmar per vecka.
Nyttighet: 10 av 10.

Efter att ha klarat examen och reflekterat över de genomförda kurserna kan jag säga att den mest nyttiga var just Linux Academy Google Certified Professional Data Engineer.

Videolektionerna, samt den elektroniska boken Data Dossier (en utmärkt gratis utbildningsresurs som tillhandahålls tillsammans med kursen) och de övningsexamina gör denna kurs till en av de bästa jag någonsin genomfört.

Jag rekommenderade till och med den som referensmaterial i mina anteckningar på Slack för teamet efter examen.

Anteckningar i Slack

• Vissa frågor på examen behandlades varken i kursen Linux Academy, i A Cloud Guru eller i Google Cloud Practice-examena (vilket var förväntat).
• I en fråga fanns en graf med datapunkter. Det frågades vilket ekvation som kunde gruppera dem (till exempel cos(X) eller X²+Y²).
• Det är viktigt att förstå skillnaderna mellan Dataflow, Dataproc, Datastore, Bigtable, BigQuery, Pub/Sub och veta hur de kan användas.
• Två specifika exempel på examen var exakt likadana som de som fanns i träningen, även om jag inte läste dem överhuvudtaget under examen (det fanns tillräckligt med frågor för att svara på).
• Det är bra att känna till grundläggande syntax för SQL-frågor, särskilt för frågor om BigQuery.
• Träningsexamen i kurserna Linux Academy och GCP liknar mycket frågorna på examen – det är värt att gå igenom dem flera gånger för att identifiera egna svagheter.
• Det är viktigt att komma ihåg att Dataproc fungerar med Hadoop, Spark, Hive och Pigs.
• Dataflow fungerar med Apache Beam.
• Cloud Spanner – detta är en databas som ursprungligen utvecklades för molnet, den är kompatibel med ACID och fungerar var som helst i världen.
• Det är bra att känna till namnen på "de gamla" - motsvarigheterna till relations- och icke-relationsdatabaser (till exempel MongoDB, Cassandra).
• IAM-rollerna för tjänsterna skiljer sig något, men det skulle vara bra att förstå hur man kan dela upp möjligheterna för användare att se data och utforma arbetsflöden (till exempel kan en Dataflow Worker-roll utforma arbetsflöden men inte se data).
Detta är för närvarande förmodligen tillräckligt. Varje examen kommer att hållas på sitt eget sätt. Kursen Linux Academy ger 80% av den nödvändiga kunskapen.

Enminutersvideor om Google Cloud-tjänster

Kostnad: gratis.
Tid: 1–2 timmar.
Nyttighet: 5 av 10.

Dessa videor rekommenderades på A Cloud Guru-forum. Många av dem är inte relaterade till certifieringen Professional Data Engineer, så jag valde bara de vars tjänstenamn verkade bekanta.

Under kursens gång kan vissa tjänster verka svåra, så det var trevligt att se hur en specifik tjänst beskrevs på bara en minut.

Förberedelser för Cloud Professional Data Engineer-examen

Kostnad: 49 $ för certifikatet eller gratis (utan certifikat).
Tid: 1–2 veckor, mer än sex timmar i veckan.
Nyttighet: värderades inte.

Jag hittade denna resurs en dag före det schemalagda examenstillfället. Jag hade inte tid att gå igenom den - därav avsaknaden av nyttighetsbedömning.

Efter att ha granskat kursöversikten kan jag säga att detta är en utmärkt resurs för att repetera allt du har lärt dig om Data Engineering i Google Cloud och för att identifiera dina svaga punkter.

Jag berättade om denna kurs för en av mina kollegor som förbereder sig för certifiering.

Google Data Engineering Cheatsheet, skriven av Maverick Lin

Kostnad: gratis.
Tid: okänt.
Nyttighet: värderades inte.

En annan resurs som jag stötte på efter provet. Den verkar omfattande, men presentationen är ganska kort. Dessutom är den gratis. Den kan användas mellan träningsprov och även efter certifieringen för att friska upp kunskaperna.

Vad gjorde jag efter kurserna?

När jag närmade mig slutet av kurserna bokade jag provet med en veckas varsel.

Att ha en deadline är en utmärkt motivation för att granska det som har lärts.

Jag genomförde flera träningsprov på Linux Academy och Google Cloud tills jag började stabilt få mer än 95%.

Första genomförandet av träningsprovet på Linux Academy med resultat över 90%.

Proven på varje plattform liknar varandra; jag spelade in och analyserade frågor där jag ofta gjorde misstag – vilket hjälpte mig att åtgärda svaga punkter.

Under själva provet handlade ämnet om utvecklingen av databehandlingssystem i Google Cloud med två exempel (från och med den 29 mars 2019 har innehållet i provet ändrats). Hela provet bestod av flervalsfrågor.

Provets genomförande tog två timmar, det verkade ungefär 20% svårare än de träningsprov jag var bekant med.

Det senaste är dock en mycket värdefull resurs.

Vad skulle jag ändra om jag skulle ta provet igen?

Fler träningsprov. Mer praktisk kunskap.

Självklart kan man alltid förbereda sig ännu lite bättre.

De rekommenderade kraven anger mer än tre års erfarenhet av att använda GCP, vilket jag inte hade – så jag var tvungen att hantera det jag hade.

Ytterligare

Provet uppdaterades den 29 mars. Materialet i artikeln ger fortfarande en bra grund för förberedelser, men det är viktigt att notera vissa förändringar.

Avsnitt för Google Cloud Professional Data Engineer-provet (version 1)

1. Design av databehandlingssystem.
2. Byggande och underhåll av datakonstruktioner och databaser.
3. Dataanalys och anslutning till maskininlärning.
4. Modellering av affärsprocesser för analys och optimering.
5. Säkerställande av tillförlitlighet.
6. Datavisualisering och stöd för beslutsfattande.
7. Design med fokus på säkerhet och efterlevnad.

Avsnitt för Google Cloud Professional Data Engineer-provet (version 2)

1. Design av databehandlingssystem.
2. Byggande och drift av databehandlingssystem.
3. Drift av maskininlärningsmodeller (de flesta förändringar har skett här) [NYHET].
4. Säkerställande av lösningars kvalitet.

I version 2 har avsnitt 1, 2, 4 och 6 från version 1 slagits samman till avsnitt 1 och 2, avsnitt 5 och 7 har blivit avsnitt 4. Avsnitt 3 i version 2 har utvidgats och täcker nu alla nya möjligheter inom maskininlärning på Google Cloud.

Dessa förändringar har skett ganska nyligen, så många utbildningsmaterial har inte haft möjlighet att uppdateras.

Men om man använder material från artikeln, bör detta vara tillräckligt för att täcka 70% av de nödvändiga kunskaperna. Jag skulle också personligen bekanta mig med följande ämnen (de har dykt upp i den andra versionen av provet):

• Google Machine Learning API.
• Kärnan i Google Cloud Machine Learning.
• TPU för Google Cloud (hårdvara utvecklad av Google speciellt för maskininlärning).
• Google Glosarie med termer för maskininlärning.

Som man kan se är uppdateringen av provet främst relaterad till möjligheterna inom maskininlärning på Google Cloud.

Tillägg av 29.04.2019. Jag fick ett meddelande från kursledaren i Linux Academy (Matthew Ulasien).

Bara för referens: vi planerar att uppdatera kursen Data Engineer i Linux Academy och återspegla de nya målen i den — någon gång i mitten eller slutet av maj.

Efter provet

Efter att ha genomfört provet får du resultatet "godkänt" eller "icke godkänt". På träningsproven rekommenderar man att sträva efter minst 70%, så jag siktade på 90%.

Efter att ha lyckats klara provet får du en aktiveringskod via e-post tillsammans med det officiella certifikatet Google Cloud Professional Data Engineer. Grattis!

Aktiveringskoden kan användas i den exklusiva butiken för Google Cloud Professional Data Engineer, där man kan göra bra fynd: det finns t-shirts, ryggsäckar och huvor (vid provtillfället kan vissa saker vara slutsålda). Jag valde en hoodie.

Med certifikatet kan du visa dina färdigheter (officiellt) och återgå till det arbete som du gör bäst — att bygga system.

Vi ses om två år — vid återcertifiering.

P.S. Stort tack till de fantastiska lärarna i de ovan nämnda kurserna och Max Kelsen för tillhandahållande av resurser och tid för utbildning och förberedelse till provet.

Om översättaren

Översättningen av artikeln utfördes av Alconost.

Alconost sysslar med applikationer och webbplatser, på mer än 70 språk. Språktestning, molnplattform med API, kontinuerlig lokalisering, projektledning dygnet runt, alla format av resurssträngar. 70 språk. Modersmål översättare, språklig testning, molnplattform med API, kontinuerlig lokalisering, projektledare 24/7, alla format av strängresurser.

videor reklam- och utbildningsvideor – för webbplatser, säljande, image, reklam, utbildning, teasers, förklaringar, trailers för Google Play och App Store.

→ Läs mer

Källa: habr.com