Utan de rekommenderade tre års praktisk erfarenhet
*Notera: Artikeln ägnas åt certifieringsprovet för Google Cloud Professional Data Engineer, som var giltigt till den 29 mars 2019. Efter det inträffade några ändringar - de beskrivs i avsnittet "dessutom»*
Google Sweatshirt: Ja. Seriöst ansiktsuttryck: ja. Foto från videoversionen av denna artikel .
Vill du få en helt ny sweatshirt som den på mitt foto?
Eller så kanske du är intresserad av ett certifikat och du försöker ta reda på hur du får det?
Under de senaste månaderna har jag gått flera kurser och samtidigt arbetat med Google Cloud för att förbereda mig för provet Professional Data Engineer. Sen gick jag till provet och klarade det. Tröjan kom några veckor senare – men certifikatet kom snabbare.
Den här artikeln ger lite information som du kan ha nytta av och de steg jag tog för att bli certifierad som Google Cloud Professional Data Engineer.
Överförd till
Varför ska du få Google Cloud Professional Data Engineer-certifieringen?
Data omger oss, den finns överallt. Därför finns det idag en efterfrågan på specialister som vet hur man skapar system som kan bearbeta och använda data. Och Google Cloud tillhandahåller infrastrukturen för att bygga dessa system.
Om du redan har Google Cloud-kunskaper, hur kan du visa dem för en framtida arbetsgivare eller kund? Detta kan göras på två sätt: genom att ha en portfölj av projekt eller genom att godkänna certifieringen.
Ett certifikat talar om för potentiella kunder och arbetsgivare att du har vissa färdigheter och att du har ansträngt dig för att få dem officiellt certifierade.
Detta framgår också av den officiella beskrivningen av tentamen.
Visa din förmåga att designa och bygga datavetenskapliga system och maskininlärningsmodeller på Google Cloud-plattformen.
Om du inte redan har kompetensen kommer certifieringsutbildningsmaterialet att lära dig allt du behöver veta om hur du bygger datasystem i världsklass med Google Cloud.
Vem behöver få Google Cloud Professional Data Engineer-certifieringen?
Du har sett siffrorna – molntekniksektorn växer, de är med oss länge. Om du inte är bekant med statistiken, lita bara på mig: molnen är på väg uppåt.
Om du redan är datavetare, maskininlärningsingenjör eller vill gå in på datavetenskapsområdet är Google Cloud Professional Data Engineer-certifieringen precis vad du behöver.
Möjligheten att använda molnteknik blir ett obligatoriskt krav för alla dataproffs.
Behöver du ett certifikat för att vara proffs inom datavetenskap eller maskininlärning?
Nej.
Du kan använda Google Cloud för att köra datalösningar utan certifikat.
Ett certifikat är bara ett sätt att bevisa de färdigheter du har.
Hur mycket kostar det?
Kostnaden för att ta provet är $200. Om du misslyckas med det måste du betala igen.
Dessutom kommer du att behöva spendera pengar på förberedande kurser och att använda själva plattformen.
Plattformskostnader är avgifter för att använda Google Cloud-tjänster. Om du är en aktiv användare är du väl medveten om detta. Om du är nybörjare som precis har börjat med handledningarna i den här artikeln, kan du skapa ett Google Cloud-konto och få allt gjort för de 300 USD som Google ger dig när du registrerar dig.
Vi kommer till kostnaden för kurserna på bara ett ögonblick.
Hur länge är certifikatet giltigt?
Två år. Efter denna period ska provet göras igen.
Och eftersom Google Cloud ständigt utvecklas är det troligt att certifieringskraven kommer att förändras (detta hände precis när jag började skriva artikeln).
Vad behöver du för att förbereda dig inför provet?
För certifiering på professionell nivå rekommenderar Google tre års branscherfarenhet och mer än ett års erfarenhet av att utveckla och hantera lösningar med GCP.
Jag hade inget av detta.
Den relevanta erfarenheten var cirka sex månader i varje fall.
För att fylla tomrummet använde jag flera läroresurser online.
Vilka kurser gick jag?
Om ditt fall liknar mitt och du inte uppfyller de rekommenderade kraven kan du ta några av kurserna nedan för att förbättra din nivå.
Det här är de jag använde när jag förberedde mig för certifiering. De är listade i slutförandeordning.
För varje har jag angett kostnaden, tidpunkten och användbarheten för att klara certifieringsprovet.
Några av de coola onlineinlärningsresurserna jag använde för att förbättra mina färdigheter innan provet, i ordning: , , .
kostnad: $49 per månad (efter 7 dagars gratis provperiod).
tid: 1–2 månader, mer än 10 timmar per vecka.
Verktyg: 8 av 10.
Kurs på Coursera-plattformen utvecklad i samarbete med Google Cloud.
Den är uppdelad i fem kapslade kurser, som var och en är cirka 10 timmars studietid per vecka.
Om du är ny på Google Cloud data science kommer denna specialisering att ge dig de färdigheter du behöver. Du kommer att genomföra en serie praktiska övningar med hjälp av en iterativ plattform som heter QwikLabs. Innan detta kommer det att hållas föreläsningar av Google Cloud-specialister om hur man använder olika tjänster, som Google BigQuery, Cloud Dataproc, Dataflow och Bigtable.
kostnad: gratis.
tid: 1 vecka, 4–6 timmar.
Verktyg: 4 av 10.
Ett lågt användbarhetsbetyg betyder inte att kursen som helhet är värdelös – långt ifrån. Den enda anledningen till att poängen är så låg är att den inte är fokuserad på certifieringen av Professional Data Engineer (som namnet antyder).
Jag tog det som en repetition efter att ha slutfört Coursera-inriktningen eftersom jag hade använt Google Cloud i vissa begränsade fall.
Om du tidigare har arbetat med en annan molnleverantör eller aldrig har använt Google Cloud kan du ha nytta av den här kursen - det är en bra introduktion till Google Cloud-plattformen som helhet.
kostnad: $49 per månad (efter 7 dagars gratis provperiod).
tid: 1–4 veckor, mer än 4 timmar per vecka.
Verktyg: 10 av 10.
Efter att ha tagit provet och reflekterat över kurserna jag tog, kan jag säga att Linux Academy Google Certified Professional Data Engineer var den mest hjälpsamma.
Videotutorials också (en utmärkt gratis inlärningsresurs medföljer kursen) och övningsprov gör detta till en av de bästa kurserna jag någonsin har gått.
Jag rekommenderade det till och med som referensmaterial i Slack-anteckningar för laget efter tentamen.
Anteckningar i Slack
• Vissa examensfrågor täcktes inte i Linux Academy-kursen, A Cloud Guru eller Google Cloud Practice-prov (vilket är förväntat).
• En fråga hade en graf över datapunkter. Frågan ställdes vilken ekvation som skulle kunna användas för att gruppera dem (till exempel cos(X) eller X²+Y²).
• Se till att känna till skillnaderna mellan Dataflow, Dataproc, Datastore, Bigtable, BigQuery, Pub/Sub och förstå hur de kan användas.
• De två specifika exemplen i provet är desamma som de i praktiken, även om jag inte läste dem alls under provet (frågorna i sig räckte för att svara).
• Att känna till grundläggande SQL-frågesyntax är användbart, särskilt för BigQuery-frågor.
• Övningsproven i Linux Academy och GCP-kurserna påminner mycket om frågorna i provet – de är värda att ta flera gånger för att hitta dina egna svagheter.
• Man måste komma ihåg att dataproc arbetar med Hadoop, Gnista, Bikupa и Grisar.
• Data flöde arbetar med Apache Beam.
• Molnnyckel är en databas ursprungligen designad för molnet, den är kompatibel med SYRA och fungerar var som helst i världen.
• Det är användbart att känna till namnen på "gamlingarna" - motsvarigheter till relationella och icke-relationella databaser (till exempel MongoDB, Cassandra).
• IAM-roller varierar något mellan tjänster, men det är en bra idé att förstå hur man kan separera förmågan för användare att se data och designa arbetsflöden (till exempel kan rollen Dataflow Worker designa arbetsflöden, men inte se data).
För nu räcker det nog. Varje tentamen kommer att ske på olika sätt. Linux Academy-kursen kommer att ge 80% av den nödvändiga kunskapen.
kostnad: gratis.
tid: 1–2 timmar.
Verktyg: 5 av 10.
Dessa videor rekommenderades på A Cloud Guru-forumen. Många av dem är inte relaterade till Professional Data Engineer-certifieringen, så jag valde bara de vars tjänstnamn verkade bekanta för mig.
När man går igenom kursen kan vissa tjänster verka komplicerade, så det var trevligt att se hur en viss tjänst beskrevs på bara en minut.
kostnad: $49 per certifikat eller gratis (inget certifikat).
tid: 1–2 veckor, mer än sex timmar per vecka.
Verktyg: inte utvärderad.
Jag hittade den här resursen dagen före mitt examensdatum. Det fanns inte tillräckligt med tid för att slutföra det - därav bristen på användbarhetsbedömning.
Men efter att ha tittat på kursöversiktssidan kan jag säga att detta är en bra resurs för att granska allt du har lärt dig om Data Engineering på Google Cloud och hitta dina svaga punkter.
Jag berättade för en av mina kollegor om den här kursen som förbereder sig för certifiering.
kostnad: gratis.
tid: okänd.
Verktyg: inte utvärderad.
En annan resurs jag stötte på efter provet. Det ser heltäckande ut, men presentationen är ganska kort. Dessutom är det gratis. Du kan hänvisa till det mellan övningsprov och även efter certifiering för att fräscha upp dina kunskaper.
Vad gjorde jag efter kursen?
När jag närmade mig slutet av mina kurser bokade jag mitt prov med en veckas varsel.
Att ha en deadline är en stor motivation att granska vad du har lärt dig.
Jag tog Linux Academy och Google Cloud övningsprov flera gånger tills jag konsekvent började få över 95 %.
Klarade Linux Academy praktikprov för första gången med en poäng på över 90%.
Testerna för varje plattform är likartade; Jag skrev ner och analyserade frågorna som jag ständigt fick fel - detta hjälpte till att eliminera mina svagheter.
Under själva provet var ämnet utveckling av databehandlingssystem i Google Cloud med hjälp av två exempel (innehållet i provet har ändrats sedan 29 mars 2019). Hela provet var flervalsfrågor.
Provet tog två timmar att slutföra och verkade ungefär 20 % svårare än de övningsproven jag var bekant med.
De senare är dock en mycket värdefull resurs.
Vad skulle jag ändra om jag gjorde provet igen?
Fler övningsprov. Mer praktisk kunskap.
Självklart kan man alltid förbereda sig lite bättre.
De rekommenderade kraven angav mer än tre års erfarenhet av att använda GCP, vilket jag inte hade - så jag fick ta itu med det jag hade.
dessutom
Tentamen uppdaterades den 29 mars. Materialet i denna artikel kommer fortfarande att ge en bra grund för förberedelser, men det är viktigt att notera några förändringar.
Examsektioner för Google Cloud Professional Data Engineer ()
1. Design av databehandlingssystem.
2. Konstruktion och support av datastrukturer och databaser.
3. Dataanalys och koppling av maskininlärning.
4. Affärsprocessmodellering för analys och optimering.
5. Säkerställa tillförlitlighet.
6. Datavisualisering och beslutsstöd.
7. Design med fokus på säkerhet och efterlevnad.
Examsektioner för Google Cloud Professional Data Engineer ()
1. Design av databehandlingssystem.
2. Konstruktion och drift av databehandlingssystem.
3. Drift av maskininlärningsmodeller (de flesta av förändringarna skedde här) [NY].
4. Säkerställa kvaliteten på lösningarna.
I version 2 är avsnitt 1, 2, 4 och 6 i version 1 kombinerade till avsnitt 1 och 2, avsnitt 5 och 7 till avsnitt 4. Avsnitt 3 i version 2 har utökats för att täcka alla nya maskininlärningsfunktioner i Google Moln.
Dessa förändringar inträffade ganska nyligen, så många utbildningsmaterial har inte hunnit uppdateras.
Men om du använder materialet från artikeln bör detta räcka för att täcka 70 % av den nödvändiga kunskapen. Jag skulle också granska följande ämnen på egen hand (de dök upp i den andra versionen av provet):
- (hårdvara utvecklad av Google speciellt för maskininlärning).
Som du kan se är examensuppdateringen främst relaterad till maskininlärningsfunktionerna i Google Cloud.
Uppdatering den 29.04.2019 april XNUMX. Jag fick ett meddelande från en kursinstruktör i Linux Academy (Matthew Ulasien).
Bara för referens, planerar vi att uppdatera Data Engineer-kursen på Linux Academy för att återspegla de nya målen någon gång i mitten till slutet av maj.
Efter tentamen
När du klarat provet får du ett godkänt eller underkänt resultat. I praktiken sägs det att man ska sikta på minst 70%, så jag siktade på 90%.
Efter att ha klarat provet kommer du att få en aktiveringskod via e-post tillsammans med det officiella Google Cloud Professional Data Engineer-certifikatet. Grattis!
Aktiveringskoden kan användas i den exklusiva Google Cloud Professional Data Engineer-butiken, där du kan få bra pengar: det finns T-shirts, ryggsäckar och huvtröjor (vissa kan vara slut i lager vid leveranstillfället). Jag valde en tröja.
När du är certifierad kan du visa dina färdigheter (officiellt) och återgå till att göra det du är bäst på: att bygga system.
Vi ses om två år för omcertifiering.
P.S. Stort tack till de underbara lärarna i ovanstående kurser och för att ge resurser och tid för att studera och förbereda sig för tentamen.
Om översättaren
Artikeln har översatts av Alconost.
Alconost är förlovad , på 70 språk. Infödda översättare, språklig testning, molnplattform med API, kontinuerlig lokalisering, 24/7 projektledare, alla strängresursformat.
Det gör vi också — för webbplatser som säljer, bilder, reklam, utbildning, teasers, förklaringar, trailers för Google Play och App Store.
→
Källa: will.com