«Не сосредотачивайтесь на конечном результате, наслаждайтесь путешествием и извлекайте из него уроки»

Я сдал экзамен GCP Professional ML Engineer 13 марта 2021 года. Перед тем, как сдавать этот экзамен или готовиться к нему, у меня были минимальные знания GCP и никакого практического опыта. Так что для меня это был вызов. Я поделюсь своей подготовкой, уровнем экзамена и своим общим опытом.

Заявление об ограничении ответственности: это мой личный опыт, и я поделился материалами, которые я испытал на экзамене. Я сдал этот экзамен без каких-либо предварительных знаний о GCP, и маловероятно, что кто-то сможет его сдать без предыдущего опыта, но цель этой статьи - поделиться своим опытом.

Я поставил на это ~ 20–25 дней. Моя причина заключалась не в сертификации, а в фактическом использовании в текущей работе. Итак, не торопитесь в соответствии с вашей текущей ролью и расписанием.

Так что давай Гоооооооооооо ..

Об экзамене и советах

Экзамен длился 120 минут и содержал 60 вопросов. Большинство вопросов ~ 94% были вопросами с одним ответом, тогда как другие вопросы с несколькими вариантами ответов. Почти все вопросы основаны на сценариях и на том, какие передовые практики вам следует использовать. Я сдал экзамен раньше, чем за 20 минут, но для этого нужно действовать очень быстро. Не тратьте больше времени на один вопрос, если вариант, который, по вашему мнению, имеет более 70% шансов быть правильным, переходите к следующему вопросу и, если не отметьте его для рассмотрения. Постарайтесь оставить минимум вопросов для повторения, потому что вопросы длинные, и вы потратите вдвое больше времени на чтение одного и того же вопроса. Оставьте ~ 10 вопросов только для ознакомления. Внимательно прочтите вопросы и посмотрите, подходит ли он для сценария с точки зрения экономической эффективности, задержки и эксплуатационных затрат.

Путь обучения: сертификация профессионального инженера по машинному обучению

Я прошел через приведенное ниже руководство и отметил важность как высокий, средний или низкий в зависимости от экзамена.

1 Основы больших данных и машинного обучения Google Cloud Platform (обучение по запросу)
1.1 Основы больших данных и машинного обучения Google Cloud Platform (средний уровень)

2 Машинное обучение с TensorFlow на платформе Google Cloud (обучение по запросу)
2.1 Как Google использует машинное обучение (низкий)
2.2 Запуск машинного обучения (средний )
2.3 Введение в TensorFlow (высокий)
2.4 Разработка функций (высокий)
2.5 Искусство и наука машинного обучения (средний)

3 Расширенное машинное обучение с помощью TensorFlow на платформе Google Cloud (обучение по запросу)
3.1 Производственные системы машинного обучения (высокий уровень)
3.2 Понимание изображений с помощью TensorFlow на GCP (средний)
3.3 Модели последовательностей для обработки временных рядов и естественного языка (средний)
3.4 Системы рекомендаций с TensorFlow на GCP (высокий)

4 Обработка научных данных (Qwikla bs Quest) - Дополнительные лабораторные работы, но их полезно практиковать и использовать в реальных проектах.
4.1 Введение в SQL для BigQuery и Cloud SQL
4.2 Аренда ВМ для обработки данных о землетрясениях
4.3 Данные о погоде в BigQuery
4.4 Распределенная обработка изображений в Cloud Dataproc
4.5 Анализ данных о естественности с помощью платформы AI и BigQuery
4.6 Предсказание веса ребенка с помощью TensorFlow на платформе AI

5 Наука о данных в Google Cloud (Qwiklabs Quest) - дополнительные лабораторные работы, но полезные для практики и использования в реальных проектах
5.1 Введение в SQL для BigQuery и Cloud SQL
5.2 Загрузка данных в облако
5.3 Загрузка данных в облако с помощью Google App Engine
5.4 Загрузка данных в Google Cloud SQL
5.5 Визуализация данных с помощью Google Data Studio
5.6 Обработка данных с помощью Google Cloud Dataflow
5.7 Визуализация геопространственных данных в реальном времени с помощью Google Data Studio
5.8 Загрузка данных в Google BigQuery для исследовательского анализа данных
5.9 Исследовательский анализ данных с использованием платформы AI
5.10 Оценка модели данных

Другое учебное пособие, которое я взял ... Большое спасибо каждому за то, что поделились ...

  1. Https://github.com/sathishvj/awesome-gcp-certifications/blob/master/professional-machine-learning-engineer.md
  2. Https://ml-rafiqhasan.medium.com/how-i-cracked-the-gcp-professional-ml-engineer-certification-in-8-days-f341cf0bc5a0
  3. Https://medium.com/@jmoniz0/my-notes-on-google-cloud-machine-learning-engineer-exam-280eab80f8ab
  4. Https://sathishvj.medium.com/notes-from-my-google-cloud-professional-machine-learning-engineer-certification-exam-2110998db0f5

Темы, которые я считаю очень важными для экзамена.

  1. Точность / отзыв / оценка F1 / AUC (когда и что использовать) (высокий)
  2. BigQuery, BigTable (средний)
  3. GCP AutoML (низкий)
  4. Машинное обучение встраивает модели на платформе AI и Bigquery ML (средний)
  5. AI Plaform (полная информация о командах платформы AI, масштабировании, графическом процессоре и т. Д.) (Наивысший)
  6. GCP API для машинного обучения на абстрактном уровне (высокий)
  7. Kubernatives и Kubeflow (средний)
  8. Прием данных и конвейер ввода в тензорном потоке (средний)
  9. Потоковая передача данных в DataFlow и Pubsub (высокий)
  10. Управление классовым дисбалансом (высокий)
  11. Скорость обучения и размер пакета (высокий)
  12. Перекрестие функций и преобразование столбцов в тензорный поток (средний)
  13. Объяснимое объяснение ИИ и платформы ИИ (низкое)
  14. Рекомендация AI (высокая)
  15. Модель масштабирования и оптимизации для пограничных устройств (низкая)

Я настоятельно рекомендую ознакомиться с документацией AI Platform и ее использованием.

И последнее, но не менее важное: попробуйте образец бумаги. Https://cloud.google.com/certification/sample-questions/machine-learning-engineer

Если у вас есть какие-либо сомнения или вопросы или вы хотите поделиться своим опытом, не стесняйтесь связаться со мной в Linkedin https://in.linkedin.com/in/vijendersingh412

Самое главное «Не переживайте. Сделайте все возможное и забудьте об остальном ». Удачи.. :)