Professional Machine Learning Engineer
Professional Machine Learning Engineer は、Google Cloud のテクノロジーと、実績あるモデルや手法の知識を使用して、ML モデルの構築、評価、商品化、最適化を行います。ML エンジニアは、大規模で複雑なデータセットを処理して、再現可能かつ再利用可能なコードを作成します。ML エンジニアは、ML モデル開発プロセ��全体を通じて責任ある AI と公平性を考慮し、他の職務と緊密に連携して、ML ベースのアプリケーションの長期的な成功を確実にします。ML エンジニアには、優れたプログラミング スキルと、データ プラットフォームや分散データ処理ツールに関する経験があります。ML エンジニアは、モデル アーキテクチャ、データと ML パイプラインの作成、指標の解釈に精通��ています。ML エンジニアは、MLOps、アプリケーション開発、インフラストラクチャ管理、データ エンジニアリング、データ ガバナンスの基本コンセプトに精通しています。ML エンジニアは、ML を利用できるようにして、組織全体のチームを支援します。ML エンジニアは、モデルのトレーニング、再トレーニング、デプロイ、スケジューリング、モニタリング、改善を行い、スケーラブルでパフォーマンスの高いソリューションを設計、作成します。
*注: この試験はコーディングのスキルを直接評価するものではありません。 Python と Cloud SQL について最低限のスキルがあれば、コード スニペットを使ってどのような質問も解釈できるはずです。
Professional Machine Learning Engineer 認定試験では、以下に関する能力が評価されます。
- ローコード ML ソリューションの設計
- チーム内やチーム間で連携してデータとモデルを管理する
- プロトタイプを ML モデルにスケール
- モデルのサービングとスケール
- ML パイプラインの自動化とオーケストレーション
- ML ソリューションのモニタリング
生成 AI をベースとしたソリューションの開発に使用されるツールは急速に進化しているため、生成 AI は Professional Machine Learning Engineer 認定試験の対象ではありません。生成 AI に関心をお持ちの場合は、生成 AI 入門学習プログラム(全受講者対象)または開発者向け生成 AI 学習プログラム(技術者対象)をご覧ください。パートナーの方は、生成 AI パートナー コースの 生成 AI 入門学習プログラム、ML エンジニアのための生成 AI、開発者のための生成 AI をご覧ください。
この認定試験について
時間: 2 時間
登録料: $200(税別)
言語: 英語
試験の形式: 50 ~ 60 問の多肢選択(複数選択)式
試験の実施方法:
a. ���������視オンライン試験を受験する方は、オンライン テストの要件をご確認ください。
b. テストセンターでオンサイト監視試験を受ける方は、お近くのテストセンターをこちらから検索してください。
必須条件: なし
推奨される経験: Google Cloud を使用したソリューションの設計と管理の 1 年以上を含む、3 年以上の業界経験。
認定資格の更新と再認定: 認定資格を維持するには、再認定を受ける必要があります。試験の詳細で特に示されていない限り、Google Cloud のすべての認定資格は認定を受けた日から 2 年間有効になります。再認定を受けるには、再認定の対象期間中に試験を受け直し、合格点を達成する必要があります。再認定試験は、認定資格が有効期限切れになる 60 日前から受けることができます。
試験の概要
ステップ 1: 実務経験を積む
Machine Learning Engineer 試験を受験するには、Google Cloud プロダクトおよびソリューションの実務経験が 3 年以上あることが推奨されます。構築を開始するには、一部のプロダクトの Google Cloud の無料枠を毎月の上限枠まで無料でお試しいただけます。
ステップ 2: 試験内容を理解する
試験ガイドには、試験に出題される可能性がある��ピック一覧が掲載されています。ガイドをお読みになり、ご自身のスキルが試験のトピックと一致しているかどうかをご確認ください。
ステップ 4: トレーニングでスキルを完成させる
Machine Learning Engineer の学習プログラムに従って試験に備えましょう。Google Cloud でオンライン トレーニング、対面クラス、ハンズオンラボ、その他さまざまなリソースをご覧ください。
Google Cloud のコンセプトや重要なコンポーネントに関する詳細な説明については、Google Cloud のドキュメントをご覧ください。
Google Cloud Certified Professional Machine Learning Engineer 学習ガイドを使用して、Google Cloud で安全な ML アプリ��ーションを設計、トレーニング、構築、デプロイ、運用する方法を学習します。このガイドでは、実際のシナリオを使用して、Vertex AI プラットフォームと TensorFlow、Kubeflow、AutoML などのテクノロジーの使用方法と、事前トレーニング済みモデルまたはカスタム モデルを選ぶ際のベストプラクティスを説明します。