Die Prüfung zum Google Cloud Skilled Machine Studying Engineer (PMLE) ist eine der anspruchsvollsten Zertifizierungen auf dem Markt. Im Folgenden schildere ich, wie ich mich auf die PMLE-Prüfung Ende 2021 vorbereitet und bestanden habe. Zunächst möchte ich sagen, dass ich etwa drei Monate für die Prüfungsvorbereitung gebraucht habe. Da ich aber auch einige unnötige Dinge getan habe, hoffe ich, dass dieser Artikel allen Interessierten hilft, sich effizienter auf die Prüfung vorzubereiten.
Am Anfang habe ich die Beispielfragen beantwortet
Leider sind dies nur 11 Fragen (die eigentliche Prüfung hat 60 Fragen) und sie ändern sich nicht, auch wenn Sie sie noch einmal beantworten. Da man am Ende keine Punktzahl erhält, muss man diese selbst berechnen (um die Prüfung zu bestehen, braucht man 80 % richtige Antworten). Aber Sie bekommen einen ersten Eindruck über die Artwork der Fragen.
Anschließend folgte ich dem Lernpfad zum „Skilled Machine Studying Engineer“. https://googlecourses.qwiklabs.com/ . Aber mir wurde klar, dass es sehr lange dauern wird, wenn man wirklich alle vorgeschlagenen Kurse machen möchte. Vor allem die Durchführung der praktischen Qwiklabs ist etwas mühsam. Für jedes Labor muss man die VM einrichten, das Git-Repo klonen, das Jupyter-Pocket book starten, viele BiqQuery-SQL-Abfragen zur Datenvorverarbeitung ausführen und dies immer wieder wiederholen, wird viel Zeit in Anspruch nehmen. Darüber hinaus stieß ich auf einige Fehler (z. B. Zugriffsrechte) und kämpfte mit unvollständiger Dokumentation und veralteten Tensorflow-Versionen, die in vielen Laboren noch erforderlich waren. Auch die Code-TODOs in den Laboren sind oft nicht umsetzbar, weil die Informationen für die gegebene Aufgabe einfach nicht ausreichen. Oft habe ich die Lösung einfach aus dem Lösungsnotizbuch kopiert und eingefügt, um fortzufahren. Alles in allem würde ich additionally jedem empfehlen: Überspringen Sie die Labore. Sie werden Ihnen überhaupt nicht dabei helfen, die Prüfung zu bestehen.
Glücklicherweise habe ich dann den folgenden Beitrag eines Google Gross sales Lead gefunden:
Er empfiehlt, nur die folgenden Kurse zu belegen:
- Einstieg in maschinelles Lernen
- Einführung in TensorFlow
- Function-Engineering
- Kunst und Wissenschaft des maschinellen Lernens
- Durchgängiges maschinelles Lernen mit TensorFlow auf GCP
- Systeme für maschinelles Lernen in der Produktion
- ML Ops-Grundlagen
Und er schlägt vor, die folgenden Kurse zu überspringen (was ich auch getan habe, leider hatte ich die ersten beiden bereits absolviert, bevor ich den Artikel gefunden habe):
- Grundlagen von Google Cloud Large Knowledge und maschinellem Lernen
- Wie Google maschinelles Lernen betreibt
- Bildverständnis mit TensorFlow auf GCP
- Sequenzmodelle für Zeitreihen und die Verarbeitung natürlicher Sprache
- Empfehlungssysteme mit TensorFlow auf GCP
Darüber hinaus erwähnte er die Firma Whizlabs, die Beispielfragen und Testprüfungen anbietet. Da ich nach der Absolvierung aller Kurse immer noch ziemlich unsicher battle, was meine Kenntnisse angeht, habe ich mich entschieden, den Übungstest und den Videokurs bei zu kaufen
Es gibt jedoch einige Probleme:
- Das Unternehmen behauptet, Ihnen 125 Fragen, 2*55 und 15 kostenlose Beispielfragen zu verkaufen. Es stellte sich jedoch heraus, dass die 15 kostenlosen Beispielfragen in der ersten Testprüfung mit 55 Fragen enthalten waren. Sie kaufen additionally effektiv nur 95 Fragen.
- Es stellte sich heraus, dass die Fragen zu aktuell waren. Dabei ging es oft um Googles neuen KI-Dienst Vertex. Allerdings wurde in meiner Prüfung nur die alte AI Platform erwähnt. Dieses Downside ist heutzutage gelöst, weil Google hat seinen Lehrplan für die PMLE-Prüfung im Februar 2022 geändertaber im November 2021 battle es immer noch ein Downside.
- Die Beispielprüfungen enthalten viele Fragen, bei denen mehrere Antworten ausgewählt werden müssen. Dies spiegelt nicht die echte Prüfung wider, bei der Sie immer nur eine einzige richtige Antwort auswählen.
- Der Videokurs hat nicht die gleiche Qualität wie die Coursera/Google-Vorlesungen. Am Ende habe ich sie nicht gesehen.
Aber ich habe viel mit den beiden Beispielprüfungen gearbeitet. Diese erfolgen on-line und Sie sehen einen laufenden Timer, der Ihnen einen guten Hinweis auf Ihre Antwortgeschwindigkeit gibt. Am Ende erhalten Sie einen schönen Bericht, in dem Ihre Punktzahl sogar nach Themen gruppiert ist. Besonders schön ist, dass Sie auch Erklärungen zu den Antworten und Hyperlinks zu weiterführendem Materials zum Nachschlagen zum Thema erhalten. Was Sie jedoch nicht tun können, ist das Kopieren und Einfügen der Fragen, Antworten und Erklärungen.
Um den größtmöglichen Nutzen aus den Beispielfragen zu ziehen, habe ich Folgendes getan: Zuerst habe ich die erste Beispielprüfung abgelegt und etwa 60 % erreicht. Ich bin dann alle Fragen durchgegangen (vor allem die falschen, aber auch die, die ich gerade richtig erraten hatte) und habe mir anhand der gegebenen Erklärungen von Whizlabs handschriftliche Notizen gemacht (manchmal habe ich einfach die Sätze kopiert, manchmal habe ich mich an die Quellenangaben gehalten und eine kurze Zusammenfassung geschrieben). ). Danach legte ich die erste Prüfung ein zweites Mal ab und erreichte > 90 %. Das Gleiche habe ich dann bei der zweiten Prüfung gemacht. Am Ende hatte ich additionally etwa 20 Seiten handschriftlicher Notizen und hatte in beiden Beispielprüfungen >90 % erreicht. Das gab mir eine gewisse Zuversicht, dass ich zumindest etwas gelernt hatte (obwohl man als guter Datenwissenschaftler weiß, dass die 90 %-Wertung beim zweiten Mal im Grunde genommen zu viel für die Beispielfragen ist 😉 ).
Danach habe ich mich für 200 $ zzgl. Steuern für meine eigentliche Prüfung angemeldet. Bis zur Prüfung habe ich versucht, meine handschriftlichen Notizen zu lesen und auswendig zu lernen. Ich habe mir auch noch einmal den Weblog-Beitrag des Google-Vertriebsleiters und einige unter aufgeführte Weblog-Beiträge angesehen
um weitere Themen zu identifizieren, die ich nicht sehr intestine gelernt hatte (z. B. verteilte Tensorflow-Trainingsstrategien). Zu all diesen Themen habe ich mir handschriftliche Notizen gemacht, was mir zumindest ein gutes Gefühl gab.
Alles in allem würde ich empfehlen, zunächst die Google-Beispielprüfung zu absolvieren, um einen ersten Eindruck zu bekommen. Aber dann sollten Sie sich wahrscheinlich die Whizlab-Beispielfragen kaufen und die Erklärungen durcharbeiten und handschriftliche Notizen machen. Danach können Sie sich weiterhin die Google/Coursera-Kurse anschauen (ohne die Labs zu absolvieren), aber dann wissen Sie bereits, welche Themen für Sie von Interesse sind. Wenn ich es noch einmal machen würde, würde ich auf jeden Fall versuchen, zusätzlich einige handschriftliche Notizen zu den Movies zu machen.
Ich habe die Prüfung offline in einem Prüfungszentrum in Berlin abgelegt. Einige andere Kollegen hatten Schwierigkeiten mit On-line-Prüfungen für andere Cloud-Anbieter, weil die PCs am Arbeitsplatz keine Set up der nötigen Software program zuließen, additionally entschied ich mich, sie offline durchzuführen. Ich kam eine halbe Stunde früher und durfte sofort mit der Prüfung beginnen. Ich musste Dokumente unterschreiben, dass ich der Videoüberwachung während des Exams zustimme.
- Die Prüfung dauerte 2 Stunden und bestand aus 60 Fragen.
- Bis auf eine Frage unterschieden sich alle anderen Fragen von den Testprüfungen, die ich zuvor gesehen hatte.
- Viele Fragen hatten ungefähr das folgende Schema:
Sie sind leitender Datenwissenschaftler in einem Unternehmen A. Ihr Crew hat B erledigt, um Aufgabe C zu lösen, ist aber (auf Schwierigkeiten gestoßen D | möchte die Leistung verbessern | möchte zu Google Cloud wechseln | usw.). Welche Lösung schlagen Sie vor, wenn Sie (so wenig Code wie möglich verwenden | die höchste Leistung erzielen | Kosten sparen möchten)?
- Die meisten Fragen drehten sich darum, wie man mehrere Dienste der Google Platform richtig kombinieren kann. Die am häufigsten genannten Technologien sind BigQuery ML (oft die richtige einfache Antwort), AI Platform, Tensorflow, Kubeflow (oft die falsche, überkomplexe Antwort) und Pub/Sub. Firebase wurde einmal erwähnt. Keine Fragen zu Vertex AI. Einige Fragen waren rein datenwissenschaftliche Fragen, oft zu Präzision/Abruf/Genauigkeit, ROC-AUC, Hyperparameter-Tuning/Überoptimierung/Regularisierung oder der richtigen Artwork der Kreuzvalidierung und Function-Vorverarbeitung.
- Es gab immer 4 Antworten (A, B, C, D) und man musste genau eine auswählen.
- Als ich die Fragen beantwortete, hatte ich kein besonders sicheres Gefühl. Oft können Sie die richtige Antwort „erraten“, indem Sie in der Frage nach bestimmten Schlüsselwörtern suchen und prüfen, ob diese in der Antwort auch erwähnt werden. Oder Sie schließen zunächst die lächerlichen Antworten aus und stellen dann eine fundierte Vermutung über die verbleibenden vernünftigen Antworten an. Manchmal hilft es auch, darüber nachzudenken, was Google wahrscheinlich gerne hören würde. Zumindest für die rein datenwissenschaftlichen Fragen gab es oft eine eindeutig richtige Antwort.
- Für den Check habe ich ca. 1:30 h benötigt. Dann habe ich die Schaltfläche „Alle überprüfen“ verwendet, bin wieder zur ersten Frage gesprungen und habe durch wiederholtes Auswählen von „Weiter“ alle Fragen ein zweites Mal durchgegangen. Das hat meine ganze verbleibende Zeit in Anspruch genommen, aber am Ende habe ich es geschafft, alle Fragen noch einmal durchzugehen (aber einige von ihnen sehr schnell übersprungen), obwohl noch ein paar Sekunden auf dem Timer waren.
Am Ende zeigte die Prüfungssoftware in einem sehr kleinen Fenster nur die Worte: BESTANDEN. Es wurde keine Observe, Prozentzahl oder sonstige Bewertung abgegeben. Auch das angezeigte Ergebnis ist nur „vorläufig“, wie mir der Testleiter mitteilte. Das Endergebnis wurde mir einige Tage später von Google per E-Mail zugesandt. Erwarten Sie additionally keine Champagnerdusche, wenn Sie die Prüfung bestehen. Sie werden jedoch mit einem Hyperlink zu einer Web site mit kostenlosen Google Merchandise-Produkten belohnt. So können Sie eine schöne Tasse bestellen, um zu beweisen, dass Sie diese anspruchsvolle Prüfung wirklich bestanden haben.
