Путь к мастерству: моя сертификация Google Cloud Professional Machine Learning Engineer…

В этой статье я поделюсь своим опытом прохождения Google Cloud Professional Machine Learning Engineer Certification в сентябре 2022 года.

Мой фон

Во-первых, я считаю важным обсудить мой опыт, поскольку путь обучения и время, затраченное на обучение, могут значительно различаться в зависимости от предыдущего опыта экзаменуемого.

• Я познакомился с основами машинного обучения и глубокого обучения во время учебы в университете, когда моя лаборатория была сосредоточена на медицинской инженерии.
• После выпуска я присоединился к стартапу в области искусственного интеллекта, где занимался обработкой изображений. Эта роль познакомила меня с различными этапами ИИ, включая предварительную обработку, обучение, прогнозирование и оценку. Однако я еще не знаком с операциями машинного обучения (MLOPs).
• В настоящее время я сменил работу и был назначен на проект, который использует Google Cloud в качестве инженера по инфраструктуре. Я также получил сертификат Professional Cloud Architect Engineer Certification.

Область сертификации

Экзамен состоит из 60 вопросов на английском языке и длится более 2 часов.

Ниже я изложил Область сертификации и свои впечатления от экзамена:

Проблемы с фреймовым машинным обучением

Это включает в себя понимание того, какие услуги могут предложить и как их эффективно применять.

Архитектор ML-решений

Ключевым моментом является выбор наиболее подходящего решения на основе предварительных знаний пользователей. Это могут быть различные сервисы Google Cloud, такие как BigQueryML, AutoML, VertexAI и т. д. Архитектура сервиса должна соответствовать требованиям клиента, будь то «Минимальные усилия», «Использование управляемого сервиса», «Только знание SQL», «Использование Python» и т. д.

Системы подготовки и обработки проектных данных

Понимание методов оценки моделей ML/DL имеет решающее значение. Вы должны хорошо разбираться в таких понятиях, как отзыв, точность, точность и F1-счет. Вы также узнаете о распространенных ловушках при разработке моделей и о том, как их устранить.

Разработка моделей машинного обучения

Метод оценки моделей ML/DL. Вы должны понимать, что такое полнота/точность/точность. Антишаблон разработки моделей и как с этим бороться.

Автоматизируйте и организуйте конвейеры машинного обучения

Этот аспект требует выбора наиболее эффективного решения между KubeFlow и TFX, а также понимания лучших практик Google для архитектуры MLOps.

Мониторинг, оптимизация и поддержка решений машинного обучения

Мониторинг наборов данных и моделей является неотъемлемой частью этой сертификации. Рассматриваемые темы включают отслеживание точности предсказания модели, выявление выбросов в наборе данных и стратегии решения проблем в наборах данных и моделях.

Мой путь обучения

Курсера

Я записался на программу Подготовка к сертификации Google Cloud: профессиональный сертификат инженера по машинному обучению. Этот пакет включает следующие девять курсов:

• Google Cloud Большие данные и основы машинного обучения
• Как Google занимается машинным обучением
• Запускаем машинное обучение
• TensorFlow в облаке Google
• Разработка функций
• Машинное обучение на предприятии
• Производственные системы машинного обучения
• MLOps (операции машинного обучения) Основы
• Конвейеры машинного обучения в Google Cloud

Все курсы поставляются с видеоконтентом и Qwiklabs, которые предлагают практический опыт работы с Google Cloud, например:

• Подготовка обучающих наборов данных с помощью Dataprep
• Создайте процесс ETL с помощью DataFusion
• Создание конвейера ETL с использованием DataFlow и Python
• Разработка модели машинного обучения с использованием BigQueryML, включая обучение, прогнозирование и оценку
• Создавайте MLOps с помощью KubeFlow или TFX на VertexAI
• … и более.

Эти курсы помогут вам изучить передовой опыт и ознакомиться с сервисами Google Cloud. Курсы MLOps были особенно полезны для меня, так как я был новичком в пошаговой реализации MLOps.

Однако программа может занять много времени из-за времени ожидания запуска GKE (около 10 минут) и процессов обучения (более 30 минут). Если у вас есть опыт работы с ML/DL, возможно, вы уже знакомы с некоторым контентом, поэтому вы можете пропустить некоторые практические задачи или просмотреть определенный контент на скорости 1,5x.

Удеми

Я купил пробный экзамен на Udemy и усердно над ним работал.

Содержание охватывало большинство аспектов экзамена Professional ML и помогло мне почувствовать среду экзамена. Пояснения к ответам, которые включали официальные ссылки, были очень полезны. Особенно важно было понять точки зрения клиентов, выраженные в таких вопросах, как «Экономия затрат», «Экономия затрат на управление инфраструктурой», «Хотите внедрить за 1 месяц», «Минимальные усилия», «Без опыта работы с Python» и так далее.

Следует отметить, что этот практический контент включает только 50 вопросов для каждой практики, в то время как настоящий экзамен содержит 60 вопросов.

Рефлексия после сдачи экзамена

Это была ценная возможность узнать о передовых методах машинного обучения, глубокого обучения и MLOps в рамках Google Cloud. До экзамена я не был полностью осведомлен об особенностях каждого сервиса, но теперь я могу объяснить каждый и использовать их с минимальными затратами времени на настройку.

Я также узнал об уникальном фокусе Google Cloud на услугах ML/DL по сравнению с другими поставщиками облачных услуг.

Получение этого сертификата — это не только отличный способ углубить свои знания в области ML/DL в Google Cloud, но и после прохождения вы также получите товары, сертифицированные Google Cloud, такие как рюкзаки, неваляшки, толстовки и многое другое. Я настоятельно рекомендую вам сдать экзамен!