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!