Chuyển đến nội dung chính

第10課:速查表與GCP MLE考試策略

GCP Professional Machine Learning Engineer課程完整總結。 GCP服務對照、評估指標、領域比重、考試策略。

📝 考試準備 — 第10課 第10課:速查表 & GCP MLE 考試策略

Google Cloud Professional Machine Learning Engineer 考試準備

領域5:Responsible AI與複習

xdev.asia

1. GCP Professional ML Engineer考試結構

項目詳細
總題數60題
時間限制120分鐘(2小時)
通過分數約70%(Google不公布確切分數)
題型單選題、複選題
有效期限2年
等級Professional(中高階)

2. 領域比重

領域比重
1. 設計低程式碼ML解決方案的架構約10%
2. 團隊內外資料和模型管理的協作約20%
3. 從原型擴展到ML模型約20%
4. 模型服務與擴展約20%
5. ML管線的自動化與協調約20%
6. ML解決方案的監控約10%

3. GCP ML服務速查表

任務GCP服務
無程式碼影像分類Vertex AI AutoML Image
資料倉儲中的SQL式MLBigQuery ML
自訂TensorFlow/PyTorch訓練Vertex AI Custom Training
超參數最佳化Vertex AI Hyperparameter Tuning(Bayesian)
訓練/推論間的特徵一致性Vertex AI Feature Store
ML工作流程協調(管線)Vertex AI Pipelines(KFP)
實驗追蹤Vertex AI Experiments
模型版本控制Vertex AI Model Registry
模型版本的A/B測試Vertex AI Endpoints流量分割
特徵偏移/漂移監控Vertex AI Model Monitoring
模型預測解釋Vertex AI Explainability(SHAP、IG)
即時事件擷取Pub/Sub
統一批次 + 串流ETLDataflow(Apache Beam)
Spark/Hadoop工作負載Dataproc
ML管線協調(多服務)Cloud Composer(Airflow)
自然語言分析(無需訓練)Cloud Natural Language API
文件擷取Document AI
語音轉文字Cloud Speech-to-Text API
防止資料外洩VPC Service Controls
客戶管理加密Cloud KMS(CMEK)

4. 常見考試陷阱

陷阱正確答案
「沒有ML專業知識,影像分類」AutoML Image(不是自訂訓練)
「資料已在BigQuery中進行訓練」BigQuery ML(不是Vertex AI)
「訓練時與推論時特徵不同」Vertex AI Feature Store(不是重新訓練)
「資料到達時觸發重新訓練」GCS通知 → Eventarc → Vertex AI Pipeline
「解釋模型拒絕申請的原因」Vertex AI Explainability(SHAP)
「在分散的醫院資料上訓練」聯邦學習
「防止BigQuery資料外洩」VPC Service Controls
「比較不同執行之間的模型效能」Vertex AI Experiments

考試提示: GCP Professional ML Engineer考試通常考察架構決策,而非API語法。主要題目模式:「哪個服務最適合需求」、「第一步是什麼」、「哪種方法的營運開銷最少」。當題目中出現「最少管理」或「無伺服器」時,始終優先選擇GCP的託管服務。

5. 學習計畫

日期重點領域
第1天Vertex AI完整平台:Training、Pipelines、Endpoints、Monitoring
第2天資料工程:Pub/Sub、Dataflow、Dataproc、Cloud Composer
第3天BigQuery ML + 特徵工程 + Feature Store
第4天Responsible AI:Explainability、Fairness、Privacy、Security
第5天模擬考1 — 找出弱點
第6天弱點複習 + 模擬考2
第7天僅複習速查表