Google Professional Data Engineer — Lernleitfaden
Üben Sie beim Lernen. Jedes Konzept entspricht echten Prüfungsfragen mit verifizierten Antworten im Google-Prüfungscenter, oder üben Sie die komplette Prüfung mit zeitlich begrenzten Tests auf ExamRoll.io.
Dieser Leitfaden behandelt jede PDE-Domäne ausführlich. Wählen Sie eine Domäne zur Vertiefung oder arbeiten Sie sie der Reihe nach durch.
Die Domänen
- Data Engineering-Architektur und -Design — Die Architektur und das Design von Data Engineering auf Google Cloud bringen Domänengrenzen, Verarbeitungsmuster und die Fähigkeiten der Services in
- Datenspeicherung, Data Lakes und Dateiformate — Die Datenspeicherung auf Google Cloud umfasst rohen Objektspeicher, kuratierte Data Lakes und für Analysen optimierte Formate. Der Aufbau
- BigQuery Analytics und Warehouse-Engineering — BigQuery ist ein serverloses, spaltenbasiertes MPP-Analyse-Warehouse, das Speicherung von Rechenleistung trennt und dadurch nahezu unbegrenzte
- Stream-Verarbeitung mit Dataflow und Apache Beam — Die Stream-Verarbeitung in der Google Cloud basiert auf dem einheitlichen Programmiermodell von Apache Beam, das vom Dataflow-Runner ausgeführt wird.
- Messaging, Event-Ingestion und Echtzeitdienste — - Eventarc und CloudEvents - Eventarc leitet Ereignisse von Google Cloud-Diensten (und benutzerdefinierten Quellen über Pub/Sub) an Cloud Run, GKE
- Spark, Dataproc und verteilte Datenverarbeitung — Apache Spark auf Google Cloud Dataproc bietet eine verwaltete, elastische Plattform für die verteilte Datenverarbeitung. Abhängig von den
- Daten-Ingestion, Integration und Migration — Datenerfassung, -integration und -migration in Google Cloud umfassen wiederholbare Muster, verwaltete Dienste und betriebliche Kontrollen, die
- Workflow-Orchestrierung und Pipeline-Automatisierung — Wichtige Auswahlmöglichkeiten: - Code-zentrierte Batch-Orchestrierung mit Cloud Composer (Apache Airflow) für DAGs, Aufgabenabhängigkeiten und
- Maschinelles Lernen, KI und Datenbereitstellung — - Modellerstellung: Verwenden Sie CREATE MODEL mit expliziten Label-Spalten und Feature-Transformationen, um Leakage zu vermeiden und Eingaben zu
- Data Governance, Sicherheit, Zuverlässigkeit und betriebliches Kostenmanagement — Dieser Abschnitt fasst Entwurfsmuster und Betriebspraktiken für Data Governance, Sicherheit, Zuverlässigkeit und Kostenmanagement auf Google Cloud
Bereit zum Üben?
- Durchsuchen Sie alle Fragen mit verifizierten Antworten → — kostenlos, mit Erklärungen.
- Starten Sie zeitlich begrenzte Übungstests auf ExamRoll.io → — die komplette Fragensammlung, in über 20 Sprachen.
Pass the whole exam — not just this question
You found this answer. Get every verified question and explanation in one place, and save hours of prep. Free to start.
Bestehe deine Prüfung →