Google Professional Data Engineer — Guide d'étude
Entraînez-vous tout en apprenant. Chaque concept correspond à de vraies questions d’examen avec des réponses vérifiées dans le centre d’examens Google, ou révisez l’examen complet avec des tests chronométrés sur ExamRoll.io.
Ce guide couvre en profondeur chaque domaine du PDE. Choisissez un domaine pour approfondir, ou parcourez-les dans l’ordre.
Les domaines
- Architecture et conception de l’ingénierie des données — L’architecture et la conception de l’ingénierie des données sur Google Cloud équilibrent les frontières de domaine, les modèles de traitement et les
- Stockage des données, lacs de données et formats de fichiers — Le stockage de données sur Google Cloud couvre le stockage d’objets bruts, les lacs de données organisés (curated) et les formats optimisés pour
- Analytique BigQuery et ingénierie d’entrepôt de données — - Élagage des partitions et clustering : - Filtrez toujours sur la colonne de partition pour éviter d’analyser les partitions froides. Utilisez
- Traitement en flux continu avec Dataflow et Apache Beam — Le traitement de flux sur Google Cloud est centré sur le modèle de programmation unifié d’Apache Beam, exécuté par le runner Dataflow. Beam fournit
- Messagerie, ingestion d’événements et services en temps réel — Les services de messagerie, d’ingestion d’événements et de temps réel sur Google Cloud s’articulent autour de Cloud Pub/Sub et Eventarc pour un
- Spark, Dataproc et traitement de données distribué — Apache Spark sur Google Cloud Dataproc fournit une plateforme élastique et gérée pour le traitement distribué des données. Vous pouvez choisir entre
- Ingestion, intégration et migration de données — L’ingestion, l’intégration et la migration de données dans Google Cloud englobent des patterns reproductibles, des services gérés et des contrôles
- Orchestration de workflows et automatisation de pipelines — Choix clés : - Orchestration de batch centrée sur le code avec Cloud Composer (Apache Airflow) pour les DAGs, les dépendances de tâches et la
- Machine Learning, AI et diffusion de données — - Création de modèle : utilisez CREATE MODEL avec des colonnes de label explicites et des transformations de caractéristiques pour éviter la fuite de
- Gouvernance des données, sécurité, fiabilité et gestion opérationnelle des coûts — Cette section résume les modèles de conception et les pratiques opérationnelles pour la gouvernance des données, la sécurité, la fiabilité et les
Prêt à vous entraîner ?
- Parcourez toutes les questions avec des réponses vérifiées → — gratuit, avec explications.
- Commencez des tests chronométrés sur ExamRoll.io → — la banque de questions complète, en plus de 20 langues.
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.
Réussissez votre examen →