Google Professional Data Engineer — Przewodnik do nauki
Ćwicz, ucząc się. Każde zagadnienie odpowiada prawdziwym pytaniom egzaminacyjnym ze zweryfikowanymi odpowiedziami w centrum egzaminów Google, albo przerób cały egzamin w testach na czas na ExamRoll.io.
Ten przewodnik szczegółowo omawia każdą domenę PDE. Wybierz domenę, aby zgłębić temat, albo przejdź je po kolei.
Domeny
- Architektura i projektowanie inżynierii danych — Architektura i projektowanie inżynierii danych w Google Cloud równoważy granice domen, wzorce przetwarzania i możliwości usług w celu dostarczania
- Przechowywanie danych, jeziora danych i formaty plików — Przechowywanie danych w Google Cloud obejmuje surową pamięć masową obiektów, uporządkowane jeziora danych i formaty zoptymalizowane pod kątem
- Analityka BigQuery i inżynieria hurtowni danych — BigQuery to bezserwerowa, kolumnowa hurtownia analityczna MPP, która oddziela warstwę przechowywania danych od warstwy obliczeniowej, zapewniając
- Przetwarzanie strumieniowe z Dataflow i Apache Beam — Przetwarzanie strumieniowe w Google Cloud opiera się na zunifikowanym modelu programowania Apache Beam, wykonywanym przez runner Dataflow. Beam
- Przesyłanie komunikatów, pozyskiwanie zdarzeń i usługi czasu rzeczywistego — Usługi przesyłania komunikatów, pozyskiwania zdarzeń i przetwarzania w czasie rzeczywistym w Google Cloud opierają się na Cloud Pub/Sub i Eventarc w
- Spark, Dataproc i rozproszone przetwarzanie danych — Apache Spark w Google Cloud Dataproc dostarcza zarządzaną, elastyczną platformę do rozproszonego przetwarzania danych. Można wybierać między długo
- Pozyskiwanie, integracja i migracja danych — - Mapowanie schematów i konwersja typów: Standaryzuj wcześnie do schematów silnie typowanych. Avro lub Parquet zachowują schemat i umożliwiają jego
- Orkiestracja przepływów pracy i automatyzacja potoków — Kluczowe wybory: - Orkiestracja wsadowa zorientowana na kod za pomocą Cloud Composer (Apache Airflow) dla DAG-ów, zależności między zadaniami i
- Uczenie maszynowe, AI i serwowanie danych — - Tworzenie modelu: użyj CREATE MODEL z jawnymi kolumnami etykiet i transformacjami cech, aby uniknąć wycieku danych (leakage) i standaryzować dane
- Ład danych, bezpieczeństwo, niezawodność i zarządzanie kosztami — Ta sekcja podsumowuje wzorce projektowe i praktyki operacyjne dotyczące ładu danych, bezpieczeństwa, niezawodności i operacji kosztowych w Google
Gotowy do ćwiczeń?
- Przejrzyj wszystkie pytania ze zweryfikowanymi odpowiedziami → — za darmo, z wyjaśnieniami.
- Zacznij testy na czas na ExamRoll.io → — pełna baza pytań, w ponad 20 językach.
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.
Zdaj egzamin →