Google Cloud 認定資格奮闘記 ~Professional Machine Learning Engineer編~
今回はGoogle Cloud認定資格の一つであるProfessional Machine Learning Engineer(以下、PMLE)を受験したのでその体験記になります。前回取得した資格についても記事にしているのでぜひご覧ください。
Professional Machine Learning Engineerについて
PMLEはGoogle Cloudの認定資格の一つであり、特に機械学習に関するサービスおよびその取り扱い、実務への応用などについて問われる資格となります。PMLEではGoogle Cloudを利用して大規模なMLライフサイクルを実現できるようなスキルが必要となり、かつ顧客のニーズに応じて適切なサービスを選択する能力が求められます。また、直近ではMLOpsの重要性が特に注目されており、継続的にモデルの性能を監視し、適切な頻度でモデルを再学習させるプロセスの構築も求められます。私自身、MLエンジニアとして普段活動させていただいているため、この資格を持っておくことは私の普段の活動のスキル感についてある意味保証になると言うところで受験しました。
学習について
学習期間
PMLEの出題範囲の中で、Vertex AIをはじめ様々なサービスをすでに利用してはいたので、ざっくりとは理解していましたが、より詳細な内容を勉強しはじめたのは7月からになります。試験を受けたのは9月12日で1ヶ月以上学習期間を設けましたが、これは一回でできれば合格したかったのと、学習時間がなかなか確保できない期間がありそうだったので、ちょっと多く時間を取ったと言う背景がありました。
学習方法
今回もいつもと変わらず以下の内容を実施しました。
- まずはPMLEのページで提供されている模擬試験を通して、今の理解度を測定する
- PMLEの試験ガイドを元に、試験範囲のサービスのドキュメントに目をとおす
- skillsboostや機械学習に関する説明資料が提供されているので実施する
skillsboostはかなりのボリュームがあり、時間的に全てを対応することは厳しかったので、特に学習しておいた方が良さそうな部分に的を絞って対応しました。また、今回特に力を入れたのは公式ドキュメントを読み込むことでした。業務やブログを書くなかで結構サービスは利用していたので概要は理解していましたが、込み入った実装であったり他のサービスとの連携方法、ベストプラクティスはドキュメントにまとまっているので、そちらを重点的に参照しました。
技術的な範囲で言うと、やはり重点的に学習したのはVertex AI、BigQuery周りでした。Vertex AIはML関連の機能が多数提供されており、Google Cloud上でMLを構築するための必須の機能がたくさんあるのでひたすらドキュメントを読んで自分で使ってみるを繰り返しました。またBigQueryではBigQueryMLというBigQuery上でMLモデルを作れる機能が提供されており、場合によってはVertex AIで独自モデルを作ることなくBigQueryMLで事足りる場合も十分あり、そのあたりの知識を身につけました。
なお、以前受験したPDEも今回とても役に立ちました。どのようにデータを受け取り、どのようにでーたを処理するかと言うところはMLの根幹であるデータの取り扱いと直結しています。PDEをPMLEより先に受験した理由もここにあるのですが、受験しておいてよかったです。
受験結果
今回PMLEを受験したのは9月12日でした。前日疲れ切って勉強せず当日を迎えてしまいましたw。試験時間は2時間で50問でした。今回は見直しも含めておよそ1時間程度かかりました。結果としては無事合格できました。
試験内容としてはどのような実務課題があり、それに対応するためのサービスを選ぶという内容が多かった印象です。公式ドキュメントをちゃんと読み込んだりサービスを色々使っていたこともあり、回答がとても迷うような問題は少なかった印象ですが、やはりMLに特化した資格であり、バックボーンがあったとはいえ結構難しかった気がします！
まとめ
今回はPMLEを受験したのでその結果を共有しました。MLにバックボーンがある方もない方も、Google Cloud上でMLをしたい方はぜひ取得を検討してみてはいかがでしょうか。
Discussion