Préparation à la certification Google Data Engineer

Présentation de la certification Professional Data Engineer

• Présentation globale des particularités de l'examen de certification, de façon à éviter toute confusion ou incompréhension concernant le processus et la nature de l'examen :
• - Positionnement de la certification Professional Data Engineer parmi les différentes offres
• - Distinction entre "Associate" et "Professional"
• - Marche à suivre pour passer du niveau Professional Data Engineer à Associate Cloud Engineer
• - Description de l'organisation de l'examen et des règles applicables
• - Conseils généraux relatifs au déroulement de l'examen

Exemples d'études de cas pour l'examen Professional Data Engineer

• Analyse approfondie des études de cas fournies pour la préparation de l'examen :
• - Flowlogistic
• - MJTelco

Conception et création (conseils de révision et de préparation)

• Conseils et exemples relatifs aux compétences en conception de systèmes de traitement de données, en structures de données et en bases de données susceptibles de faire l'objet de questions lors de l'examen :
• - Concevoir des systèmes de traitement des données
• - Concevoir des représentations de données flexibles
• - Concevoir des pipelines de données
• - Concevoir une infrastructure de traitement des données
• - Créer et gérer des structures et des bases de données
• - Créer et gérer des représentations de données flexibles
• - Créer et gérer des pipelines
• - Créer et gérer l'infrastructure de traitement

Analyse et modélisation (conseils de révision et de préparation)

• Conseils et exemples relatifs aux compétences en analyse de données, en analyse et optimisation de processus métier, et en machine learning susceptibles d'être testées lors de l'examen :
• - Analyser des données et permettre le machine learning
• - Analyser des données
• - Machine Learning
• - Déployer un modèle de machine learning
• - Modéliser des processus métier à des fins d'analyse et d'optimisation
• - Faire correspondre les exigences relatives à l'activité aux représentations de données
• - Créer et gérer des pipelines
• - Optimiser les coûts et les performances des infrastructures et des représentations de données

Fiabilité, règles et sécurité (conseils de révision et de préparation)

• Conseils et exemples relatifs aux compétences en fiabilité, en règles, en sécurité et en conformité susceptibles d'être testées lors de l'examen :
• - Concevoir des solutions fiables
• - Réaliser un contrôle qualité
• - Évaluer, dépanner et améliorer les représentations de données et l'infrastructure de traitement des données
• - Récupérer des données
• - Visualiser des données et préconiser des règles
• - Créer (ou choisir) des outils de visualisation des données et de création de rapports
• - Préconiser des règles et publier des données et des rapports
• - Concevoir des solutions sécurisées et conformes
• - Concevoir des processus et une infrastructure de données sécurisés
• - Concevoir des solutions conformes aux exigences légales

Ressources et étapes suivantes

• Ressources sur les thèmes susceptibles d'être testés lors de l'examen :
• - Ressources sur la conception de systèmes de traitement de données, de structures de données et de bases de données
• - Ressources sur l'analyse de données, le machine Learning, l'analyse de processus métier et l'optimisation
• - Ressources sur la visualisation des données et les règles
• - Ressources sur la conception de solutions fiables
• - Ressources sur l'analyse et l'optimisation des processus métier
• - Ressources sur la fiabilité, les règles, la sécurité et la conformité