آموزش تست‌های آزمایشی مهندس حرفه‌ای یادگیری ماشین گوگل کلاد | ۲۰۲۶ - آخرین آپدیت

**بازبینی شده در ژانویه ۲۰۲۶ | طبق آخرین دستورالعمل‌ها و الگوهای آزمون**

**به‌روزرسانی شده در سپتامبر ۲۰۲۵**

*به‌روزرسانی شده در ۲۱ آوریل ۲۰۲۴

*به‌روزرسانی شده در ۲۲ آوریل ۲۰۲۴

*به‌روزرسانی شده در ۲۳ آوریل ۲۰۲۴

*به‌روزرسانی شده در ۲۴ آوریل ۲۰۲۴

*به‌روزرسانی شده در ۰۳ آوریل ۲۰۲۵

---

۱. این نسخه از آزمون مهندس حرفه‌ای یادگیری ماشین، وظایف مربوط به هوش مصنوعی مولد (Generative AI)، از جمله ساخت راهکارهای AI با استفاده از Model Garden و Vertex AI Agent Builder و ارزیابی راهکارهای هوش مصنوعی مولد را پوشش می‌دهد.

۲. نکته: این آزمون مستقیماً مهارت کدنویسی را ارزیابی نمی‌کند. اگر حداقل تسلطی بر Python و Cloud SQL داشته باشید، قادر خواهید بود سوالات دارای قطعه کد را تفسیر کنید.

***

شما در مسیر دریافت گواهینامه همیشه از پشتیبانی فنی برخوردار هستید - لطفاً برای هرگونه پرسش از بخش پرسش و پاسخ (Q&A) استفاده کنید.

شما تحت پوشش ضمانت بازگشت وجه ۳۰ روزه هستید.

***

---

آیا برای گواهینامه مهندس حرفه‌ای یادگیری ماشین گوگل کلاد آماده می‌شوید؟
این دوره، تست‌های آزمایشی دقیق و منطبق با سال ۲۰۲۶ را ارائه می‌دهد که مستقیماً بر اساس آخرین راهنمای آزمون گوگل طراحی شده‌اند.

این تست‌های تمرینی، فرمت آزمون واقعی را شبیه‌سازی کرده و تسلط شما را در زمینه‌های زیر تقویت می‌کنند:

• معماری مدل ML و آموزش در گوگل کلاد
• خط لوله‌های Vertex AI، آموزش، سرویس‌دهی و نظارت
• جریان‌های کاری AutoML برای داده‌های جدولی، متنی، تصویری و ویدئویی
• BigQuery ML: ساخت مدل، پیش‌بینی و مهندسی ویژگی‌ها
• هوش مصنوعی مولد: Model Garden، Vertex AI Agent Builder و کاربردهای RAG
• آموزش توزیع شده با استفاده از CPUها، GPUها و TPUها
• متدهای MLOps شامل CI/CD، اعتبارسنجی، ردیابی (Lineage) و بازآموزی
• استنتاج دسته‌ای (Batch) و آنلاین، تست A/B، رجیستری، مقیاس‌پذیری و تنظیم نقاط انتهایی (Endpoint Tuning)
• تفسیرپذیری مدل، شناسایی سوگیری، عدالت و هوش مصنوعی مسئولانه

هر سوال شامل توضیحات دقیقی است تا به شما در درک استدلال صحیح کمک کرده و از اشتباهات رایج در آزمون واقعی جلوگیری کند.

این یک محیط تمرینی کامل است تا قبل از شرکت در آزمون گواهینامه، به اعتماد به نفس کامل برسید.

مزایای دریافت گواهینامه

• شناخت صنعتی: مهارت‌های شما را نزد کارفرمایان، مشتریان احتمالی و همکاران تایید می‌کند.

• پیشرفت شغلی: اعتبار حرفه‌ای شما را افزایش داده و می‌تواند منجر به فرصت‌های توسعه شغلی شود.

• جامعه و شبکه‌سازی: درهای ورود به شبکه‌ای از متخصصان دارای گواهینامه گوگل کلاد را به روی شما می‌گشاید.

فقط رویای مهندس حرفه‌ای یادگیری ماشین گوگل کلاد شدن را نداشته باشید – آن را به واقعیت تبدیل کنید!

• تمرینات خود را از امروز شروع کنید و گامی مطمئن به سوی یک مسیر شغلی موفق بردارید.

تمرین واقع‌گرایانه و چالش‌برانگیز برای موفقیت در دنیای واقعی

• مهارت‌های خود را صیقل دهید

  • تخصص خود در گوگل کلاد را به چالش بکشید و نقاط نیاز به بهبود را با آزمون‌های تمرینی دقیق شناسایی کنید. سناریوهای مشابه آزمون و سوالات دشواری را تجربه کنید که بازتابی از آزمون رسمی مهندسی یادگیری ماشین گوگل کلاد هستند.

درباره ارزیابی‌های تمرینی-

۱. هدف و انطباق آزمون

• اهداف روشن: تعریف دقیق آنچه آزمون قصد اندازه‌گیری آن را دارد (دانش، مهارت، قضاوت). پیوند نزدیک با صلاحیت‌های مورد نیاز برای فعالیت حرفه‌ای.

• انطباق با استانداردها: آزمون با آخرین استانداردها و دستورالعمل‌های مربوطه همسو است که اعتبار و مرتبط بودن آن را تقویت می‌کند.

۲. سوالات موجود در ارزیابی

• مرتبط بودن: تمرکز بر سناریوها و مشکلات دنیای واقعی که متخصصان احتمالاً در محیط کار با آن‌ها مواجه می‌شوند.

• سطح شناختی: شامل ترکیبی از سوالاتی که سطوح مختلف تفکر را ارزیابی می‌کنند:

  • دانش/یادآوری

  • درک/کاربرد

  • تحلیل/ارزیابی

• شفافیت: تلاش برای اینکه سوالات مختصر، بدون ابهام و به دور از اصطلاحات پیچیده یا زبان بیش از حد فنی باشند.

• قابلیت اطمینان: سوالات به طور ثابت دانش یا مهارت مورد نظر را اندازه‌گیری می‌کنند تا احتمال تفسیرهای متفاوت کاهش یابد.

• بدون تله: برای سادگی از سوالات «تله‌دار» اجتناب شده و در عوض بر تست درک واقعی تمرکز شده است.

۳. انواع آیتم‌ها

• تنوع: استفاده از فرمت‌های متنوع سوال که مناسب‌ترین روش برای تست دانش/مهارت باشند. این موارد شامل موارد زیر است:

  • سوالات چندگزینه‌ای

  • توضیحات جامع

  • مطالعات موردی با پاسخ‌های تشریحی (در صورت نیاز)

  • سوالات مبتنی بر سناریو

  • شبیه‌سازها (در صورت کاربرد)

• تعادل: اطمینان از ترکیب متوازن انواع سوالات برای جلوگیری از اتکای بیش از حد به یک فرمت خاص.

ویژگی‌های کلیدی و مزایا:

• • سوالات به‌روز و منطبق با آزمون: به‌روزرسانی شده برای انعکاس آخرین سرفصل‌ها؛ سوالات از نظر دشواری، فرمت و حوزه‌های محتوایی مشابه آزمون واقعی هستند.

  • به‌روزرسانی مستمر: آزمون‌های تمرینی به طور مداوم برای انعکاس تغییرات جدید به‌روز می‌شوند تا منابع آمادگی شما همواره جدیدترین باشند.

  • پوشش جامع: سوالات تمام گستره آزمون گواهینامه را پوشش می‌دهند، از جمله:

    • تبیین مسئله ML: تعریف اهداف تجاری، تبدیل آن‌ها به راهکارهای ML و ارزیابی راهکارهای احتمالی.

    • مهندسی داده‌ها: جذب، تبدیل، پاک‌سازی، اعتبارسنجی و ذخیره‌سازی داده‌ها برای آموزش و استقرار مدل.

    • مدل‌سازی: مهندسی ویژگی‌ها، انتخاب مدل، تنظیم هایپرپارامترها و ارزیابی مدل (هم معیارهای فنی و هم تجاری).

    • زیرساخت ML: ساخت خط لوله‌های ML، اتوماسیون آموزش و بازآموزی، و نظارت بر مدل‌های مستقر شده.

    • عملیاتی کردن مدل‌های ML: استقرار مدل‌ها در محیط تولید، تست A/B، مقیاس‌بندی مدل و ارزیابی مستمر.

  
  

  • توضیحات دقیق برای هر پاسخ: ما فقط نمی‌گوییم پاسخ درست یا غلط است – توضیحات شفافی ارائه می‌دهیم تا مفاهیم تقویت شده و نقاط ضعف شما شناسایی شوند.

  • چالش‌های مبتنی بر سناریو: توانایی خود را در به‌کارگیری اصول آموخته شده در سناریوهای پیچیده دنیای واقعی (مشابه آزمون) به چالش بکشید.

  • ردیابی پیشرفت: عملکرد خود را نظارت کنید و موضوعات خاصی را که نیاز به مطالعه بیشتر دارند، شناسایی کنید.

• چرا آزمون تمرینی ما را انتخاب کنید؟

  • افزایش اعتماد به نفس، کاهش استرس: تمرین باعث کمال می‌شود! با اطمینان از اینکه با سوالات چالش‌برانگیز مشابه روبرو شده‌اید، در آزمون حاضر شوید.

  • مکمل مقرون‌به‌صرفه: شبیه‌سازهای تمرینی در کنار مطالعه دقیق، شانس موفقیت شما را افزایش داده و شما را از هزینه‌های تکرار آزمون نجات می‌دهد.

مخاطبان هدف

• مهندسان ML با حداقل ۳ سال تجربه صنعتی، شامل حداقل یک سال استفاده از GCP.

• دانشمندان داده و مهندسان داده با تجربه در ساخت و استقرار راهکارهای یادگیری ماشین.

پیش‌نیازها

• هیچ پیش‌نیاز رسمی وجود ندارد. با این حال، گوگل موارد زیر را توصیه می‌کند:

  • تجربه در ساخت و مدیریت راهکارهای ML آماده برای محیط تولید.

  • تسلط بر برنامه‌نویسی پایتون (Python).

  • آشنایی اولیه با SQL.

  • دانش کاربردی از سرویس‌های GCP (مانند Compute Engine, BigQuery, Cloud Storage و غیره).

سرفصل‌های آزمون

این نسخه از آزمون مهندس حرفه‌ای یادگیری ماشین، وظایف مربوط به هوش مصنوعی مولد، از جمله ساخت راهکارهای AI با استفاده از Model Garden و Vertex AI Agent Builder و ارزیابی راهکارهای هوش مصنوعی مولد را پوشش می‌دهد.

آزمون حوزه‌های کلیدی زیر را پوشش می‌دهد:

• بخش ۱: معماری راهکارهای AI کم‌کد (۱۳٪ از آزمون)

  • ۱.۱ توسعه مدل‌های ML با استفاده از BigQuery ML.

  • ۱.۲ ساخت راهکارهای AI با استفاده از APIهای ML یا مدل‌های پایه (Foundational Models).

  • ۱.۳ آموزش مدل‌ها با استفاده از AutoML.

• بخش ۲: همکاری درون تیمی و بین تیمی برای مدیریت داده‌ها و مدل‌ها (~۱۴٪ از آزمون)

  • ۲.۱ بررسی و پیش‌پردازش داده‌های سازمانی (مانند Cloud Storage, BigQuery, Spanner, Cloud SQL, Apache Spark, Apache Hadoop).

  • ۲.۲ نمونه‌سازی مدل با استفاده از Jupyter notebooks.

  • ۲.۳ ردیابی و اجرای آزمایش‌های ML.

• بخش ۳: مقیاس‌بندی نمونه‌های اولیه به مدل‌های ML (~۱۸٪ از آزمون)

  • ۳.۱ ساخت مدل‌ها.

  • ۳.۲ آموزش مدل‌ها.

  • ۳.۳ انتخاب سخت‌افزار مناسب برای آموزش.

• بخش ۴: سرویس‌دهی و مقیاس‌بندی مدل‌ها (~۲۰٪ از آزمون)

  • ۴.۱ سرویس‌دهی مدل‌ها.

  • ۴.۲ مقیاس‌بندی سرویس‌دهی آنلاین مدل‌ها.

• بخش ۵: اتوماسیون و ارکستراسیون خط لوله‌های ML (~۲۲٪ از آزمون)

  • ۵.۱ توسعه خط لوله‌های ML سرتاسری (End-to-End).

  • ۵.۲ اتوماسیون بازآموزی مدل‌ها.

  • ۵.۳ ردیابی و ممیزی متادیتاها.

• بخش ۶: نظارت بر راهکارهای AI (~۱۳٪ از آزمون)

  • ۶.۱ شناسایی ریسک‌های راهکارهای AI.

  • ۶.۲ نظارت، تست و عیب‌یابی راهکارهای AI.

جزئیات آزمون

• مدت زمان: دو ساعت

  هزینه ثبت‌نام: ۲۰۰ دلار (به علاوه مالیات در صورت کاربرد)

  زبان‌ها: انگلیسی، ژاپنی

  فرمت آزمون: ۵۰ تا ۶۰ سوال چندگزینه‌ای و چندانتخابی

  روش برگزاری آزمون:

  الف. شرکت در آزمون آنلاین با ناظر از یک مکان دور (بررسی الزامات تست آنلاین).

  ب. شرکت در آزمون حضوری در یکی از مراکز آزمون.

  پیش‌نیازها: ندارد

  تجربه توصیه شده: بیش از ۳ سال تجربه صنعتی شامل ۱ سال یا بیشتر در طراحی و مدیریت راهکارها با استفاده از گوگل کلاد.

تمدید گواهینامه / دریافت مجدد: داوطلبان باید برای حفظ وضعیت گواهینامه خود، آن را تمدید کنند. مگر در مواردی که صریحاً در توضیحات ذکر شده باشد، تمام گواهینامه‌های گوگل کلاد به مدت دو سال از تاریخ صدور معتبر هستند. تمدید از طریق شرکت مجدد در آزمون در بازه زمانی مجاز و کسب نمره قبولی انجام می‌شود. شما می‌توانید از ۶۰ روز مانده به تاریخ انقضا، برای تمدید اقدام کنید.