GCP Professional ML Engineer 是什么认证,考试怎么考?
认证概述
Google Cloud Certified - Professional Machine Learning Engineer (PMLE) 验证您设计、构建和产品化 ML 模型的能力,包括使用 Gemini Enterprise Agent Platform(原 Vertex AI)、BigQuery ML 等 Google Cloud 服务解决实际业务问题。
考试信息
标准考试 2 小时,50–60 道选择题,报名费 USD 200(另加当地税费),提供英语和日语,可线上远程监考或去考点考。证书有效期 2 年;Google 不公布及格分(Google Cloud 官方认证页,2026-11-09 核对)。
官方认证页说明,考试已更新:反映从 Vertex AI 到 Gemini Enterprise Agent Platform 的过渡、Google Cloud 数据与分析产品的更新,并优先考查 Google Cloud 原生方案。考试不直接考编程,但要能看懂 Python 和 SQL 代码片段。
考试领域(考试指南,2026-06-01 版)
- Architecting low-code AI solutions(低代码 AI 方案)— 约 13%
- Collaborating within and across teams to manage data and models(团队协作管理数据与模型)— 约 16%
- Scaling prototypes into ML models(把原型扩展为 ML 模型)— 约 21%
- Serving and scaling models(模型服务与扩缩)— 约 20%
- Automating and orchestrating ML pipelines(ML 管道自动化与编排)— 约 18%
- Monitoring AI solutions(AI 方案监控)— 约 13%
适合人群
- 机器学习工程师和 MLOps 工程师
- 数据科学家希望提升工程化能力
- AI 平台架构师
- 希望验证 GCP ML 能力的 IT 专业人员
考试档案
- 考试代码
- PMLE
- 发证机构
- GCP
- 题型
- 单选题 / 多选题
- 考试语言
- English / 日本語
- 考试方式
- 线上远程监考 / 考点监考
- 证书有效期
- 2 年
- 考试费
- USD 200(另加当地税费)
你会学到的技能
学完能做什么
- 获得 Google Cloud 官方专业级 ML 工程师认证
- 掌握 Gemini Enterprise Agent Platform(原 Vertex AI)上的训练、部署与监控
- 具备端到端 ML 模型的训练、部署和监控能力
- 能够设计和实施 MLOps 流水线
- 提升 ML 工程师岗位竞争力
适合这样的你
- 机器学习工程师和 MLOps 工程师
- 数据科学家希望提升工程化和产品化能力
- AI 平台架构师
- 后端工程师希望转型 ML 方向
- 希望验证 GCP ML 全栈能力的 IT 专业人员
开始前需要什么
- 官方建议 3 年以上行业经验,其中至少 1 年在 Google Cloud 上设计和管理方案
- 能看懂 Python 和 SQL 代码片段,熟悉常见 ML 框架(如 PyTorch、scikit-learn)
- 了解机器学习基本概念和算法
- 建议有模型训练和部署的实际经验
GCP Professional ML Engineer 考试考哪些内容?
13%低代码 AI 方案
Architecting Low-Code AI Solutions
低代码 AI 方案
Architecting Low-Code AI Solutions
16%团队协作管理数据与模型
Collaborating Within and Across Teams to Manage Data and Models
团队协作管理数据与模型
Collaborating Within and Across Teams to Manage Data and Models
21%把原型扩展为 ML 模型
Scaling Prototypes into ML Models
把原型扩展为 ML 模型
Scaling Prototypes into ML Models
20%模型服务与扩缩
Serving and Scaling Models
模型服务与扩缩
Serving and Scaling Models
18%ML 管道自动化与编排
Automating and Orchestrating ML Pipelines
ML 管道自动化与编排
Automating and Orchestrating ML Pipelines
13%AI 方案监控
Monitoring AI Solutions
AI 方案监控
Monitoring AI Solutions
GCP Professional ML Engineer 怎么备考?
8 个章节 · 学习路径
安排你的备考
- 课程学习时长
- 60h
- 有相关实操经验
- 8-10 周
- 从基础开始
- 12-16 周
- 建议日投入
- 1-2h
备考支持
- 8 个系统化学习章节,对照官方考试指南的 6 个考试领域
- 963 精选练习题,每题附详细解析
- 仿真模拟考试(120 分钟,题量参照官方 50–60 题)
- 错题本 + 智能复习,薄弱环节针对性突破
- 学习进度可视化追踪
- 对照 Google Cloud 现行考试指南
备考时,做好这些事
- 50–60 题 120 分钟,平均每题约 2 分钟,合理分配时间
- 不确定的题先标记跳过,回头再做
- 排除法非常有用 — 先排掉明显错误的选项,剩下的再分析
- 多选题会告诉你选几个,仔细看题目要求
这些误区要避开
- 没有读完所有选项就选答案 — 题目经常有"最佳"答案和"正确但不最佳"的干扰项
- 备考只刷题不理解原理 — 考试场景题需要理解底层概念
- 忽略时间管理 — 在难题上卡太久,导致后面简单题没时间做
报名前还有哪些常见问题?
GCP Professional ML Engineer 考试难度如何?
PMLE 是 GCP 中难度最高的认证之一。考试不仅考察 Google Cloud ML 服务(Gemini Enterprise Agent Platform,原 Vertex AI),还考察模型开发、服务化、MLOps 和生成式 AI 方案。官方建议有 3 年以上行业经验,其中 1 年以上在 Google Cloud 上设计和管理方案。
PMLE 和 AWS MLA-C01 有什么区别?
PMLE 更侧重于 Gemini Enterprise Agent Platform(原 Vertex AI)和 Google Cloud 原生 ML 服务,管道自动化和模型服务占比较高。AWS MLA 则侧重于 SageMaker 生态。两者考察的 ML 核心概念相通,但平台工具不同。
需要会写代码吗?
官方考试指南写明考试不直接考编程能力,但要具备基本的 Python 和 SQL 能力,才能看懂题目里的代码片段。指南里提到的框架有 PyTorch、scikit-learn、JAX、XGBoost,考试更侧重方案设计和服务选型。
PMLE 认证有效期多久?
GCP Professional ML Engineer 认证有效期为 2 年,也可以在最后一年通过 Google Skills 完成指定课程或技能徽章续证。标准考试报名费 USD 200(另加当地税费),时长 2 小时,50–60 道选择题;Google 不公布及格分。
考试里还考 Vertex AI 吗?
官方认证页说明考试已更新,反映从 Vertex AI 到 Gemini Enterprise Agent Platform 的过渡。现行考试指南里的 AutoML、Feature Store、Workbench、Pipelines、Model Garden 等都以 Agent Platform 的名称出现,几乎每个领域都会涉及。旧资料里的 Vertex AI 名称要对照新指南看。
听听学过的人怎么说
评价加载中…
从第一章,开始你的备考。
前 2 章免费试学 · 完整备考 $39 起