PMLEが向いている人
- Google CloudでML・生成AIソリューションを開発している
- BigQuery ML、AutoML、Model Gardenを要件別に使い分けたい
- 学習、デプロイ、パイプライン、監視を含むMLOpsを体系化したい
- 機械学習エンジニアとして高度な専門性を証明したい

GCP
GCP · Professional
Google Cloudで従来型MLと生成AIソリューションを設計、評価、学習、デプロイし、データとモデルを継続的に管理・監視できるかを問うプロフェッショナル認定試験です。 試験の基本情報から出題分野、実際の問題演習まで、合格に必要な内容をまとめました。
Google Professional Machine Learning Engineer
Google Cloudで従来型MLと生成AIソリューションを設計、評価、学習、デプロイし、データとモデルを継続的に管理・監視できるかを問うプロフェッショナル認定試験です。
モデル精度だけでなく、データ品質、責任あるAI、学習・推論コスト、レイテンシ、再現性、セキュリティ、ドリフト監視まで含むAIシステム全体の判断が重視されます。
試験情報は変更される場合があります。受験前にGoogle Cloud公式ページで最新情報を確認してください。
Exam domains
最新の公式試験ガイドでは、プロトタイプのスケールアップが約21%、モデル提供が約20%、パイプライン自動化が約18%を占めます。モデル作成だけに偏らず、データ準備、実験、学習、提供、再学習、監視を一つのライフサイクルとして学ぶことが重要です。
DOMAIN 1
DOMAIN 2
DOMAIN 3
DOMAIN 4
DOMAIN 5
DOMAIN 6
Difficulty
従来型MLと生成AIの両方を対象に、データ処理、モデル設計、学習基盤、オンライン推論、MLOps、監視を横断して判断します。実現可能な構成が複数ある中で、精度、費用、レイテンシ、運用負荷、再現性、安全性に最も合う選択肢を選ぶ必要があります。
データ準備と実験から、分散学習、デプロイ、再学習、ドリフト監視まで一連の運用が問われます。
BigQuery ML、AutoML、学習済みAPI、基盤モデル、カスタム学習を、必要な精度、データ量、期間、専門性で選びます。
基盤モデルの選択・チューニングだけでなく、プロンプト攻撃、機密データ、評価、費用、レイテンシへの対策も必要です。
Try PMLE questions
最新バージョンの問題を出題分野ごとに1問ずつ用意しました。分野を切り替えて回答し、正解だけでなく各選択肢の判断根拠まで確認できます。
練習問題 1
チームはVertex AIでTensorFlow異常検知モデルを学習し、SavedModelをgs://ml-prod/models/sensors/v1/へエクスポートしました。
毎週金曜日に、BigQueryテーブルiot_prod.weekly_windowsへ保存された1分単位のセンサーウィンドウ1億2,000万件(約400GB)を12時間以内にスコアリングする必要があります。
クラスターを管理せず、独自コードと運用負荷を抑え、週次バッチの費用を予測しやすくするには、どうすればよいですか?

Cloud Pass
Cloud PassにはPMLEの問題を335問、模擬試験を3セット収録しています。問題を解いた後の「なぜ?」まで確認し、弱点を次の学習につなげられます。
各選択肢が正解・不正解となる理由をすべて確認
わからない点をその場で質問
迷った問題と弱点を繰り返し確認
正答率から復習すべき分野を把握
Study roadmap
知識を暗記するだけでなく、問題の要件から適切なサービスや構成を選べるように学習を進めます。
要件定義、データ準備、実験、学習、評価、デプロイ、再学習、監視の順にサービスと成果物を配置します。
分類、回帰、時系列、クラスタリングをBigQuery MLで作成し、AutoML、AI API、Model Gardenを使う条件との違いを整理します。
Cloud StorageとBigQueryからの入力、コンテナ、CPU・GPU・TPU、データ並列・モデル並列、ハイパーパラメータ調整を小さな実験で確認します。
Model Registry、バッチ・オンライン推論、A/Bテスト、パイプライン、再学習、Model Monitoringをつなぎ、成果物と評価指標を追跡します。
各選択肢が精度、費用、レイテンシ、再現性、安全性のどの条件を満たさないか説明し、50〜60問を120分で判断する時間配分を確認します。
FAQ
Google Cloudで従来型MLと生成AIソリューションを設計、評価、学習、デプロイし、データとモデルを継続的に管理・監視できるかを問うプロフェッショナル認定試験です。
前提資格はありません。Googleは、3年以上の業界経験と、そのうち1年以上のGoogle Cloudを使ったソリューションの設計・管理経験を推奨しています。試験はコーディング能力を直接評価しませんが、PythonとSQLのコードを読める基礎力が必要です。
標準試験は50〜60問、試験時間は120分です。Google Cloudは合格点を公開していません。試験情報は変更される場合があるため、受験前に公式ページを確認してください。
最初に試験ガイドで出題分野を把握し、主要サービスを用途と要件で整理します。その後、問題演習で各選択肢の判断根拠を確認し、分野別の弱点を復習してから模擬試験で時間配分を仕上げます。
出題分野ごとの問題演習、選択肢ごとの解説、AIチューターへの質問、間違えた問題の復習、分野別の学習分析を1つのアプリで利用できます。
前提資格はなく、直接受験できます。ただし、Googleは3年以上の業界経験と、そのうち1年以上のGoogle Cloudを使ったソリューションの設計・管理経験を推奨しています。
はい。標準試験は日本語と英語に対応しています。オンライン監督試験またはテストセンターで受験できます。
登録料は200米ドル(税別)、試験時間は2時間です。50〜60問の選択式・複数選択式問題が出題されます。
コーディング能力そのものは直接評価されません。ただし、GoogleはPythonとSQLの基本的なコードを読めれば、問題に含まれるコード断片を解釈できると案内しています。
まず約21%のプロトタイプのスケールアップ、約20%のモデル提供、約18%のパイプライン自動化を優先してください。その後、データ・実験の共同管理と監視をつなぎ、ローコードAIと生成AIの選択基準を整理します。
公式情報
試験内容、対応言語、受験料などは変更される場合があります。申し込み前にGoogle Professional Machine Learning Engineer公式ページで最新情報を確認してください。
学習期間: 1か月
Cloud passの皆さんには本当に感謝しています。初回で合格できました。正直簡単ではなく、本試験の表現は特に難しかったですが、練習問題がなぜ選択肢が間違いかを示してくれることで、問題の意図や考えるべき解決策に集中できるようになりました。改めて感謝します。
学習期間: 1か月
良問と分かりやすい解説があり、練習して合格するのに役立ちました。
学習期間: 1か月
コース修了後すぐに練習を始め、約80%のスコアを出して高得点で合格しました。アプリを有効に活用しました。
学習期間: 1か月
理論と実践的なシナリオのバランスが良かったです。
学習期間: 1か月
主にデータ準備、モデル調整、GCPでのデプロイ方法など基礎の復習に使いました。説明は簡潔で要点が押さえられており、試験前にとても助かりました。

Professional

Associate

Professional

Associate

Foundational

Professional

Professional

Professional

Professional

Professional