CertifyDeckCargando contenido…
Associate Data Practitioner · Preguntas de ejemplo
10 preguntas reales del banco de Associate Data Practitioner de CertifyDeck, repartidas por los dominios del temario oficial de Google Cloud Certified Associate Data Practitioner, con la respuesta correcta y la explicación completa de por qué las demás opciones no lo son. Son preguntas originales redactadas a partir del temario público, no dumps, y tienen el mismo estilo que encontrarás en los tests de práctica y en el simulador.
Respuesta correcta: C. Añadir hidden: yes a la definición de la dimensión en el archivo de vista.
El parámetro hidden mantiene un campo disponible para el modelado pero lo oculta del selector de campos; sirve para tener el selector ordenado, no como medida de seguridad. Eliminar la dimensión rompería la unión que la referencia, y label o description solo cambian el nombre o la descripción del campo, que sigue visible.
Respuesta correcta: D. La exhaustividad (recall), para que se escapen sin detectar el menor número posible de transacciones fraudulentas.
Cuando el error costoso son los falsos negativos, la documentación recomienda optimizar la exhaustividad (recall), que mide cuántos de los ejemplos que deberían recibir la etiqueta la reciben realmente. La precisión es la opción cuando lo caro son los falsos positivos, que no es el caso; el error absoluto medio es una métrica de regresión y el índice de Davies-Bouldin evalúa el clustering k-means.
Respuesta correcta: C. Establecer MODEL_REGISTRY = 'VERTEX_AI' y un VERTEX_AI_MODEL_ID en las opciones de CREATE MODEL.
Si estableces la opción MODEL_REGISTRY en CREATE MODEL, el modelo se registra y aparece automáticamente en Model Registry de Gemini Enterprise Agent Platform (antes Vertex AI Model Registry, el nombre que usa la guía del examen) al completarse el entrenamiento, sin exportarlo. Exportar e importar incumple el requisito de no exportar, ENABLE_GLOBAL_EXPLAIN solo activa las explicaciones globales y los modelos remotos no se pueden registrar.
Respuesta correcta: D. Usar ETL: ejecutar las canalizaciones de Beam existentes en Dataflow y escribir en BigQuery solo los datos transformados.
La documentación de BigQuery indica que ETL conviene cuando ya existe un proceso de transformación o se quiere reducir el uso de recursos de BigQuery, y Dataflow ejecuta canalizaciones de Apache Beam como servicio gestionado de ETL. Las dos opciones ELT ejecutan las transformaciones dentro de BigQuery, consumen la capacidad reservada para los analistas y descartan la lógica de Beam existente. El ETL inverso saca resultados de BigQuery y no prepara los datos entrantes.
Respuesta correcta: C. Añadir aserciones nonNull y uniqueKey para order_id al bloque config del archivo SQLX de la tabla.
Las aserciones integradas de Dataform en el bloque config de una tabla se ejecutan cada vez que Dataform actualiza el flujo de trabajo y avisan si fallan; nonNull afirma que las columnas nunca son nulas y uniqueKey que no hay dos filas con el mismo valor. Una aserción rowConditions con una expresión de no nulo cubre los nulos, pero no los duplicados. Una prueba unitaria comprueba la lógica de transformación con datos simulados en lugar de la tabla real, y un análisis de perfil da estadísticas sin hacer fallar el flujo de trabajo. Knowledge Catalog se llamaba antes Dataplex, el nombre que usa la guía del examen.
Respuesta correcta: A. Abrir la tabla en BigQuery data preparation y aplicar las sugerencias de Gemini.
BigQuery data preparation usa Gemini en BigQuery para sugerir pasos de limpieza, transformación y enriquecimiento que previsualizas con datos de muestra y aplicas desde BigQuery Studio. Wrangler de Cloud Data Fusion también es visual, pero exige aprovisionar una instancia aparte de Cloud Data Fusion, algo que el analista quiere evitar. Una canalización de Apache Beam en Dataflow y un trabajo en Managed Service for Apache Spark (antes Dataproc, el nombre que usa la guía del examen) requieren código y recursos propios.
Respuesta correcta: C. Data sampling, con el muestreo de excepciones de los elementos relacionados.
Data sampling permite observar los datos en cada paso de una canalización, y el muestreo de excepciones, que está habilitado por defecto, recoge muestras cuando la canalización lanza una excepción para que veas los elementos implicados. Las recomendaciones dan insights de rendimiento y coste, la pestaña Cost estima el coste de los recursos y el gráfico de rendimiento muestra volúmenes por paso, pero ninguno muestra los elementos que fallan.
Respuesta correcta: C. Workflows, con la secuencia de llamadas definida en YAML.
Workflows orquesta servicios basados en HTTP en flujos de trabajo duraderos y con estado, con una latencia de ejecución de milisegundos; es serverless, escala a cero y se factura por uso, por paso ejecutado. Managed Service for Apache Airflow tiene una latencia de segundos entre tareas y un modelo de escalado y facturación aprovisionado. Las Workflow Templates de Spark ejecutan trabajos de Spark y Hadoop en clústeres, y BigQuery pipelines ejecuta SQL, notebooks y preparaciones de datos, no llamadas a servicios HTTP.
Respuesta correcta: C. Storage Object Creator (roles/storage.objectCreator).
Storage Object Creator permite crear objetos pero no verlos, eliminarlos ni sobrescribirlos, que es justo lo que necesita la herramienta de carga. Storage Object User es la opción tentadora, pero también concede lectura, actualización y eliminación de objetos. Storage Object Admin concede control total de los objetos, y Storage Legacy Bucket Writer permite crear, sobrescribir y eliminar objetos.
Respuesta correcta: A. Habilitar las opciones de restricción de salida de datos al crear el listing.
Las opciones de salida de datos de un listing permiten al publicador impedir que los suscriptores copien, clonen, exporten o hagan instantáneas de las tablas del conjunto de datos vinculado, y también bloquean CREATE TABLE AS SELECT y la escritura en tablas de destino. Un intercambio privado solo controla quién puede descubrir el listing y suscribirse, no lo que hacen los suscriptores con los datos. BigQuery Data Viewer incluye permiso para exportar datos de tablas, y la prevención del acceso público es un ajuste de Cloud Storage.
Responde cada pregunta antes de abrir la explicación y anota por qué descartas las demás opciones. En Associate Data Practitioner, la mayoría de los fallos vienen de elegir una opción técnicamente posible que no cumple todos los requisitos del escenario.
Estas 10 preguntas sirven para conocer el formato, no como diagnóstico. Para saber en qué dominios fallas, practica por dominio gratis y haz un examen de prueba cronometrado con la ponderación y la duración oficiales.
Empieza gratis, sin registro ni tarjeta. Todas las preguntas llevan una explicación como las de arriba y el simulador reproduce el formato oficial de Associate Data Practitioner.