PMLE 学習ハブ

Professional Machine Learning Engineer
合格対策ハブ

Google Cloud 認定資格 PMLE に合格するための学習教材一式。 2026年6月1日改訂版 公式試験ガイド（全 6 セクション・Gemini Enterprise Agent Platform 体系）に準拠し、 基礎 → 応用 → 演習 → 模試 まで一貫してカバー。

📅 2 時間 / 50〜60 問 💴 $200 📚 6 セクション 🇯🇵 日本語対応 🆕 新ガイド準拠

📊 試験の出題比重（早見）

SECTION 1

ローコード AI ソリューションの設計

BigQuery ML / AutoML / Model Garden / 業界別 API

~13% SECTION 2

データとモデルの協業管理

前処理・Workbench / Colab Enterprise・Feature Store・実験管理

~16% SECTION 3 ★最重要

プロトタイプから ML モデルへのスケール

モデル選定・訓練・HPT・ファインチューニング・分散戦略

~21% SECTION 4 ★最重要

モデルのサービングとスケール

バッチ/オンライン推論・Model Registry・Feature Store・ロールアウト

~20% SECTION 5

ML パイプラインの自動化とオーケストレーション

Pipelines / Airflow / Ray / Workflows・CI/CD/CT

~18% SECTION 6

AI ソリューションのモニタリング

4種のドリフト・Model Armor・Explainable AI・Gen AI 評価

~13%

🎯 公式ドキュメント深掘りシリーズ

各セクションのページ（概要）に加え、公式ドキュメントを WebFetch で取り込んで作成した深掘り版を 3 本用意しました。 本番運用時のリスク・公式記載の落とし穴・統計指標の解釈にフォーカスしています。

DEEP DIVE 1 / §3 + §4

訓練・サービング・Feature Store

Worker Pool アーキテクチャ / CLUSTER_SPEC / Reduction Server / TPU Multislice / Endpoint 4 種 / Feature Store v2 (Bigtable serving) / Optimized Online のサンセット

🎯 公式準拠 DEEP DIVE 2 / §1 + §2

Gemini API & Model Garden

Implicit/Explicit Context Caching の落とし穴 / Function Calling (parallel/compositional/thinking) / Model Garden 安全性スキャン / Gemini ファインチューニング (PEFT)

🎯 公式準拠 DEEP DIVE 3 / §5 + §6

MLOps Pipelines & Monitoring

KFP v2 / ML Metadata Lineage / Model Monitoring v2 (JS Divergence / L-Infinity) / Model Armor の閾値設計 / Explainable AI 3 手法と deprecation

🎯 公式準拠
DEEP DIVE 4 / 全サービス横断

🚨 技術的事故ケース集

サービス別 (Custom Training / TPU / Endpoint / Feature Store / Pipelines / Monitoring / BQML / Gemini / Model Garden / Armor / Explainable AI / DLP / IAM / VPC SC / コスト) に「症状 → 原因 → 対処 → 試験での問われ方」を整理

🎯 公式準拠 + 本番事故 DEEP DIVE 5 / 運用・保守

🛠 運用・SRE — Observability & FinOps

Cloud Monitoring の aiplatform.googleapis.com 全メトリクス / SLI/SLO/Error Budget / Multi-burn-rate アラート / コスト管理 4 防衛ライン / インシデント プレイブック / Toil 削減 / 推奨ダッシュボード 4 階層

🎯 公式メトリクス + SRE 実践

🗺️ 推奨学習フロー

1. 試験要項・シラバスで全体像 ↓ 2. レベル別ロードマップ（新人 / 中堅 / シニア）で週次計画 ↓ 3. セクション 1 → 6 を学習（基礎.md → 応用.md → 要点と暗記.md） ↓ 4. 各セクション学習後に問題集を解く（80% 以上） ↓ 5. 用語集で総ざらい ↓ 6. 模擬試験 1・2 を本番形式で実施（70% 以上） ↓ 7. 弱点セクションを再学習 → 受験

🎯 対象レベル

📘 基礎

新人エンジニア

実務 1〜2 年 / クラウド or ML 初学者。12 週 プランで概念とサービス役割の理解から。

🔧 実践

中堅エンジニア

実務 3〜5 年 / GCP or ML 経験あり。8 週 プランで判断軸とコスト最適化に注力。

🎯 発展

シニアエンジニア

実務 5 年以上 / 設計経験豊富。4〜6 週 プランで新ガイド差分と意思決定ツリーに集中。

🆕 2026/6/1 改訂で追加・強化された論点

新ガイドの差別化ポイント 旧 Vertex AI ブランドは Gemini Enterprise Agent Platform に統合・改称。 以下が新規/強化トピックです（試験対策の差別化要素）。

🛡 Model Armor

LLM 向け WAF 的セキュリティ。プロンプトインジェクション・ジェイルブレイク・PII 漏洩・有害コンテンツを包括防御。

⚖ LLM-as-a-judge / Gen AI Evaluation Service

生成 AI 出力を Gemini を judge として自動評価。マネージドサービスで自動 + LLM + 人手評価を統合。

🚀 Ray on Agent Platform

マネージド Ray クラスタ。強化学習・大規模 HPT・大規模分散 LLM ファインチューニング向け。

📊 Feature Attribution Drift

4 種類目のドリフト。特徴量の予測寄与度（SHAP 値など）の分布変化を継続監視。

🔧 Gemini ファインチューニング (BigQuery 経由)

CREATE MODEL ... REMOTE WITH CONNECTION ... で BigQuery から SFT 可能に。

📛 Managed Service for Apache Airflow

旧 Cloud Composer の新名称。試験では新名称で出題される点に注意。

✅ 学習チェックリスト

進捗：0 / 9（0%）