Google Cloud Professional Machine Learning Engineer
PMLE
Google Cloud Professional Machine Learning Engineer 자격증은 Google Cloud에서 ML·생성형 AI 솔루션을 설계하고 구축하여 운영 환경에 올리고 유지하는 역량을 검증합니다. 2026년 6월 개정 시험 가이드는 여섯 영역을 다룹니다. BigQuery ML·AutoML·사전 학습 API를 활용한 로우코드 AI 솔루션 설계, 데이터 탐색과 노트북 프로토타이핑 및 실험 추적을 위한 팀 내외 협업, CPU·GPU·TPU 선택을 포함한 프로토타입의 모델 확장, 배치·온라인 추론을 위한 모델 서빙과 스케일링, 지속 학습(CT)을 포함한 ML 파이프라인 자동화와 조정, 그리고 드리프트·편향·프롬프트 인젝션 위험에 대한 AI 솔루션 모니터링입니다. Python과 SQL을 읽을 수 있어야 하지만 코딩 능력 자체는 평가하지 않으며, 사례 연구가 없어 모든 문항이 독립적으로 출제됩니다.
50–60
120 분
70/ 100
자체 기준입니다 (주관사 미공개)
242+
대상
이미 모델을 배포해 본 ML 엔지니어, 데이터 사이언티스트, MLOps 실무자 중 Google Cloud에서의 운영 판단 역량을 증명하려는 분에게 적합합니다. Google은 3년 이상의 실무 경험과 그중 1년 이상 Google Cloud에서 솔루션을 설계·관리한 경험을 권장합니다. ML 오너십으로 역할을 확장하는 데이터·플랫폼 엔지니어, 기존 제품에 생성형 AI를 추가하는 팀에도 적합합니다.
사전 요구 사항
필수 선행 자격증은 없지만 Professional 등급 시험이므로 실무 ML 경험을 전제합니다. 데이터 준비·학습·평가·배포·모니터링에 이르는 모델 수명주기 전반에 익숙해야 하며, Python과 SQL을 읽을 수 있어야 합니다(코딩 자체는 평가하지 않습니다). 프레임워크를 깊이 파는 것보다 BigQuery, Gemini Enterprise Agent Platform(구 Vertex AI), 파이프라인, 컨테이너 기반 서빙에 대한 이해가 더 중요합니다. 파인튜닝이 맞는 상황, RAG가 맞는 상황, 사전 학습 API로 충분한 상황을 구분할 수 있어야 합니다.
문제 유형
언어 및 인정 범위
공식 시험 지원 언어
PasslyExam 지원 언어
자격 인정 범위
글로벌하게 인정되며 다양한 국가에서 폭넓게 활용됩니다.
출제 영역
로우코드 AI 솔루션 설계
데이터·모델 관리를 위한 팀 내외 협업
프로토타입을 ML 모델로 확장
모델 서빙 및 확장
ML 파이프라인 자동화·조정
AI 솔루션 모니터링
추천 학습 플랜
- 1주차: 2026-06-01 개정 공식 가이드의 6개 섹션과 배점(로우코드 AI 설계 13%, 팀 협업·데이터/모델 관리 16%, 프로토타입의 모델 확장 21%, 모델 서빙·확장 20%, 파이프라인 자동화 18%, AI 솔루션 모니터링 13%)을 먼저 외우세요. 배점이 가장 큰 3·4번 섹션이 전체의 41%입니다. 이 시험은 코딩 능력을 평가하지 않고 사례 연구도 없으므로, 문항마다 독립된 설계 판단을 묻는다는 점을 전제로 학습 방향을 잡습니다.
- 2주차: 선택 축을 표로 정리하세요. 사전 학습 API → BigQuery ML → Agent Platform AutoML → 맞춤 학습으로 이어지는 노력-차별화 사다리, 파인튜닝(행동·문체·형식) vs RAG(최신·사내 지식), 배치 추론 vs 온라인 추론, CPU vs GPU vs TPU, 데이터 병렬화 vs 모델 병렬화가 핵심입니다. 매일 연습문제 20~25문항을 풀고 오답을 "어느 축을 잘못 골랐나"로 분류하세요.
- 3주차: 운영 영역을 시나리오로 반복하세요. Agent Platform Pipelines와 Managed Service for Apache Airflow의 역할 구분, 지속 학습(CT)을 포함한 CI/CD 루프, Feature Store로 학습-서빙 불일치를 없애는 이유, 그리고 training-serving skew·data drift·concept drift·feature attribution drift 네 가지를 구분하는 연습이 점수 차를 만듭니다.
- 시험 직전 5~7일: 타이머를 켜고 모의고사로 2시간 배분을 고정하세요. 2026-04-22 리브랜딩 이후 Vertex AI 계열 명칭이 모두 Gemini Enterprise Agent Platform 계열로 바뀌었으므로, 오래된 학습 자료에서 익힌 구명칭이 남아 있지 않은지 마지막으로 점검하세요.
문항 검증 프로세스
실전형 문제를 직접 풀어보고 유사도를 확인해보세요.
자주 묻는 질문 (FAQ)
Q. PMLE는 어떤 시험인가요?
A. Google Cloud Professional Machine Learning Engineer는 Google Cloud에서 ML·생성형 AI 솔루션을 설계하고 운영 환경에 올려 유지하는 역량을 검증하는 프로페셔널 등급 시험입니다. 2시간, 50~60문항의 객관식·복수 선택으로 출제되며 응시료는 USD 200입니다. 공식 가이드가 "코딩 능력은 평가하지 않는다"고 명시하고 사례 연구도 없어, 문항마다 제약 조건 아래 최선의 설계를 고르는 형태입니다.
Q. 어느 정도 경력이 필요한가요?
A. Google은 3년 이상의 실무 경험과 그중 1년 이상 Google Cloud에서 솔루션을 설계·관리한 경험을 권장합니다. 필수 선행 자격증은 없지만 프로페셔널 등급이므로, 모델을 한 번도 운영에 올려본 적이 없다면 ACE로 Google Cloud 기본기를 먼저 다지는 편이 효율적입니다. 프레임워크를 깊이 아는 것보다 데이터 준비부터 모니터링까지 수명주기 전체를 겪어본 경험이 더 도움이 됩니다.
Q. 가장 많이 틀리는 지점은 어디인가요?
A. 네 가지가 반복됩니다. 첫째, 최신·사내 지식 문제를 파인튜닝으로 해결하려는 것(정답은 RAG·그라운딩). 둘째, 밀리초 단위 지연 요구에 배치 추론을 고르는 것. 셋째, 모델이 가속기 하나에 올라가는데 모델 병렬화를 고르는 것(이때는 데이터 병렬화). 넷째, 드리프트 네 종류를 뒤섞는 것입니다. 연습문제 오답을 이 축으로 분류하면 개선 속도가 빨라집니다.
Q. 제품 명칭 변경을 주의해야 하나요?
A. 네, 이 시험에서 특히 중요합니다. 2026-04-22 리브랜딩으로 Vertex AI가 Gemini Enterprise Agent Platform이 되었고, AutoML·Workbench·Pipelines·Feature Store·Model Registry·Inference가 모두 Agent Platform 계열 명칭으로 바뀌었습니다. 2026-06-01 개정 가이드는 새 명칭으로 쓰여 있지만 시중 학습 자료 대부분은 구명칭입니다. 반대로 BigQuery, Model Garden, Gemini, Gemma, Ray, Model Armor 등은 이름이 바뀌지 않았으므로 과잉 교정도 주의하세요.
Q. 안정권 모의고사 점수는?
A. 최근 3회 모의고사에서 75~80% 이상을 유지하고, 배점이 큰 3·4번 섹션(합계 41%)에서 점수가 무너지지 않으면 실전 안정권으로 볼 수 있습니다. Google은 공식 합격 점수를 공개하지 않으므로 특정 점수를 합격선으로 단정하지 마세요. 단일 최고점보다 점수 추세와 재오답 감소가 더 신뢰할 수 있는 지표입니다.
Q. 연습문제와 실전 모의고사는 어떻게 다르게 활용하나요?
A. 연습문제는 개념별로 풀며 오답 해설로 약점을 메우는 학습용이고, 실전 모의고사는 타이머로 실제 시험처럼 푸는 실전 점검용입니다. 두 방식 모두 오리지널 문제로 제공되며 AI 튜터 해설이 함께 제공됩니다.
Q. 덤프(dumps)와 유사한 문제인가요?
A. PasslyExam 문제는 유출 덤프를 제공하지 않으며, 공식 가이드와 공개 학습 범위를 바탕으로 실전 문제 유형을 분석해 구성합니다. 출제 의도, 보기 구성, 난이도 분포를 실제 시험 스타일에 맞추도록 설계해 실전 감각을 높이는 데 집중합니다. 즉 단순 암기형 덤프가 아니라, 근거 기반 해설과 반복 오답 개선이 가능한 학습형 콘텐츠입니다.
덤프 대안 가이드 보기