SnowPro Advanced: Data Scientist (DSA-C03) — Preguntas de práctica y simulacro de examen

La certificación SnowPro Advanced: Data Scientist (DSA-C03) acredita tu capacidad para aplicar los principios de la ciencia de datos dentro de Snowflake: definir conceptos de ciencia de datos, hacer ingeniería de datos y de características, construir y desplegar modelos de aprendizaje automático, aprovechar Snowpark en los flujos de ML y presentar resultados mediante visualización. Cubre el ciclo completo del modelo, desde la preparación de los datos hasta el despliegue en producción.

Va dirigida a científicos de datos, ingenieros de ML e investigadores cuantitativos con dos o más años de experiencia práctica en ciencia de datos con Snowflake en un entorno empresarial. Demuestra que sabes construir soluciones de ML de extremo a extremo de forma nativa en Snowflake.

Model Development es el dominio con más peso, 31%, y evalúa conexiones de Snowpark ML, uso de Cortex LLM, entrenamiento de modelos, validación e interpretación. Le sigue Data Preparation and Feature Engineering con 27%, que cubre limpieza, análisis exploratorio y transformación de features con Snowpark y SQL. Model Deployment queda en 25% y pregunta por pasos a producción, monitoreo de drift y el Snowflake Model Registry.

Data Science Concepts es el dominio más liviano, con 17%, y se concentra en fundamentos de ML y estadística más que en herramientas propias de Snowflake. Entre desarrollo, preparación y despliegue suman 83% del examen, así que casi todo el valor está en saber cómo las herramientas nativas de Snowflake resuelven cada etapa del ciclo de vida de ML, no en la teoría general de ciencia de datos.

El examen tiene 65 preguntas y dura 115 minutos, con ítems de opción múltiple, de selección múltiple y de formato interactivo. La mayoría te plantea un problema de ciencia de datos (un dataset, la elección de un modelo, una decisión de despliegue) y te pide elegir el método nativo de Snowflake que corresponde: Snowpark, Cortex o el Model Registry. A razón de 1,8 minutos por pregunta, el ritmo es manejable siempre que no tengas que deducir los fundamentos de ML sobre la marcha.

Cada dominio del examen SF-DS tiene suficientes preguntas en el banco para practicarlo a fondo. El simulacro te plantea 65 preguntas seguidas, con el mismo cronómetro de 115 minutos que el día del examen.

Cuánto tiempo necesitas depende de la experiencia práctica que ya tienes. El resto lo define el proveedor: cómo se hace el examen, cuándo puedes repetirlo y cuánto dura la certificación.

Se rinde con supervisión en línea o en un centro de evaluación presencial, en inglés. La certificación vence dos años después de la fecha de emisión; para recertificarte pasas por el programa Snowflake Continuing Education con un curso elegible dictado por instructor, o bien obtienes una certificación SnowPro equivalente o de nivel superior.

Quienes usan Snowflake apenas como fuente de datos para un stack de ML externo, sin haber corrido nunca Snowpark ML de forma nativa, suelen equivocarse al decidir qué cargas de trabajo van adentro de Snowflake y cuáles afuera. Ese mismo vacío aparece en las preguntas de ciclo de vida sobre el Snowflake Model Registry para versionado y despliegue, y en la diferencia entre UDFs escalares y vectorizadas al servir predicciones a escala. El data leakage, o sea usar información futura o aplicar target encoding sin una separación correcta de train/test, es un error de metodología que el examen evalúa por separado de cualquier herramienta específica de Snowflake.