Retirada
Snowflake · SF-GAI · Intermediate
SnowPro Specialty: Gen AI (GES-C02)
Prepárate para el examen SnowPro Specialty: Gen AI (GES-C02) (SF-GAI) con preguntas de práctica ilimitadas y realistas de los dominios oficiales del examen, y explicaciones con IA en cada respuesta. Empieza gratis.
Esta certificación se ha descontinuado.
Resumen
Sobre el examen
La certificación SnowPro Specialty: Gen AI (GES-C02) acredita conocimiento especializado de IA generativa en Snowflake: el conjunto de funciones y capacidades de Cortex, incluidos Cortex Analyst, Cortex Search y Cortex Code; el gobierno de la IA generativa en infraestructura, datos y coste; el procesamiento de documentos; y la construcción y el ajuste fino de modelos de código abierto con Snowpark Container Services y el Snowflake Model Registry. Mide si sabes resolver casos de uso de cliente de forma nativa en la plataforma.
Esta certificación de especialidad va dirigida a ingenieros de IA y ML, científicos de datos, ingenieros de datos y desarrolladores de aplicaciones de datos con uno o más años de experiencia en IA generativa con Snowflake en un entorno empresarial. Ayuda escribir código con soltura en Python, y se da por supuesto el conocimiento previo de ingeniería de datos y SQL.
Dominios del examen
Qué entra en el examen
Temario oficial: SF-GAI
Define Snowflake's Gen AI principles and outline Gen AI capabilities across the platform, including Snowflake Intelligence and Cortex Code.
≈ 9 hApply AI functions in Snowflake, perform data analysis for a given use case, build or interact with interfaces, apply Cortex functions, and run third-party models.
≈ 19 hSet up model access controls, grant and revoke role-based access, and manage, monitor and optimise Gen AI workloads.
≈ 14 hUse document parsing functions (AI_PARSE_DOCUMENT, AI_EXTRACT), prepare and manage documents, build automated pipelines with Streams and Tasks, and troubleshoot extraction.
≈ 8 hFormato
Formato del examen y tipos de pregunta
El examen consta de 55 preguntas en 85 minutos, de selección múltiple y de opción múltiple. Las preguntas cubren cuatro dominios: Snowflake Gen AI Functions (38 %), Snowflake Gen AI Governance (29 %), Snowflake for Gen AI Overview (18 %) y Snowflake Document Processing (15 %). La puntuación de aprobado es 750 en una escala de 0 a 1000. Con alrededor de 1,5 minutos por pregunta, el ritmo aprieta en las preguntas de escenario sobre IA.
Tipos de pregunta: SF-GAI
Elige la única respuesta correcta entre cuatro o cinco opciones — el formato de siempre del examen.
Hay más de una respuesta correcta y las necesitas todas; el enunciado te dice cuántas marcar.
Pruébalo ahora
Prueba cinco preguntas de SF-GAI
Cinco preguntas directas de nuestro banco de SnowPro Specialty: Gen AI (GES-C02). Responde una — Alex te explica el porqué.
Las preguntas de muestra se muestran en inglés — las traducciones al español aún no tienen revisión independiente.
Tu resultado
0 / 5
Esas fueron cinco de las preguntas que te esperan en la app — cada una con Alex a tu lado. Tu puntuación de preparación te dice cuándo estás realmente listo.
Sigue con Alex.
En la app, Alex responde tus dudas en cada pregunta y tu puntuación de preparación te muestra cuándo estás listo para el examen.
Ojo con esto
Errores comunes
Los candidatos con experiencia en frameworks de GenAI generales pero que no conocen las implementaciones específicas de Cortex, los tipos de datos vectoriales y los patrones nativos de RAG de Snowflake a menudo no están preparados para las preguntas específicas de la plataforma.
Puntos de atención: SF-GAI
- 01Cortex COMPLETE vs. externo
No comprender cuándo usar Cortex COMPLETE (llamada nativa a LLM en Snowflake) frente a llamadas a APIs externas (OpenAI, Anthropic vía External Functions) provoca errores en decisiones de arquitectura.
- 02Diseño de pipelines RAG
No conocer cómo construir pipelines RAG en Snowflake — incluyendo fragmentación de documentos, generación de embeddings, almacenamiento vectorial y búsqueda por similitud — causa errores en preguntas de diseño de aplicaciones.
- 03Tipos de datos vectoriales
No comprender los tipos de datos vectoriales nativos de Snowflake, las funciones de similitud vectorial y cómo escalan en comparación con bases de datos vectoriales externas provoca errores en preguntas de modelado de datos.
- 04Fine-Tuning vs. Prompting
Confundir cuándo se debe realizar fine-tuning de un LLM a través de Cortex (comportamiento específico de dominio) frente a ingeniería de prompts (aprendizaje en contexto, ejemplos) causa errores en preguntas de estrategia.
Certificaciones relacionadas