Retirée
Snowflake · SF-GAI · Intermediate
SnowPro Specialty: Gen AI (GES-C01)
Prépare l’examen SnowPro Specialty: Gen AI (GES-C01) (SF-GAI) avec des questions d’entraînement réalistes et illimitées tirées des domaines officiels de l’examen, et des explications IA pour chaque réponse. Commence gratuitement.
Cette certification a été retirée.
Aperçu
À propos de l’examen
La certification SnowPro Specialty : Gen AI (GES-C01) valide les connaissances dans la construction d'applications d'IA générative sur Snowflake, incluant les fonctions Snowflake Cortex AI, les pipelines de Retrieval-Augmented Generation (RAG), les types de données vectoriels et la recherche, l'ingénierie de prompts pour LLM et le fine-tuning. Elle évalue la capacité à exploiter les fonctionnalités GenAI natives de Snowflake pour des cas d'usage pratiques.
Cette certification s'adresse aux ingénieurs IA/ML, développeurs d'applications et spécialistes de plateformes de données qui implémentent des solutions d'IA générative sur Snowflake. Elle démontre la capacité à utiliser les LLMs, les architectures RAG et Snowflake Cortex pour des applications GenAI en production.
Domaines
Contenu de l’examen
L'examen comprend 60 questions — choix multiples et réponses multiples — à compléter en 85 minutes. Les questions couvrent quatre domaines : Cortex AI Functions & LLM Integration (30 %), RAG Pipeline Design (25 %), Vector Data Types & Search (25 %) et Fine-Tuning & Prompt Engineering (20 %). Le score de réussite est de 750 sur 1000. Les fonctions Cortex AI et la conception RAG représentent plus de la moitié de l'examen.
Understand Snowflake Cortex capabilities, LLM integration, and Gen AI concepts within the Snowflake platform.
Use Snowflake Cortex LLM functions including COMPLETE, EXTRACT_ANSWER, SENTIMENT, SUMMARIZE, and TRANSLATE.
Implement governance, security, and compliance for Gen AI workloads in Snowflake.
Format
À quoi t’attendre
Attention
Où les candidats coincent
Les candidats ayant de l'expérience avec des frameworks GenAI généraux mais ne connaissant pas les implémentations Cortex spécifiques, les types de données vectoriels et les patterns RAG natifs de Snowflake ne sont souvent pas préparés aux questions spécifiques à la plateforme.
- 01Cortex COMPLETE vs. externe — Ne pas comprendre quand utiliser Cortex COMPLETE (appel LLM natif dans Snowflake) par rapport aux appels d'API externes (OpenAI, Anthropic via External Functions) entraîne des erreurs de décision architecturale.
- 02Conception de pipelines RAG — Ne pas connaître la construction de pipelines RAG sur Snowflake — incluant le découpage de documents, la génération d'embeddings, le stockage vectoriel et la recherche par similarité — provoque des erreurs aux questions de conception d'applications.
- 03Types de données vectoriels — Ne pas comprendre les types de données vectoriels natifs de Snowflake, les fonctions de similarité vectorielle et leur mise à l'échelle par rapport aux bases de données vectorielles externes entraîne des erreurs aux questions de modélisation de données.
- 04Fine-Tuning vs. Prompting — Confondre quand il faut effectuer le fine-tuning d'un LLM via Cortex (comportement spécifique au domaine) par rapport à l'ingénierie de prompts (apprentissage en contexte, exemples) provoque des erreurs aux questions de stratégie.
Détails
Logistique de l’examen
Proposé en ligne via le Snowflake Certification Portal. Disponible en anglais. La certification est valide pendant 2 ans. Le renouvellement nécessite une recertification ou des crédits de formation continue. Les frais d'examen sont de 250 USD. Prérequis : une certification SnowPro Core active.