Accueil Certifications Tarifs FAQ Partenaires Blog

Commencer gratuitement

·EN·DE·FR·ES·PT

Snowflake · SF-SP · Intermédiaire

SnowPro Specialty: Snowpark (SPS-C01) — Questions d'entraînement et examen blanc

La certification SnowPro Specialty: Snowpark (SPS-C01) valide ton expertise dans l’usage de l’API Snowpark pour l’ingénierie des données et la data science sur Snowflake : transformations de DataFrames, gestion des sessions, stored procedures, fonctions définies par l’utilisateur, et traitement des résultats côté client ou côté serveur.

Entraîne-toi gratuitement Voir d’abord une question

Voir d’abord une question Entraîne-toi gratuitement

S’entraîner gratuitement pour SF-SP Acheter l’accès à SF-SP pour 29,99 USD

55Questions par examen blanc Pass-IT

85minDurée limite de l’examen blanc Pass-IT

Examen officiel SF-SP : 750 points sur 1000 pour réussir.

Vérifié auprès de Snowflake · septembre 2026 · Version actuelle de l’examen

Essayer Pass-IT

Découvre comment tu apprends avec Pass-IT.

Réponds à une question d’exemple pour SF-SP et lis l’explication avec sa source. Ici même, sans inscription.

Optimisation des performances Snowpark1 / 5

À quoi sert le paramètre de session query_tag dans Snowpark ?

AlexExplication complète d’Alex

Le paramètre de session query_tag définit une chaîne arbitraire attachée à chaque requête SQL exécutée dans la session. Cette étiquette apparaît dans les vues QUERY_HISTORY et dans Snowsight, ce qui permet aux équipes d'identifier, de regrouper et de surveiller les requêtes par application, module ou pipeline. On le définit avec session.query_tag = 'my_tag'. Pourquoi les autres sont fausses : query_tag n'a aucun effet sur la priorité d'exécution ni sur l'ordre de planification. Il ne limite pas la concurrence — celle-ci est contrôlée par les paramètres du warehouse. Il n'active pas et n'influence pas la mise en cache des résultats ; ce cache est géré indépendamment par le query result cache de Snowflake. Ref: docs.snowflake.com/en/developer-guide/snowpark/reference/python/api/snowflake.snowpark.Session.query_tag

Sourcedocs.snowflake.com

Snowpark pour les transformations de données2 / 5

Dans un Pipeline Snowpark ML contenant à la fois un StandardScaler et un XGBClassifier, que se passe-t-il lorsque pipeline.fit(train_df) est appelé ?

AlexExplication complète d’Alex

Lorsque pipeline.fit(train_df) est appelé, les étapes s'exécutent séquentiellement : le StandardScaler est ajusté sur les données d'entraînement et les transforme, puis le XGBClassifier s'entraîne sur la sortie transformée du scaler. Chaque transformateur intermédiaire doit implémenter fit() et transform(). Pourquoi les autres sont fausses : le pipeline ajuste toutes les étapes automatiquement — aucun appel séparé à train() n'est nécessaire. Les étapes ne sont pas compilées en une seule requête SQL ; chacune s'exécute indépendamment, dans l'ordre. Aucune dynamic table n'est créée ; le traitement du pipeline repose sur des transformations de DataFrame, pas sur des vues matérialisées. Ref: docs.snowflake.com/en/developer-guide/snowpark-ml/reference/latest/api/modeling/snowflake.ml.modeling.pipeline.Pipeline

Sourcedocs.snowflake.com

Concepts de Snowpark3 / 5

Comment crées-tu un DataFrame Snowpark à partir d'une table Snowflake existante ?

AlexExplication complète d’Alex

session.table("table_name") est l'API Snowpark standard pour créer un DataFrame à évaluation paresseuse qui référence une table Snowflake existante. Elle renvoie un objet Table (une sous-classe de DataFrame) sans charger immédiatement les données. Le nom peut être entièrement qualifié : 'db.schema.table'. session.read.table() n'est pas une méthode Snowpark valide — Snowpark n'utilise pas d'accesseur .read comme PySpark. DataFrame.load() n'existe pas dans l'API Snowpark. session.query() n'est pas une méthode ; pour du SQL brut, utilise session.sql(), mais session.table() reste préférable pour référencer directement une table. Ref: docs.snowflake.com/en/developer-guide/snowpark/reference/python/latest/snowpark/api/snowflake.snowpark.Session.table

Sourcedocs.snowflake.com

Snowpark pour les transformations de données4 / 5

Quelle fonction Snowpark convertit une colonne de type chaîne en majuscules ?

AlexExplication complète d’Alex

La fonction upper() de snowflake.snowpark.functions convertit une colonne de type chaîne en majuscules, ce qui se traduit par la fonction SQL UPPER(). Elle prend en charge Unicode. Utilisation : functions.upper(col('name')). Pourquoi les autres sont fausses : col('name').upper() n'est pas une méthode valide de Column — upper est une fonction autonome, pas une méthode de colonne. L'option « functions.to_upper(col('name')) » to_upper() n'existe pas dans snowflake.snowpark.functions ; le nom correct est upper(). .str.upper() est un motif d'accesseur pandas, indisponible sur les objets Column de Snowpark. Ref: docs.snowflake.com/en/developer-guide/snowpark/reference/python/api/snowflake.snowpark.functions.upper

Sourcedocs.snowflake.com

API Snowpark pour Python5 / 5

Quel import fournit l’indication de type PandasSeries pour les UDF vectorisées ?

AlexExplication complète d’Alex

PandasSeries est défini dans snowflake.snowpark.types, aux côtés d’autres définitions de types Snowpark comme StringType, IntegerType, FloatType, etc. Import : from snowflake.snowpark.types import PandasSeries. Pourquoi les autres réponses sont fausses : pandas.Series, issu de la bibliothèque pandas, est une classe différente – PandasSeries est une indication de type propre à Snowpark pour les signatures des UDF vectorisées. snowflake.snowpark.functions contient des wrappers de fonctions SQL (upper, sum, col), pas des définitions de types. snowflake.snowpark.udf contient des utilitaires d’enregistrement des UDF, pas des classes d’indication de type. Réf. : docs.snowflake.com/en/developer-guide/snowpark/reference/python/api/snowflake.snowpark.types

Sourcedocs.snowflake.com

Créer un compte gratuit

* Les questions de l’app sont actuellement en anglais. Les traductions de cet aperçu concernent uniquement l’aperçu. Consulte l’organisme de certification pour connaître les langues disponibles pour l’examen officiel.

Comment te préparer à SF-SP avec Pass-IT.

Actuellement, 360 questions d’entraînement pour SF-SP, et nous en ajoutons régulièrement. Concentre-toi sur ce qu’il te reste à apprendre.

Avance quand une question te bloque.

Comprends pourquoi une réponse est correcte. Alex t’explique les notions et répond à tes questions pour que tu puisses appliquer ce que tu apprends à l’exercice suivant.

Découvrir Alex →

Aperçu de conversation · SF-SP

Balises de requête

Toi
Comment reconnaître les requêtes de mon application Snowpark dans la supervision ?
Alex · Tuteur IA
Définis query_tag pour la session.
Lire la documentation Snowflake ↗
Toi
La balise change-t-elle le résultat ?
Alex · Tuteur IA
Son rôle ici est l’identification et la supervision des requêtes balisées.
Lire la documentation Snowflake ↗

Utilise ton temps d’étude à bon escient.

Entraîne-toi à ton niveau.
Pour les nouvelles séances d’entraînement, Pass-IT adapte la difficulté à tes réponses précédentes.

Apprends de tes erreurs.
Les réponses incorrectes deviennent automatiquement des fiches de révision. En les revoyant, tu évalues à quel point tu te souviens de la réponse ; Pass-IT programme la prochaine révision.

Découvrir les révisions ciblées →

Démonstration animée de la fonctionnalité

Transforme tes erreurs en connaissances solides.

Comment fonctionne Pass-IT

Ta révision

Tu as mal répondu à une question ?

Pass-IT la conserve pour ta révision.

SF-SP · Extrait de question

Balises de requête

Voir la question complète

À quoi sert le paramètre de session query_tag dans Snowpark ?

Comprends la bonne réponse.

Il ajoute une chaîne de caractères aux requêtes à des fins d'identification et de supervision

query_tag ajoute une balise d’identification aux requêtes pour les superviser.

Lire la documentation Snowflake ↗

À quel point te souviens-tu de la réponse ?

Pendant la révision, tu évalues si tu te souviens bien de la réponse.

Correct après hésitation

Pass-IT programme ta prochaine révision.

La date dépend de ton évaluation et de tes révisions précédentes.

Démonstration simplifiée. Aucun progrès d’apprentissage n’est enregistré.

Entraîne-toi pour le moment qui compte.

Passe un examen blanc complet avec une limite de temps et vérifie si tu arrives à terminer à temps.

Ton examen blanc SF-SP

Questions: 55
Minutes: 85

Illustration du déroulement d’un examen

Début
Répondre aux questions
Fin

Nombre de questions et durée limite de l’examen blanc Pass-IT.

Aborde l’examen avec plus de confiance.

Ton Readiness Score t’aide à évaluer si tu es prêt pour l’examen. Les résultats par domaine te montrent où tu devrais continuer à t’entraîner.

Remboursé si tu échoues malgré 80 % de Readiness.
Si ton Readiness Score atteint au moins 80 % au moment de l’examen et que tu échoues malgré tout, nous te remboursons le prix d’achat Pass-IT de cette certification.

Pour les accès payants actifs. Envoie la preuve de ton échec sous 14 jours.

Autres conditions de la garantie

Au moment de l’examen, tu dois avoir au moins 80 % de Readiness et un accès payant actif à la certification. Passe l’examen pendant ta période d’accès et envoie la preuve officielle de ton échec dans les 14 jours suivant l’examen.

Pour les achats via Apple ou Google, le remboursement passe par la boutique concernée. Consulte les conditions complètes pour les autres modalités.

Voir les conditions de la garantie →

Le Readiness Score décrit tes progrès à l’entraînement, pas une probabilité de réussite.

Condition de la garantie

80%

Au moins 80 % de Readiness
au moment de l’examen

Remboursement en cas d’échec

Nombre de questions et paramètres des examens blancs issus du catalogue Pass-IT actuel.

Les domaines de l’examen

Ce que tu travailles pour SF-SP.

Les sujets de l’examen, des exercices adaptés et des sources à consulter.

Comprendre et configurer SnowparkConsulte le guide pour la pondération55 QuestionsQuestions Pass-IT

Relie le modèle d’exécution de Snowpark à ton environnement de développement.

Explique évaluation paresseuse et exécution côté client ou serveur avec DataFrames, UDF, UDTF, procédures et opérations sur fichiers ; distingue bibliothèques DataFrame, ML et sources de packages.
Installe un environnement Python et Snowpark compatible et travaille dans Snowflake Notebooks, Jupyter, VS Code ou d’autres outils de développement.

Objectifs officiels Snowflake

Utiliser l’API Python SnowparkConsulte le guide pour la pondération106 QuestionsQuestions Pass-IT

Crée des sessions et du code réutilisable pour les données Snowflake.

Crée des sessions authentifiées avec identifiants de compte, paramètres de connexion et SessionBuilder ; utilise méthodes, attributs et jobs asynchrones.
Lis les fichiers non structurés avec SnowflakeFile et traite-les via UDF, UDTF ou procédures stockées.
Crée des DataFrames à partir de tables, vues, objets Python, SQL, fichiers ou pandas et applique schémas et types adaptés.
Écris et enregistre des UDF et UDTF depuis du code ou des fichiers avec modules et déclarations de types ; compare exécution scalaire et vectorisée et accorde un accès sécurisé.
Construis et enregistre des procédures avec dépendances empaquetées et types explicites, choisis droits de l’appelant ou du propriétaire et exécute workflows réutilisables ou graphes de tâches via l’API Python.

Objectifs officiels Snowflake

Transformer les données avec les DataFramesConsulte le guide pour la pondération126 QuestionsQuestions Pass-IT

Construis les transformations et choisis l’usage de leurs résultats.

Filtre, trie, limite et convertis les valeurs avec colonnes, fonctions scalaires et opérateurs et extrais les valeurs des objets Row.
Nettoie et enrichis avec jointures, traitement des valeurs manquantes et échantillonnage, puis applique agrégations, fenêtres, regroupements, opérations ensemblistes et fonctions de table ou personnalisées.
Charge et parcours les données semi-structurées, convertis les valeurs imbriquées et aplatis les tableaux d’objets en lignes.
Enregistre les résultats des DataFrames sous forme de vues, tables Snowflake ou fichiers dans des stages.
Insère, mets à jour, supprime et fusionne les données de tables via les DataFrames Snowpark.

Objectifs officiels Snowflake

Optimiser et dépanner SnowparkConsulte le guide pour la pondération73 QuestionsQuestions Pass-IT

Améliore l’exécution en gardant le coût des warehouses à l’esprit.

Choisis les warehouses optimisés pour Snowpark, configure leurs propriétés et adapte leur taille selon le traitement et la facturation.
Mets les DataFrames en cache ou matérialise-les, compare UDF scalaires et vectorisées ou pandas sur Snowflake et choisis des appels synchrones ou asynchrones.
Examine erreurs et goulots avec tables d’événements, historique des requêtes et SQL équivalent ; teste le code avec le framework local Snowpark et pytest.

Objectifs officiels Snowflake

Les formats de questions que tu peux travailler

Choix multiple: Sélectionne une réponse.
Réponse multiple: Sélectionne plusieurs réponses pertinentes.

Ce sont les formats d’entraînement de Pass-IT. Consulte la page de certification Snowflake pour les informations sur l’examen officiel.

Comment nous vérifions les questions

Vérification des sources : La réponse, les choix proposés et l’explication sont comparés à la documentation officielle. Nous appelons cela la validation canonique.

Vérification adversariale : Un vérificateur IA supplémentaire recherche spécifiquement les erreurs factuelles, les réponses ambiguës et les faiblesses de l’explication.

Objectifs d’apprentissage : Nous comptons les sujets précis de l’examen auxquels des exercices sont clairement associés. Les sous-titres ne sont pas comptés séparément.

Les chiffres portent sur les questions disponibles dans chaque domaine de l’examen SF-SP. La contre-vérification compte les rapports correspondant à la version actuelle des questions, même si des erreurs ont été trouvées. Ce n’est pas un taux de questions sans erreur.

La date indique la trace ou l’entrée de journal correspondante la plus récente dans chaque domaine. Un import ou la reprise d’un résultat de vérification existant peut mettre cette entrée à jour. Cela ne signifie pas que toute la banque de questions a été vérifiée à nouveau.

Méthodes et critères de vérification en détail

Questions fréquentes

Ta préparation

Combien de temps prévoir pour préparer SF-SP ?

Pour t’aider à t’organiser, Pass-IT estime environ 30–75 heures. Avec une expérience pertinente, tu te situeras plutôt vers le bas de cette fourchette ; si tu débutes, plutôt vers le haut. Tes besoins peuvent aussi être en dehors de cette plage. Ce n’est ni une durée imposée par Snowflake, ni une promesse d’être prêt pour l’examen dans ce délai.

Faut-il passer SnowPro Core avant l'examen Snowpark ?

Non. Snowpark est un examen specialty et n'impose aucune certification préalable, contrairement à la gamme advanced. Snowflake recommande au moins un an de pratique de Snowpark en production et précise qu'une bonne maîtrise de Python et de PySpark aide beaucoup. Le catalogue table sur environ 50 heures.

Utiliser Pass-IT

Dans quelle langue sont les questions de Pass-IT ?

Les questions de l’application sont actuellement en anglais. Les traductions des questions d’exemple de cette page concernent uniquement cet aperçu. Consulte Snowflake pour connaître les langues proposées pour l’examen officiel.

Combien de temps dure mon accès à SF-SP ?

L’accès à cette certification dure 12 mois. Tu paies une seule fois, sans renouvellement automatique.

Quand la garantie de remboursement s’applique-t-elle ?

La garantie rembourse le prix d’achat Pass-IT de cette certification. Tu dois disposer d’un accès payant éligible et d’un Readiness Score d’au moins 80 %, calculé à partir de tes résultats d’entraînement, au moment de l’examen. Ce score ne peut atteindre 80 % qu’après au moins 50 questions répondues et ne constitue pas une probabilité de réussite validée. Passe l’examen pendant ta période d’accès et envoie la preuve officielle de ton échec sous 14 jours. Conditions de la garantie

L’examen SF-SP

Où puis-je passer l’examen SF-SP ?

Surveillé en ligne ou centres d'examen sur place.

Combien de temps dure l’examen SnowPro Specialty: Snowpark (SPS-C01) ?

L’examen SnowPro Specialty: Snowpark (SPS-C01) comporte 55 questions et le temps imparti est de 85 minutes.

Combien de fois peux-tu passer l'examen Snowpark ?

Tu peux faire au maximum quatre tentatives pour le même examen sur toute période de 12 mois. Tu dois attendre sept jours entre chaque tentative, y compris avant de repasser l’examen pour la première fois. Snowflake retire l’examen à compter du 1er novembre 2026. Tu dois avoir terminé toute tentative, y compris une nouvelle tentative, au plus tard à cette date. Un échec à l’approche de cette échéance peut donc ne te laisser aucun délai pour repasser l’examen.

Ta préparation à SF-SP

$29.99paiement unique

12 mois d’accès à SF-SP · Sans renouvellement automatique

Acheter l’accès à SF-SP

Les questions de l’application sont actuellement en anglais.

Essayer 20 questions gratuitementCompte gratuit requis. Sans carte bancaire.

Déjà un compte ? Connecte-toi

Tu préfères un abonnement ? Voir les abonnements →

Remboursement en cas d’échec avec au moins 80 % de Readiness, pour les achats éligibles selon les conditions de la garantie.

Conditions de la garantie

La garantie rembourse le prix d’achat Pass-IT de cette certification. Tu dois disposer d’un accès payant éligible et d’un Readiness Score d’au moins 80 %, calculé à partir de tes résultats d’entraînement, au moment de l’examen. Ce score ne peut atteindre 80 % qu’après au moins 50 questions répondues et ne constitue pas une probabilité de réussite validée. Passe l’examen pendant ta période d’accès et envoie la preuve officielle de ton échec sous 14 jours.

Conditions complètes de la garantie →