Snowflake · SF-DS · Advanced
SnowPro Advanced: Data Scientist (DSA-C03) — Questões de prática e simulado
Pratique questões reais de SF-DS, sem dumps. O Alex explica cada resposta e seu Readiness Score mostra quando você está pronto para passar.
Verificado com Snowflake · abril de 2026Versão atual do exame
Visão geral
Sobre o exame
A certificação SnowPro Advanced: Data Scientist (DSA-C03) valida a capacidade de implementar fluxos de trabalho de Machine Learning em Snowflake, incluindo Feature Engineering, treino e implementação de modelos com Snowpark ML, utilização do Snowflake Model Registry e Feature Store, e integração com frameworks externos de ML. Avalia a aplicação prática da ciência de dados dentro das funcionalidades nativas do Snowflake.
Esta certificação destina-se a cientistas de dados, engenheiros de ML e analistas avançados com dois ou mais anos de experiência na aplicação de técnicas de Machine Learning em Snowflake. Demonstra a capacidade de executar fluxos de trabalho de ML em produção na infraestrutura Snowflake.
Domínios do exame
O que cai na prova
O exame é composto por 65 questões — escolha múltipla, resposta múltipla e verdadeiro/falso — a serem completadas em 115 minutos. As questões cobrem quatro domínios: Snowpark ML & Feature Engineering (30 %), Model Training & Deployment (25 %), Data Exploration & Preparation (25 %) e ML Operations & Governance (20 %). A pontuação de aprovação é de 750 em 1000. Snowpark ML e Feature Engineering constituem o maior segmento — experiência prática com a API é indispensável.
Apply data science methodologies, statistics, and ML fundamentals within the Snowflake ecosystem.
Prepare data, engineer features, and handle data quality using Snowflake SQL, Snowpark, and ML functions.
Build, train, and evaluate ML models using Snowpark ML, Snowflake ML functions, and integrated frameworks.
Deploy, monitor, and manage ML models in production using Snowflake model registry and serving infrastructure.
Formato
O que esperar
Atenção
Onde os candidatos travam
Cientistas de dados que treinam modelos de Machine Learning exclusivamente fora do Snowflake frequentemente falham em questões sobre APIs do Snowpark ML, Snowflake Model Registry, Feature Store e padrões de inferência baseados em UDFs.
- 01Snowpark ML vs. externo — Não compreender quando usar Snowpark ML (nativo no Snowflake, sem movimentação de dados) em vez de frameworks externos (exportam os dados, mais flexibilidade) leva a erros na escolha de arquitetura.
- 02Feature Store — Não conhecer o Feature Store do Snowflake — como as features são registadas, versionadas e servidas tanto para treino como para inferência — causa erros em questões de Feature Engineering.
- 03Model Registry — Confundir o Snowflake Model Registry (versionamento e metadados de modelos no Snowflake) com registos externos (MLflow, Weights & Biases) e não compreender os mecanismos de implementação leva a erros de MLOps.
- 04UDFs para inferência — Não compreender como as UDFs Python e as UDFs vetorizadas são usadas para inferência de modelos diretamente no Snowflake — incluindo as limitações de dependências de pacotes e memória — causa erros de implementação.
- 05Data Leakage — Não detetar Data Leakage em pipelines de Feature Engineering — especialmente com dados de séries temporais onde informação futura pode infiltrar-se nas features de treino — leva a erros em questões de validação de modelos.
Detalhes
Logística do exame
Oferecido online através do Snowflake Certification Portal. Disponível em inglês e japonês. A certificação é válida por 2 anos. A renovação requer recertificação ou créditos de educação contínua. O custo do exame é de 375 USD. Pré-requisito: certificação SnowPro Core ativa.
Antes de agendar a prova
Você passaria em SF-DS hoje?
Faça a verificação de preparação grátis. Responda questões reais de SF-DS e veja seu Readiness Score em cada domínio.
Fazer a verificação grátis20 questões · grátisChegue a 80 % de preparação no dia da prova. Passe ou seu dinheiro de volta.