SnowPro Advanced: Data Scientist (DSA-C03) — Questões de prática e simulado

A SnowPro Advanced: Data Scientist Certification (DSA-C03) valida a capacidade de aplicar princípios de ciência de dados dentro do Snowflake, incluindo definir conceitos da área, fazer engenharia de dados e de features, construir e implantar modelos de machine learning, usar o Snowpark em fluxos de ML e apresentar resultados por meio de visualização de dados. Ela cobre o ciclo completo do modelo, da preparação dos dados à implantação em produção.

Esta certificação é para cientistas de dados, engenheiros de ML e pesquisadores quantitativos com dois anos ou mais de experiência prática em ciência de dados com Snowflake em ambiente corporativo. Ela demonstra proficiência em construir soluções de ML de ponta a ponta nativamente no Snowflake.

Model Development é o domínio de maior peso, com 31%: cobra conexões do Snowpark ML, uso de LLMs do Cortex, treinamento, validação e interpretação de modelos. Em seguida vem Data Preparation and Feature Engineering, com 27%, que trata de limpeza, análise exploratória e transformações de features com Snowpark e SQL. Model Deployment fica com 25% e cobra a subida para produção, monitoramento de drift e o Snowflake Model Registry.

Data Science Concepts é o domínio mais leve, com 17%, e cobre fundamentos de ML e estatística, não ferramentas específicas do Snowflake. Desenvolvimento, preparação e deployment somam 83% da prova, então a maior parte do valor está em saber como as ferramentas nativas do Snowflake lidam com cada etapa do ciclo de vida de ML, e não em teoria geral de data science.

São 65 questões em 115 minutos, entre múltipla escolha, múltipla seleção e formatos interativos. A maioria dos itens apresenta um problema de data science (um dataset, a escolha de um modelo, uma decisão de deployment) e pede que você aponte o método nativo do Snowflake que resolve aquilo: Snowpark, Cortex ou o Model Registry. Dá cerca de 1,8 minuto por questão, um ritmo tranquilo se você não estiver deduzindo os fundamentos de ML na hora.

Cada domínio do exame SF-DS tem questões suficientes no banco para você praticar a fundo. Um simulado apresenta 65 questões seguidas, no mesmo cronômetro de 115 minutos do dia do exame.

Quanto tempo você precisa depende da experiência prática que já tem. O resto é definido pelo fornecedor: como a prova é aplicada, quando você pode refazê-la e por quanto tempo a certificação continua válida.

A prova é aplicada com supervisão online ou em um centro de testes presencial, em inglês. A certificação vence dois anos depois da data de emissão; a recertificação sai pelo programa Snowflake Continuing Education, com um curso elegível ministrado por instrutor ou com uma certificação SnowPro de nível equivalente ou superior.

Quem usa o Snowflake só como fonte de dados para uma stack de ML externa, sem nunca rodar o Snowpark ML de forma nativa, costuma errar ao julgar quais cargas de trabalho ficam dentro do Snowflake e quais ficam fora. A mesma lacuna aparece nas questões de ciclo de vida sobre o Snowflake Model Registry para versionamento e deployment, e na diferença entre UDFs escalares e vetorizadas para servir previsões em escala. Data leakage, ou seja, usar informação do futuro ou fazer target encoding sem uma separação adequada de treino e teste, é um erro de metodologia que a prova cobra independentemente de qualquer ferramenta específica do Snowflake.