認定試験の受験料は決して安くなく、再受験になれば費用も時間も二重にかかってしまいます。CertShikenのDatabricks-Certified-Data-Engineer-Associate日本語対策問題集（322問）で本番形式に慣れておけば、無駄な出費を抑えながらDatabricks Certified Data Engineer Associate Exam (Databricks-Certified-Data-Engineer-Associate日本語版)の合格を目指せます。

Databricks Databricks-Certified-Data-Engineer-Associate日本語 試験概要:

認定ベンダー:	Databricks
試験名:	Databricks Certified Data Engineer Associate試験
試験番号:	Databricks-Certified-Data-Engineer-Associate
試験形式:	多肢選択式, 監督付き試験
受験料:	200 USD
認定の有効期間:	2年間
対応言語:	Korean, Japanese, English, Portuguese (Brazil)
試験時間:	90 分
関連資格:	Databricks Certified Data Engineer Professional Databricks Certified Data Analyst Associate
出題数:	45
合格点:	公表されていませんが、約70%が目安とされます
推奨トレーニング:	Databricks公式ドキュメント Databricks Academy - Data Engineer Associate学習コース
受験申し込み:	公式受験登録
サンプル問題:
受験方法:	オンラインによる監督付き受験、または認定試験会場での対面受験が可能です
前提条件:	受験に必須の前提条件はありません。Databricksおよびデータエンジニアリング業務に関する実務経験が6か月以上あることが推奨されます
公式シラバスのURL:	https://www.databricks.com/learn/certification/data-engineer-associate

Databricks Databricks-Certified-Data-Engineer-Associate日本語 試験シラバストピック:

Databricks-Certified-Data-Engineer-Associate日本語受験前に知っておきたいQ&A

Databricks Certified Data Engineer Associate Exam (Databricks-Certified-Data-Engineer-Associate日本語版) 認定 Databricks-Certified-Data-Engineer-Associate日本語 試験問題：

問題 #1

開発者は、ブロンズテーブルのレコードをシルバーテーブルに処理するデータパイプラインを構築しています。ブロンズテーブル(bronze_events)には、上流のデータ取り込みシステムからの少なくとも1回の配信保証により、重複レコードが含まれています。開発者は、データを準備するために次のPySparkコードを記述します。

開発者は、引数なしで dropDuplicates() を実行した後、event_timestamp 列のみが異なる行が残っていることに気づきました。開発者は、user_id と event_type のみに基づいて重複を削除し、これら 2 つの列の一意の組み合わせごとに 1 つの行を残したいと考えています。
どのコード変更によって、この重複排除の要件が満たされますか？

A. df.dropDuplicates() を df.groupBy("user_id", "event_type").count() に置き換えてください。
B. df.dropDuplicates() を df.distinct().select("user_id", "event_type") に置き換えます。
C. df.dropDuplicates() を df.drop("event_timestamp").dropDuplicates() に置き換えます
D. df.dropDuplicates() を df.dropDuplicates(["user_id", "event_type"]) に置き換えます。

問題 #2

データ エンジニアが既存のプロジェクトに参加したところ、プロジェクト リポジトリに次のクエリが表示されました。
ストリーミングライブテーブル loyal_customers AS を作成
顧客IDを選択 -
ストリームから(LIVE.customers)
ここで、loyalty_level = 'high';
クエリに STREAM 関数が含まれている理由を説明するのは次のどれですか。

A. STREAM 関数は必要ないので、エラーが発生します。
B. 顧客テーブルのデータは、前回の実行以降更新されています。
C. 顧客テーブルは、PySpark DataFrame の構造化ストリーミング クエリへの参照です。
D. 顧客テーブルはストリーミング ライブ テーブルです。
E. 作成されるテーブルはライブ テーブルです。

問題 #3

データエンジニアは、Databricksを使用してKafkaからDelta Lakeテーブルにストリーミングデータを取り込む必要があります。パイプラインは、厳密に1回限りの処理セマンティクスを保証し、障害から復旧するためのチェックポイント情報を維持する必要があります。信頼性の高い処理と耐障害性を保証するSpark Structured Streamingの機能はどれですか？

A. パーティション剪定
B. チェックポイント
C. キャッシング
D. 透かし

問題 #4

新しいデータエンジニアリングチームがELTプロジェクトに割り当てられました。新しいデータエンジニアリングチームには、プロジェクトを完全に管理するために、salesテーブルに対する完全な権限が必要です。
新しいデータ エンジニアリング チームにデータベースに対する完全な権限を付与するには、次のコマンドのどれを使用できますか?

A. テーブル sales のすべての権限を team に付与します。
B. テーブル sales に対する SELECT CREATE MODIFY 権限を team に付与します。
C. テーブル team のすべての権限を sales に付与します。
D. テーブル sales に対する SELECT 権限を team に付与します。
E. テーブル sales の使用権限を team に付与します。

問題 #5

ワークスペースで使用されているデータソースとテーブルを確認するには、Databricksのどの機能を使用できますか？

A. 系統機能を使用して、レポート内でのみテーブルが使用されている箇所を強調表示するグラフを視覚化します。
B. 過去 3 か月のアクティビティのみを追跡し、依存関係の詳細を完全に提供しないため、系統機能を使用しないでください。
C. 系統機能を使用して、ノートブック内でのみテーブルが使用されている箇所を強調表示するグラフを視覚化します。
D. 系統機能を使用して、ノートブック、他のテーブル、レポートでテーブルが使用されている場所など、すべての依存関係を示すグラフを視覚化します。

解説：