AWS · MLA-C01 · Intermediate
AWS Machine Learning Engineer - Associate (MLA-C01) — Übungsfragen und Probeprüfung
Übe echte MLA-C01-Fragen, keine Dumps. Alex erklärt jede Antwort, und dein Readiness Score zeigt dir, wann du bereit bist zu bestehen.
Geprüft gegen AWS · Juli 2026Aktuelle Prüfungsversion
Überblick
Über die Prüfung
Der AWS Certified Machine Learning Engineer – Associate weist die Fähigkeit nach, Machine-Learning-Modelle auf AWS zu erstellen, zu trainieren, bereitzustellen und produktiv zu betreiben. Geprüft werden die Datenaufbereitung für ML, die Modellentwicklung und -abstimmung, das Deployment und die Orchestrierung von ML-Workflows sowie das Monitoring und die Absicherung von ML-Lösungen mit Diensten wie SageMaker.
Diese Zertifizierung richtet sich an ML Engineers, Data Scientists und MLOps-Fachleute mit mindestens einem Jahr Erfahrung im Umgang mit den ML-Diensten von AWS. Sie belegt, dass du ML-Modelle in den produktiven Betrieb überführen, automatisierte Trainingspipelines aufbauen und Responsible-AI-Praktiken in Produktionsumgebungen umsetzen kannst.
Prüfungsbereiche
Was geprüft wird
Die Prüfung umfasst 65 Fragen (50 gewertet, 15 ungewertet) in 130 Minuten und enthält Single-Choice-, Multiple-Response-, Reihenfolge- und Zuordnungsfragen. Im Fokus stehen SageMaker-Workflows, Modelltraining, Hyperparameter-Tuning, Deployment-Strategien und die Automatisierung von ML-Pipelines. Mit rund 2,6 Minuten pro Frage hast du genug Zeit, komplexe Szenarien in Ruhe zu durchdenken.
QuelleAWS Prüfungsseite
Format
Was dich erwartet
Achtung
Wo Kandidaten sich schwertun
Diese Prüfung testet ML-Engineering, nicht die Theorie der Data Science. Du musst verstehen, wie man Modelle mit SageMaker auf AWS in den produktiven Betrieb bringt, ML-Pipelines automatisiert und Monitoring umsetzt, statt nur Notebooks zu bauen.
- 01SageMaker-Modi — Verwechslung von SageMaker-Trainingsjobs, Verarbeitungsjobs, Echtzeit-Endpunkten, Batch Transform und serverloser Inferenz sowie deren jeweiligen Einsatzszenarien.
- 02Feature Engineering — Wer den SageMaker Feature Store, Data Wrangling und den Aufbau von Preprocessing-Pipelines nicht versteht, gibt bei Fragen zur Datenaufbereitung falsche Antworten.
- 03Modellüberwachung — Missverständnisse über SageMaker Model Monitor-Funktionen zur Erkennung von Datendrift, Modelldrift, Bias und Veränderungen der Feature-Zuordnung in der Produktion.
- 04Pipeline-Automatisierung — Fehlende Kenntnisse zum Aufbau durchgängiger ML-Pipelines mit SageMaker Pipelines, Step Functions und EventBridge für automatisierte Nachtrainings-Workflows.
- 05Kostenoptimierung — Wahl teurer Echtzeit-Endpunkte, wenn Batch Transform oder serverlose Inferenz die Latenz- und Durchsatzanforderungen zu geringeren Kosten erfüllen würden.
Details
Prüfungslogistik
Die Prüfung wird über Pearson VUE online oder in Testzentren angeboten. Sie ist auf Englisch verfügbar; weitere Sprachen kommen mit der Zeit möglicherweise hinzu. Die Zertifizierung ist 3 Jahre gültig und wird über Rezertifizierungsprüfungen verlängert.
QuelleAWS Prüfungsseite
Bevor du die Prüfung buchst
Würdest du MLA-C01 heute bestehen?
Mach den kostenlosen Readiness-Check. Beantworte echte MLA-C01-Fragen und bekomme deinen Readiness Score über jede Domain.
Kostenlosen Readiness-Check starten20 Fragen · kostenlosErreiche zur Prüfung 80 % Readiness. Bestehen, oder Geld zurück.