EnglishDeutschFrançaisEspañolPortuguês

AWS · MLA-C01 · Advanced

AWS Certified Machine Learning Engineer - Associate

Bestätigt die Fähigkeit, Machine-Learning-Lösungen und -Pipelines zu erstellen, zu operationalisieren, bereitzustellen und zu warten. 65+ KI-generierte Übungsfragen mit Erklärungen. Kostenlos testen, Bestehensgarantie.

Kostenlos testen

7 Tage kostenlos testen, keine Kreditkarte nötig

65 Fragen
170min Zeitlimit
720/ 1000 Bestehensgrenze
$300 Prüfungsgebühr

Über die Prüfung

Das Zertifikat AWS Certified Machine Learning Engineer – Associate bestätigt die Fähigkeit, Machine-Learning-Modelle in der Produktion auf AWS zu erstellen, zu trainieren, bereitzustellen und zu warten. Es umfasst die Datenaufbereitung für ML, die Modellentwicklung und -optimierung, die Bereitstellung und Orchestrierung von ML-Workflows sowie die Überwachung und Absicherung von ML-Lösungen mit Services wie SageMaker.

Diese Zertifizierung richtet sich an ML-Ingenieure, Data Scientists und MLOps-Praktiker mit mindestens einem Jahr Erfahrung in der Nutzung von AWS-ML-Services. Sie belegt Kompetenz in der Operationalisierung von ML-Modellen, im Aufbau automatisierter Trainingspipelines und in der Umsetzung verantwortungsvoller KI-Praktiken in Produktionsumgebungen.

Was geprüft wird

Die Prüfung besteht aus 65 Fragen (50 bewertet, 15 nicht bewertet) in 170 Minuten und umfasst Multiple-Choice-, Multiple-Response-, Ordering- und Matching-Fragetypen. Die Fragen konzentrieren sich auf SageMaker-Workflows, Modelltraining, Hyperparameter-Tuning, Bereitstellungsstrategien und die Automatisierung von ML-Pipelines. Mit rund 2,6 Minuten pro Frage sollten Sie sich Zeit nehmen, komplexe Szenarien sorgfältig durchzudenken.

Data Preparation for Machine Learning 28%
ML Model Development 26%
Deployment and Orchestration of ML Workflows 22%
ML Solution Monitoring, Maintenance, and Security 24%

Was dich erwartet

multiple choice
50%
multiple response
25%
ordering
15%
matching
10%

Wo Kandidaten scheitern

Diese Prüfung testet ML-Engineering – nicht Data-Science-Theorie. Die Kandidaten müssen verstehen, wie Modelle auf AWS mit SageMaker operationalisiert, ML-Pipelines automatisiert und Monitoring implementiert werden, anstatt nur Notebooks zu erstellen.

  1. 01
    SageMaker-Modi — Verwechslung von SageMaker-Trainingsjobs, Verarbeitungsjobs, Echtzeit-Endpunkten, Batch Transform und serverloser Inferenz sowie deren jeweiligen Einsatzszenarien.
  2. 02
    Feature Engineering — Das fehlende Verständnis von SageMaker Feature Store, Data Wrangling und der Gestaltung von Preprocessing-Pipelines führt zu falschen Antworten bei Fragen zur Datenaufbereitung.
  3. 03
    Modellüberwachung — Missverständnisse über SageMaker Model Monitor-Funktionen zur Erkennung von Datendrift, Modelldrift, Bias und Veränderungen der Feature-Zuordnung in der Produktion.
  4. 04
    Pipeline-Automatisierung — Fehlende Kenntnisse zum Aufbau durchgängiger ML-Pipelines mit SageMaker Pipelines, Step Functions und EventBridge für automatisierte Nachtrainings-Workflows.
  5. 05
    Kostenoptimierung — Wahl teurer Echtzeit-Endpunkte, wenn Batch Transform oder serverlose Inferenz die Latenz- und Durchsatzanforderungen zu geringeren Kosten erfüllen würden.

Prüfungslogistik

Die Prüfung wird über Pearson VUE online oder in Testzentren angeboten. Sie ist auf Englisch verfügbar; weitere Sprachen können im Laufe der Zeit hinzukommen. Die Zertifizierung ist 3 Jahre gültig und kann durch Rezertifizierungsprüfungen verlängert werden.

Prüfungsart Pearson VUE Prüfungszentrum oder online beaufsichtigte Prüfung
Wiederholungsregelung 14 Tage Wartezeit zwischen Prüfungsversuchen, keine Begrenzung der Gesamtanzahl an Versuchen
Gültigkeit 3 Jahre
Karrieremöglichkeiten Rollen als Machine Learning Engineer, MLOps Engineer, AI Platform Engineer, Data Scientist und Applied ML Specialist, die produktive ML-Systeme auf AWS entwickeln
Verlängerung Bestehen Sie eine Rezertifizierungsprüfung vor dem Ablaufdatum nach 3 Jahren oder erwerben Sie eine höherwertige AWS-Zertifizierung, um automatisch zu verlängern
Lernzeit ~75 Stunden
Offizieller Leitfaden Auf Herstellerseite ansehen

Bereit zu bestehen?

Schließe dich Tausenden von Fachleuten an, die mit KI-gestütztem Training bestanden haben.

Kostenlos starten