Databricks Machine Learning Professional — Übungsfragen und Probeprüfung

Die Prüfung zum Databricks Certified Machine Learning Professional weist fortgeschrittene Kenntnisse im Aufbau produktionsreifer ML-Systeme auf Databricks nach, und zwar in großem Maßstab. Sie deckt fortgeschrittene Techniken der Modellentwicklung ab, das Management des MLOps-Lebenszyklus inklusive CI/CD und Monitoring sowie Strategien für das Model Deployment. Modellentwicklung und MLOps machen dabei jeweils 44 Prozent der Prüfung aus. Du musst zeigen, dass du produktive ML-Pipelines entwerfen und den Lebenszyklus von Modellen auch bei hohem Volumen steuern kannst.

Die Zertifizierung richtet sich an erfahrene ML Engineers und Data Scientists, die seit mindestens einem Jahr produktive ML-Systeme auf Databricks bauen. Sie belegt, dass du ML-Systeme in der Produktion zuverlässig und skalierbar betreiben kannst.

Model Development und MLOps liegen mit je 44 % gleichauf und decken zusammen den weitaus größten Teil der Prüfung ab. Model Development umfasst verteiltes Training mit SparkML, Ray und Optuna, point-in-time-korrektes Feature Engineering sowie verschachtelte MLflow-Runs für komplexe Experimente. MLOps behandelt CI/CD für ML, Lakehouse Monitoring, Drift-Erkennung und automatisches Retraining, das bei nachlassender Performance ausgelöst wird.

Auf Model Deployment entfallen die restlichen 12 %. Geprüft werden Blue-Green- und Canary-Rollouts und der Zugriff auf eigene PyFunc-Modelle über einen Serving Endpoint statt nur über die UI. Die gleichmäßige Aufteilung zwischen Entwicklung und Betrieb spiegelt wider, was Senior ML Engineers wirklich tun: Modelle zu bauen ist die eine Hälfte des Jobs, sie in Produktion gesund zu halten die andere.

Die Prüfung besteht aus 59 gewerteten Multiple-Choice-Fragen in einem Zeitfenster von 120 Minuten, dazu können ungewertete Pilotfragen kommen. Rechne mit ausführlicher Szenarienarbeit: Ray oder Spark für einen verteilten Trainingsjob auswählen, einen Lakehouse-Monitoring-Alert für Drift oberhalb eines Schwellenwerts entwerfen oder eine Rollout-Strategie für einen stark frequentierten Serving Endpoint festlegen.

Jede Domain der DB-MLP-Prüfung ist im Pool tief genug abgedeckt, um sie gezielt zu üben. Eine Probeprüfung stellt dir 59 Fragen am Stück, mit derselben 120-Minuten-Uhr wie am Prüfungstag.

Wie lange du brauchst, hängt davon ab, wie viel Praxiserfahrung du mitbringst. Den Rest legt der Anbieter fest: wie die Prüfung abläuft, wie schnell du wiederholen darfst und wie lange das Zertifikat gültig bleibt.

Die Prüfung legst du online mit Remote-Proctor oder in einem Testcenter ab, angeboten wird sie nur auf Englisch. Das Zertifikat gilt zwei Jahre. Für die Rezertifizierung bestehst du die dann aktuelle Version der Prüfung.

MLOps prüft auf dieser Stufe eher dein Urteilsvermögen im Produktivbetrieb als Lehrbuchprozesse: Du musst erkennen, welcher Tabellentyp im Lakehouse Monitoring zu einem gegebenen Szenario passt, einen Integrationstest entwerfen, der die Strecke vom Feature Engineering bis zur Inferenz durchgängig abdeckt, und wissen, welcher statistische Test aus der Drift-Metriken-Tabelle für kategorialen und welcher für numerischen Drift gilt. Die Fragen zu Model Development gehen deutlich über einfache SparkML-Nutzung hinaus, hin zu verteiltem Hyperparameter-Tuning mit Ray und Optuna sowie zu den Abwägungen zwischen Modell- und Datenparallelität beim Training in großem Maßstab. Model Deployment macht nur 12 % der Prüfung aus, aber Entscheidungen zwischen Blue-Green und Canary und das Skalieren von Endpoints unter Produktionslast werden konkret und szenariobasiert abgefragt.