EnglishDeutschFrançaisEspañolPortuguês

AWS · MLA-C01 · Advanced

AWS Certified Machine Learning Engineer - Associate

Valide la capacité à construire, industrialiser, déployer et maintenir des solutions et des pipelines de machine learning. 65+ questions pratiques IA avec explications. Essai gratuit, garantie de réussite.

Essai gratuit

7 jours d’essai gratuit, sans carte bancaire

65 Questions
170min Durée
720/ 1000 Score requis
$300 Frais d’examen

À propos de l’examen

La certification AWS Certified Machine Learning Engineer – Associate valide la capacité à construire, entraîner, déployer et maintenir des modèles de machine learning en production sur AWS. Elle couvre la préparation des données pour le ML, le développement et le réglage des modèles, le déploiement et l'orchestration des workflows ML, ainsi que la surveillance et la sécurisation des solutions ML à l'aide de services comme SageMaker.

Cette certification s'adresse aux ingénieurs ML, aux data scientists et aux praticiens MLOps disposant d'au moins un an d'expérience avec les services ML d'AWS. Elle démontre la maîtrise de l'industrialisation des modèles ML, de la construction de pipelines d'entraînement automatisés et de la mise en œuvre de pratiques d'IA responsable dans les environnements de production.

Contenu de l’examen

L'examen comporte 65 questions (50 notées, 15 non notées) réparties sur 170 minutes, avec des questions à choix multiple, à réponses multiples, de classement et d'appariement. Les questions portent sur les workflows SageMaker, l'entraînement des modèles, le réglage des hyperparamètres, les stratégies de déploiement et l'automatisation des pipelines ML. Avec environ 2,6 minutes par question, prenez le temps de raisonner sur les scénarios complexes.

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

À quoi s’attendre

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

Où les candidats échouent

Cet examen évalue l'ingénierie ML — et non la théorie de la data science. Les candidats doivent comprendre comment industrialiser des modèles sur AWS avec SageMaker, automatiser les pipelines ML et mettre en place une surveillance, plutôt que de simplement créer des notebooks.

  1. 01
    Sélection d'algorithme — Choisir le mauvais algorithme SageMaker intégré pour un type de problème donné en ne comprenant pas quand utiliser XGBoost, la factorisation matricielle ou DeepAR.
  2. 02
    Préparation des données — Sous-estimer l'importance de l'ingénierie des caractéristiques, du traitement des valeurs manquantes et de la normalisation des données dans les questions de pipeline ML.
  3. 03
    Métriques d'évaluation — Confondre les métriques de précision, de rappel, F1, AUC-ROC et RMSE et ne pas savoir quelle métrique convient à quel type de problème.
  4. 04
    Défis de déploiement — Ne pas comprendre les points de terminaison SageMaker, les tests A/B, le shadow testing et les stratégies de surveillance des modèles pour l'inférence en production.
  5. 05
    Biais et équité — Ignorer les questions sur SageMaker Clarify, la détection de biais et l'explicabilité des modèles qui constituent une part croissante de l'examen.

Logistique de l’examen

Proposé via Pearson VUE en ligne ou dans les centres d'examen. Disponible en anglais ; d'autres langues pourront être ajoutées au fil du temps. La certification est valide pendant 3 ans, avec un renouvellement via un examen de recertification.

Mode de passage Centre d'examen Pearson VUE ou examen surveillé en ligne
Politique de reprise Délai d'attente de 14 jours entre les tentatives, nombre total de tentatives illimité
Validité 3 ans
Débouchés Postes d'ingénieur machine learning, d'ingénieur MLOps, d'ingénieur plateforme IA, de data scientist et de spécialiste ML appliqué impliquant la construction de systèmes ML en production sur AWS
Renouvellement Réussir un examen de recertification avant la date d'expiration de 3 ans, ou obtenir une certification AWS de niveau supérieur pour un renouvellement automatique
Temps de préparation ~75 heures

Prêt à réussir ?

Rejoignez des milliers de professionnels qui ont réussi grâce à la pratique assistée par IA.

Essai gratuit