AWS · MLA-C01 · Intermediate
AWS Machine Learning Engineer - Associate (MLA-C01) — Questions d'entraînement et examen blanc
Entraîne-toi sur de vraies questions MLA-C01, sans dumps. Alex explique chaque réponse, et ton Readiness Score te dit quand tu es prêt à réussir.
Vérifié auprès de AWS · juillet 2026Version actuelle de l’examen
Aperçu
À propos de l’examen
L'AWS Certified Machine Learning Engineer – Associate valide ta 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 de ML, ainsi que la surveillance et la sécurisation des solutions de ML avec des services comme SageMaker.
Cette certification s'adresse aux ingénieurs ML, aux data scientists et aux praticiens du MLOps qui ont au moins un an d'expérience avec les services de ML d'AWS. Elle atteste de ta capacité à mettre les modèles de ML en production, à construire des pipelines d'entraînement automatisés et à appliquer des pratiques d'IA responsable dans des environnements de production.
Domaines
Contenu de l’examen
L'examen comporte 65 questions (50 notées, 15 non notées) sur 130 minutes, avec des questions à choix unique, à choix multiples, de mise en ordre et d'association. Les questions portent sur les workflows SageMaker, l'entraînement des modèles, le réglage des hyperparamètres, les stratégies de déploiement et l'automatisation des pipelines de ML. Tu disposes d'environ 2,6 minutes par question, alors prends le temps de raisonner sur les scénarios complexes.
SourceAWS page d’examen
Format
À quoi t’attendre
Attention
Où les candidats coincent
Cet examen évalue l'ingénierie ML, pas la théorie de la data science. Tu dois comprendre comment mettre les modèles en production sur AWS avec SageMaker, automatiser les pipelines de ML et mettre en place la surveillance, pas seulement construire des notebooks.
- 01Sélection 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.
- 02Préparation 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.
- 03Métriques 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.
- 04Défis 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.
- 05Biais 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.
Détails
Logistique de l’examen
Passage via Pearson VUE en ligne ou dans un centre d'examen. Disponible en anglais ; d'autres langues pourront être ajoutées avec le temps. La certification est valable 3 ans, avec un renouvellement par examen de recertification.
SourceAWS page d’examen
Avant de réserver l’examen
Réussirais-tu MLA-C01 aujourd’hui ?
Fais le bilan de préparation gratuit. Réponds à de vraies questions MLA-C01 et obtiens ton Readiness Score sur chaque domaine.
Lancer le bilan gratuit20 questions · gratuitAtteins 80 % de préparation le jour de l’examen. Tu réussis ou tu es remboursé.