AWS · MLA-C01 · Intermediate
AWS Machine Learning Engineer - Associate (MLA-C01) — Questões de prática e simulado
Pratique questões reais de MLA-C01, sem dumps. O Alex explica cada resposta e seu Readiness Score mostra quando você está pronto para passar.
Verificado com AWS · julho de 2026Versão atual do exame
Visão geral
Sobre o exame
A AWS Certified Machine Learning Engineer – Associate valida a capacidade de construir, treinar, implantar e manter modelos de machine learning em produção na AWS. Ela abrange preparação de dados para ML, desenvolvimento e ajuste de modelos, implantação e orquestração de workflows de ML, e monitoramento e segurança de soluções de ML usando serviços como SageMaker.
Esta certificação é destinada a engenheiros de ML, cientistas de dados e profissionais de MLOps com pelo menos um ano de experiência usando serviços de ML da AWS. Demonstra proficiência em operacionalizar modelos de ML, construir pipelines de treinamento automatizados e implementar práticas de IA responsável em ambientes de produção.
Domínios do exame
O que cai na prova
O exame consiste em 65 questões (50 pontuadas, 15 não pontuadas) em 130 minutos, apresentando questões de múltipla escolha, múltipla resposta, ordenação e correspondência. As questões focam em workflows do SageMaker, treinamento de modelos, ajuste de hiperparâmetros, estratégias de implantação e automação de pipelines de ML. Com aproximadamente 2,6 minutos por questão, dedique tempo para raciocinar em cenários complexos.
FonteAWS página do exame
Formato
O que esperar
Atenção
Onde os candidatos travam
Este exame testa engenharia de ML — não teoria de ciência de dados. Os candidatos devem entender como operacionalizar modelos na AWS usando SageMaker, automatizar pipelines de ML e implementar monitoramento, em vez de apenas construir notebooks.
- 01Modos do SageMaker — Confundir training jobs, processing jobs, endpoints em tempo real, batch transform e inferência serverless do SageMaker e quando usar cada modo de implantação.
- 02Engenharia de Features — Não compreender SageMaker Feature Store, data wrangling e design de pipeline de pré-processamento leva a erros em questões de preparação de dados.
- 03Monitoramento de Modelos — Não compreender as capacidades do SageMaker Model Monitor para detectar data drift, model drift, viés e mudanças de atribuição de features em produção.
- 04Automação de Pipeline — Desconhecer como construir pipelines ML de ponta a ponta usando SageMaker Pipelines, Step Functions e EventBridge para fluxos de retreinamento automatizados.
- 05Otimização de Custos — Escolher endpoints em tempo real caros quando batch transform ou inferência serverless atenderiam aos requisitos de latência e throughput com menor custo.
Detalhes
Logística do exame
Aplicado via Pearson VUE online ou em centros de teste. Disponível em inglês; idiomas adicionais podem ser acrescentados ao longo do tempo. A certificação é válida por 3 anos, com renovação por meio de exames de recertificação.
FonteAWS página do exame
Antes de agendar a prova
Você passaria em MLA-C01 hoje?
Faça a verificação de preparação grátis. Responda questões reais de MLA-C01 e veja seu Readiness Score em cada domínio.
Fazer a verificação grátis20 questões · grátisChegue a 80 % de preparação no dia da prova. Passe ou seu dinheiro de volta.