EnglishDeutschFrançaisEspañolPortuguês

AWS · MLA-C01 · Advanced

AWS Certified Machine Learning Engineer - Associate

Valida a capacidade de construir, operacionalizar, implantar e manter soluções e pipelines de machine learning. 65+ questões práticas com IA e explicações. Teste grátis, garantia de aprovação.

Começar teste grátis

7 dias de teste grátis, sem cartão de crédito

65 Questões
170min Limite de tempo
720/ 1000 Nota para passar
$300 Taxa do exame

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.

O que cai no exame

O exame consiste em 65 questões (50 pontuadas, 15 não pontuadas) em 170 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.

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

O que esperar

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

Onde os candidatos erram

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.

  1. 01
    Modos 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.
  2. 02
    Engenharia 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.
  3. 03
    Monitoramento 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.
  4. 04
    Automação de Pipeline — Desconhecer como construir pipelines ML de ponta a ponta usando SageMaker Pipelines, Step Functions e EventBridge para fluxos de retreinamento automatizados.
  5. 05
    Otimização de Custos — Escolher endpoints em tempo real caros quando batch transform ou inferência serverless atenderiam aos requisitos de latência e throughput com menor custo.

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.

Modalidade Centro de testes Pearson VUE ou exame supervisionado online
Política de repetição Período de espera de 14 dias entre tentativas, sem limite de número total de tentativas
Validade 3 anos
Oportunidades de carreira Funções como engenheiro de machine learning, engenheiro de MLOps, engenheiro de plataforma de IA, cientista de dados e especialista em ML aplicado construindo sistemas de ML em produção na AWS
Renovação Passe em um exame de recertificação antes da data de expiração de 3 anos, ou obtenha uma certificação AWS de nível superior para renovar automaticamente
Tempo de estudo ~75 horas

Pronto para passar?

Junte-se a milhares de profissionais que passaram com prática impulsionada por IA.

Começar teste grátis