MLA-C01 Udemy Companion

第 12 章 · PDF 第 839-862 页

考试准备

把知识变成稳定得分:掌握四种题型的计分要求、130 分钟节奏、场景题阅读协议、错题诊断,以及适合在职 ML/MLOps 工程师的 6 周与 8 周冲刺方案。

优先级:考前必修 D1 28% · D2 26% · D3 22% · D4 24% 建议 55 分钟 练习 10 题

1. 先固定不会变化的得分框架

65总题数
130分钟
50 + 15计分题 + 不计分题
720最低缩放分数

当前官方信息:MLA-C01 Exam Guide · Certification overview

2. 四种题型的作答规则

题型结构得分要求作答动作
单选1 个正确项 + 3 个干扰项选中唯一最佳答案先排除不满足硬约束的选项
多选5 个或更多选项,至少 2 个正确所有正确项都选中,且不多选逐项独立验证,不凑数量
排序从 3-5 个响应构成任务顺序所选响应与顺序全部正确找依赖:谁的输出是谁的输入
匹配3-7 个提示与响应配对所有配对正确先填唯一映射,再处理相近项

多选纪律:“这项说法正确”不等于“这项满足题干”。额外选择一个无关但真实的 AWS 事实,仍会让整题失分。

3. 场景题四步阅读协议

  1. 先读最后一句:确认题目要你选择服务、架构、指标、排障动作,还是安全控制。
  2. 圈硬约束:实时/批量、payload、时限、流量、GPU、VPC、成本、运维、审计、RTO/RPO。
  3. 写一句决策:例如“1 GB、可排队、允许一小时 → Async Inference”。
  4. 逐项排除:解释每个干扰项违反哪条约束,再确认答案覆盖了题目要求的全部动作。
题干词先想到的比较轴不要立刻跳到
最低运维托管、serverless、现成 AI 服务自建长期集群
最低成本总成本、利用率、弹性和数据扫描只比较实例小时单价
近实时流Kinesis/MSK、Firehose、Flink 的角色把 S3 batch 当流处理
可审计CloudTrail、lineage、Registry、Model Cards只增加 CloudWatch 指标
数据/模型漂移baseline、Model Monitor、ground truth、再评估无条件自动部署
训练与推理一致Feature Store、共享转换工件分别手写两套转换

4. 130 分钟三轮节奏

轮次时间预算目标停止规则
第一轮0-80 分钟完成全部 65 题,确定题直接得分约 75 秒仍无法收敛:最佳猜测、标记、前进
第二轮80-115 分钟处理标记题、长题和多选题只有发现明确约束或推理错误才改答案
第三轮115-130 分钟清空未答题,检查多选数量和误点不再重新推演所有已确定题

三个检查点:约第 20 题时剩余不少于 90 分钟,第 40 题时剩余不少于 50 分钟,第 65 题首次完成时保留约 35-50 分钟。根据你的模考速度微调,但必须事先演练同一节奏。

5. 错题不要只记答案,要诊断失败类型

错误类型症状修复动作
K:知识缺口不知道服务/指标/限制查官方文档,写一张“用途-不适用-限制”卡
R:需求漏读忽略最低运维、实时、审计等关键词重做时只摘决定性约束,不看答案
C:比较混淆两个相近服务分不清写二选一决策表与反例
M:ML 概念指标、泄漏、偏差、过拟合判断错用小数据或工作案例解释因果
O:过度设计选了可行但复杂、昂贵的架构重看题目是否要求最低成本/运维
T:时间/操作会做但超时、多选漏选或误点限时小组题和结束前检查清单

错题记录只需五列:题目主题、决定性约束、你的错误类型、正确决策规则、下一次复习日期。相同错误连续出现两次,才值得写更完整笔记。

本次 16 道题已整理成测试错题分析:包含题库争议校准、D3 推理与部署决策表,以及 8 道闭卷复盘题。

6. 每次 15 分钟的检索练习

练习 A:服务路由闪答

  1. 随机选 8 个需求,例如“大文件可排队推理”“S3 敏感数据发现”“跨服务请求路径”。
  2. 每个需求 20 秒内写:首选服务、一个替代、替代为何不满足决定性约束。
  3. 只查答不出的项,并在第二天混入新题重测。

练习 B:反向检索

  1. 随机选 5 个服务或功能,例如 Feature Store、Clarify、CloudTrail、Async Inference、Glue Data Quality。
  2. 每项写一个“应该选”的场景和一个“绝对不该选”的反例。
  3. 给每项补一条限制或成本特征,避免只会背定义。

检索练习的目标不是复述笔记,而是在没有选项提示时主动召回决策规则。答不出再查,学习效率高于反复通读。

7. 6 周冲刺计划

章节与重点实践/检索周末验收
100-02:蓝图、摄取、转换、特征D1 服务路由;做一次小型 Glue/Athena/Data Wrangler 比较D1 章节题均 ≥ 80%
203-05:AI 服务、算法、训练评估算法-任务-指标三向检索;复盘一次训练作业D2 混合题 ≥ 80%
306-08:GenAI、Bedrock、MLOps四种推理形态;画出当前 SageMaker Pipeline 证据链D3 混合题 ≥ 80%
409-11:安全、监控、治理、最佳实践IAM/KMS/VPC;指标-日志-trace-审计路由D4 混合题 ≥ 80%
512 + 综合模拟 1130 分钟节奏;按 K/R/C/M/O/T 分类首次模考 ≥ 75%,补最弱两项
6间隔复习 + 综合模拟 2只复习错题规则和官方边界两次新题模考均 ≥ 80%

工作日建议 60-90 分钟:35 分钟课程、20 分钟闭卷检索、15 分钟题目与复盘。周末安排 2-3 小时实践或限时混合题。已有经验的领域先做题诊断,不必从头平均用力。

8. 8 周稳健计划

主线验收
100-01:蓝图、存储与摄取能闭卷路由 batch/stream/storage
202:转换、数据质量与特征D1 综合 ≥ 80%
303-04:托管 AI 与算法20 个服务/算法场景闪答
405-06:训练评估与 GenAI 基础D2 综合 ≥ 80%
507-08:Bedrock 与 MLOpsD3 综合 ≥ 80%
609-11:安全、监控与最佳实践D4 综合 ≥ 80%
712 + 综合模拟 1 + 定向补缺完整模考 ≥ 75%
8综合模拟 2 + 轻量复习连续两次 ≥ 80%,节奏稳定

9. 报考就绪线

预约建议:先定一个目标周,再在第一次完整模拟达到 75% 后锁定具体日期。日期太早会迫使你跳过复盘,太晚则容易让节奏松散。

10. 最后 48 小时与考试当天

你已有 SAA 和实际 SageMaker/Pipelines 经验,主要风险不是基础架构知识不足,而是把简单角色题扩展成大型企业架构。以题干明确需求为边界,优先选择满足所有约束且运维最少的方案。

章节练习

这些题不考服务细节,而是检验你是否建立了稳定的考试执行协议。

第 1 题 · 单选

下列哪组 MLA-C01 考试信息正确?

第 2 题 · 匹配

把 Domain 与计分内容权重匹配。

第 3 题 · 多选

关于考试计分和题型,哪些说法正确?选择三项。

第 4 题 · 排序

排列场景题的推荐处理顺序。

第 5 题 · 单选

多选题中某选项描述了真实 AWS 能力,但与题目的成本和延迟约束无关。应该怎么做?

第 6 题 · 匹配

把错题症状匹配到诊断代码。

第 7 题 · 单选

第一轮遇到一道困难题,75-90 秒后仍只能排除两个选项。最佳动作是什么?

第 8 题 · 多选

哪些信号表明已经接近报考就绪?选择三项。

第 9 题 · 单选

已有 SAA 经验的考生在 MLA-C01 场景题中最应警惕什么?

第 10 题 · 排序

排列一次模考后的有效复盘流程。

本章掌握线:80%

尚未提交

官方资源与下一步

现在先完成本章练习,再进行综合模拟 1。模考后只补得分损失最大的两个模式,不要重新从第一页通读所有材料。