AWS Certified Machine Learning Engineer – Associate（MLA-C01）备考指南：旧版考试大纲
MLA-C01 旧版备考指南：梳理四个考试 Domain。MLA-C02 Beta 已推出，请先确认考试代码、语言和考试版本。
版本提醒（2026-10-02）： 本文内容对应旧版 MLA-C01。MLA-C02 Beta 已于 2026-09-29 开考，Beta 目前为英文，AWS 页面列出的考试代码为 ME1-C02。MLA-C01 英文考试已于 2026-09-28 结束；中文、日文和韩文版本在 MLA-C02 正式发布前仍可参加。报名和备考前请核对 AWS 当前考试信息；不要用本文准备 MLA-C02。
AWS Certified Machine Learning Engineer – Associate（MLA-C01）旧版大纲考查如何在 AWS 上准备数据、开发模型、部署工作流并监控维护 ML 方案。它偏工程实现，不是纯算法研究。
旧版 MLA-C01 适合谁？
适合负责 ML 训练、部署、流水线或监控的工程师，以及将模型接入生产系统的数据工程师。基础 ML 概念、云权限和网络知识会有帮助；SageMaker 的训练、端点或流水线经验更佳。
AIF-C01 讲 AI/ML 概念；DEA-C01 侧重数据管道；本考试侧重 ML 模型从准备到运维的工程链路。
MLA-C01 旧版考试大纲
以下权重对应旧版 MLA-C01 的计分内容，不适用于 MLA-C02。
| Domain | 官方名称 | 主要关注点 | 权重 |
|---|---|---|---|
| 1 | Data Preparation for Machine Learning (ML) | 数据摄入、转换、特征工程和完整性 | 28% |
| 2 | ML Model Development | 模型选择、训练、调优和评估 | 26% |
| 3 | Deployment and Orchestration of ML Workflows | 部署、推理端点和工作流编排 | 22% |
| 4 | ML Solution Monitoring, Maintenance, and Security | 漂移、维护、监控和安全 | 24% |
Domain 1：机器学习数据准备
理解数据摄入、存储、转换、特征工程和数据完整性。重点是训练、验证和线上推理使用的数据是否一致。
容易混淆： 特征泄漏、类别不平衡或训练/推理数据偏差未被发现。明确每个数据集的用途和校验规则。
Domain 2：ML 模型开发
学习根据问题选择模型和指标，训练与调优模型，并分析性能、成本和失败模式。
容易混淆： 指标和业务目标不匹配，或没发现过拟合。先确定问题类型和成功标准，再比较模型结果。
Domain 3：ML 工作流部署与编排
了解实时、批量和异步推理的适用场景，以及如何用流水线和 CI/CD 部署模型工作流。
容易混淆： 端点能运行就认为部署完成，忽略模型版本、自动测试、扩缩和回滚。画出训练、注册、部署、验证的完整流程。
Domain 4：ML 方案监控、维护与安全
关注模型和数据漂移、线上性能、端点安全、维护和成本。确定监控信号、告警条件，以及是否需要重训或回滚。
容易混淆： 出现漂移告警后自动重训，却没有验证或审批；或未限制谁能调用端点。把监控、权限和维护动作放在同一流程里考虑。
MLA-C01 准备度自测
- 如何检查训练和线上推理使用的特征是否一致？
- 模型端点性能下降时，什么情况应触发版本回滚？
- 发现数据漂移后，自动重训、人工检查和发布分别由谁负责？
建议的复习顺序
- 数据准备与特征质量。
- 模型选择、指标和训练调优。
- 推理方式、部署和工作流编排。
- 监控、漂移、安全和维护。
备考三步
- 先确认考试版本。 当前考试页面区分 MLA-C01 和 MLA-C02；确认考试语言、日期和代码后再选学习资料。
- 对照旧版官方指南。 若报名参加仍开放的 MLA-C01 语言版本，按四个旧版 Domain 的技能清单复习。
- 练习并复盘。 用 MLA-C01 题目按 Domain 分类错因，回到对应技能和 AWS 文档。
开始练习
如果你确认参加仍开放的旧版考试，可用科目代码 MLA-C01 按 Domain 练习。若准备 MLA-C02，请改用 AWS 为该 Beta 发布的考试指南和对应考试代码。