Come studiare per AWS MLA-C02: piano per ML Engineer
Piano di studio MLA-C02: ore a settimana, i quattro domini e i pesi, gli argomenti GenAI nuovi rispetto a MLA-C01, materiale AWS gratuito e la beta.
In questo articolo
Per MLA-C02 prevedi da sei a otto settimane con 6-8 ore a settimana se sviluppi già su AWS, e più tempo se SageMaker AI e Bedrock sono nuovi per te. È un esame di livello associate con lunghe domande a scenario, e l'aggiornamento rispetto a MLA-C01 ha aggiunto un intero livello di IA generativa: Bedrock, RAG, vector store, agenti e valutazione dei modelli. Pianifica esplicitamente quel livello, invece di studiare dai vecchi appunti di MLA-C01.
In sintesi
- Quattro domini: preparazione dei dati 28%, poi sviluppo dei modelli, distribuzione e orchestrazione, e operatività e sicurezza al 24% ciascuno.
- Novità rispetto a MLA-C01: foundation model, preparazione dei documenti per RAG, vector store, workflow con agenti, valutazione GenAI.
- La beta è in corso adesso (solo in inglese, prezzo beta 75 USD). I risultati arrivano dopo la chiusura della beta.
Cosa ti chiede l'esame
MLA-C02 verifica se sai portare un carico di lavoro ML o GenAI dai dati grezzi a un endpoint di produzione monitorato e protetto su AWS. Le domande sono scenari: un team ha un vincolo (latenza, costo, residenza dei dati, drift) e tu scegli il servizio o la configurazione adatti. I dati che seguono provengono dalla pagina di certificazione AWS e dalla guida all'esame MLA-C02, verificate il 2026-11-17.
| Dominio | Peso | Cosa devi saper fare |
|---|---|---|
| Preparazione dei dati per ML e IA | 28% | Acquisire e archiviare i dati, feature engineering, preparare documenti ed embedding per RAG, qualità dei dati e bias |
| Sviluppo di modelli ML e foundation model | 24% | Scegliere tra addestramento, fine-tuning e RAG; addestrare e ottimizzare; valutare sistemi ML e GenAI |
| Distribuzione e orchestrazione di workflow ML e IA | 24% | Scegliere endpoint e infrastruttura, anche per agenti e RAG; CI/CD e pipeline per MLOps |
| Gestione, monitoraggio e protezione di soluzioni ML e IA | 24% | Monitorare inferenza e drift, ottimizzare costi e prestazioni, proteggere endpoint e dati |
La preparazione dei dati è il dominio più pesante, ed è dove oggi l'IA generativa compare di più: chunking, embedding e vector store contano come lavoro sui dati.
Un piano di otto settimane compatibile con il lavoro
La nostra stima, basata sui pesi dei domini, non un dato AWS:
- Settimana 1: mappa l'esame. Leggi la guida all'esame e il confronto MLA-C01 vs MLA-C02 di AWS. Segna ogni task statement in verde, giallo o rosso per te stesso.
- Settimane 2–3: preparazione dei dati. Opzioni di acquisizione e archiviazione, strumenti dati di SageMaker, feature engineering, qualità dei dati e rilevamento dei bias, poi preparazione dei documenti per RAG e scelta dei vector store su AWS.
- Settimana 4: sviluppo dei modelli. Algoritmi integrati o container personalizzati, ottimizzazione degli iperparametri, quando fare il fine-tuning di un foundation model e quando basta RAG, e metriche di valutazione sia per il ML classico sia per la GenAI.
- Settimana 5: distribuzione e orchestrazione. Inferenza in tempo reale, serverless, asincrona e batch; pipeline e CI/CD; come vengono distribuiti gli agenti e le app RAG e come si collegano agli strumenti.
- Settimana 6: operatività e sicurezza. Monitoraggio del drift di modelli e dati, costi e dimensionamento, IAM, crittografia, isolamento di rete e guardrail per gli endpoint GenAI.
- Settimane 7–8: esercitarsi con il tempo. Domande miste ogni giorno, poi simulazioni complete a tempo. Rileggi la documentazione dietro ogni errore, non solo la risposta.
Se hai già superato MLA-C01, comprimi le settimane da 2 a 6 sulle novità GenAI e dedica il tempo risparmiato agli esercizi a tempo.
Materiale gratuito da usare
- La guida all'esame è il programma. Ogni domanda corrisponde a un task statement della guida.
- AWS Skill Builder ha una serie ufficiale di domande di pratica e corsi gratuiti per questa certificazione. Controlla cosa è gratuito nella tua regione, perché il catalogo cambia.
- Documentazione dei servizi e guide per sviluppatori di SageMaker AI e Amazon Bedrock. Le domande a scenario spesso trovano risposta in una sola riga di una sezione «quando usarlo».
- Pratica con le mani. Costruisci una piccola app RAG su Bedrock e un endpoint SageMaker con monitoraggio. Un weekend così insegna più di una settimana di lettura.
Trappole che fanno perdere punti
- Rispondere in stile MLA-C01. Se lo scenario parla di documenti, chatbot o agenti, aspettati risposte con Bedrock, RAG o vector store, non un modello personalizzato.
- Ignorare la parola del vincolo. «Minor sforzo operativo», «costo minimo» e «quasi in tempo reale» portano ciascuno a risposte diverse. Sottolineala prima di leggere le opzioni.
- Complicare troppo. Negli esami AWS di solito vince l'opzione gestita, a meno che lo scenario non la escluda.
- Domande a risposta multipla. Leggi quante risposte sono richieste. Le risposte parziali valgono zero.
Beta o disponibilità generale?
AWS ha aperto la beta di MLA-C02 il 29 settembre 2026, solo in inglese, con 85 domande in 170 minuti al prezzo beta di 75 USD. Al 2026-11-17 la pagina di certificazione non indica una data di disponibilità generale. I risultati della beta arrivano dopo che AWS ha concluso la beta, quindi falla adesso solo se sei pronto e non ti serve la certificazione entro una data fissa. Per tutti i dati e la serie di esercizi, vedi le domande di esempio MLA-C02.
Esercitarsi con TokIQ
La modalità MLA-C02 di TokIQ crea una sessione giornaliera sui quattro domini, ripropone le domande sbagliate e include simulazioni d'esame, con un link alla documentazione AWS dietro ogni domanda. Apri la pagina dell'esame MLA-C02 oppure confrontala con gli esami di base in quale certificazione IA fare per prima. TokIQ è indipendente e non è affiliato ad AWS.
Domande frequenti
Quanto tempo serve per studiare per MLA-C02?
La nostra stima è di 40-60 ore in sei-otto settimane per chi usa già SageMaker AI o Bedrock al lavoro, e di più se AWS è nuovo per te. AWS non pubblica un tempo di studio, quindi consideralo un numero di pianificazione, non un dato ufficiale.
MLA-C02 è più difficile di MLA-C01?
È più ampio. MLA-C02 mantiene il nucleo di ML engineering di MLA-C01 e aggiunge foundation model e IA generativa: Amazon Bedrock, RAG, vector store, agenti e metodi di valutazione come LLM-as-a-judge. Se i tuoi appunti MLA-C01 riguardano solo il ML classico, hai materiale nuovo da coprire.
Devo fare la beta di MLA-C02?
Falla se sei pronto adesso e vuoi il prezzo beta ridotto (75 USD sulla pagina di certificazione AWS, verificata il 2026-11-17). I risultati della beta arrivano più tardi del solito, dopo la chiusura della beta da parte di AWS, ed è disponibile solo in inglese. Se ti serve il risultato entro una data fissa, aspetta la disponibilità generale.
Qual è il punteggio minimo per superare MLA-C02?
La guida all'esame indica un punteggio scalato da 100 a 1.000 con un minimo di 720. La valutazione è compensativa, quindi superi l'esame nel suo complesso, non dominio per dominio.
Mi serve AIF-C01 prima di MLA-C02?
No. Non ci sono prerequisiti. AWS raccomanda invece almeno 1 anno di esperienza pratica con SageMaker AI, Bedrock e servizi correlati. Se l'IA su AWS è nuova per te, AIF-C01 è un primo passo più graduale.
- #MLA-C02
- #AWS
- #Machine Learning Engineer Associate
- #piano di studio
- #preparazione alla certificazione