Como estudar para o AWS MLA-C02: plano de estudo ML Engineer
Plano de estudo do MLA-C02: horas por semana, os quatro domínios e pesos, os temas de IA generativa novos desde o MLA-C01, material gratuito da AWS e a beta.
Neste artigo
Reserve para o MLA-C02 de seis a oito semanas com 6 a 8 horas por semana se você já desenvolve na AWS, e mais tempo se SageMaker AI e Bedrock são novidade para você. É um exame de nível associate com perguntas longas baseadas em cenários, e a atualização do MLA-C01 trouxe uma camada inteira de IA generativa: Bedrock, RAG, armazenamentos vetoriais, agentes e avaliação de modelos. Planeje essa camada de forma explícita em vez de estudar com anotações antigas do MLA-C01.
Pontos principais
- Quatro domínios: preparação de dados 28%, depois desenvolvimento de modelos, implantação e orquestração, e operação e segurança com 24% cada.
- Novidades desde o MLA-C01: modelos de base, preparação de documentos para RAG, armazenamentos vetoriais, fluxos de trabalho com agentes, avaliação de IA generativa.
- A beta está aberta agora (apenas em inglês, preço beta de 75 USD). Os resultados saem depois que a beta fecha.
O que o exame pede de você
O MLA-C02 testa se você consegue levar uma carga de trabalho de ML ou IA generativa dos dados brutos até um endpoint de produção monitorado e protegido na AWS. As perguntas são cenários: uma equipe tem uma restrição (latência, custo, residência de dados, drift) e você escolhe o serviço ou a configuração adequados. Os fatos abaixo vêm da página de certificação da AWS e do guia do exame MLA-C02, consultados em 2026-11-17.
| Domínio | Peso | O que você deve saber fazer |
|---|---|---|
| Preparação de dados para ML e IA | 28% | Ingerir e armazenar dados, engenharia de atributos, preparar documentos e embeddings para RAG, qualidade de dados e viés |
| Desenvolvimento de modelos de ML e modelos de base | 24% | Escolher entre treinamento, ajuste fino e RAG; treinar e ajustar; avaliar sistemas de ML e de IA generativa |
| Implantação e orquestração de fluxos de trabalho de ML e IA | 24% | Escolher endpoints e infraestrutura, inclusive para agentes e RAG; CI/CD e pipelines para MLOps |
| Operação, monitoramento e segurança de soluções de ML e IA | 24% | Monitorar inferência e drift, otimizar custo e desempenho, proteger endpoints e dados |
A preparação de dados é o domínio mais pesado, e é onde a IA generativa mais aparece hoje: chunking, embeddings e armazenamentos vetoriais contam como trabalho de dados.
Um plano de oito semanas que cabe na rotina de trabalho
Nossa estimativa, baseada nos pesos dos domínios, não um número da AWS:
- Semana 1: mapeie o exame. Leia o guia do exame e a comparação MLA-C01 vs MLA-C02 da AWS. Marque cada tarefa em verde, amarelo ou vermelho para si mesmo.
- Semanas 2–3: preparação de dados. Opções de ingestão e armazenamento, ferramentas de dados do SageMaker, engenharia de atributos, qualidade de dados e detecção de viés, depois preparação de documentos para RAG e as opções de armazenamento vetorial na AWS.
- Semana 4: desenvolvimento de modelos. Algoritmos integrados ou seus próprios contêineres, ajuste de hiperparâmetros, quando fazer ajuste fino de um modelo de base e quando o RAG basta, e métricas de avaliação tanto para ML clássico quanto para IA generativa.
- Semana 5: implantação e orquestração. Inferência em tempo real, serverless, assíncrona e em lote; pipelines e CI/CD; como agentes e apps RAG são implantados e conectados a ferramentas.
- Semana 6: operação e segurança. Monitoramento de drift de modelo e de dados, custo e dimensionamento, IAM, criptografia, isolamento de rede e guardrails para endpoints de IA generativa.
- Semanas 7–8: pratique com tempo. Perguntas variadas todos os dias, depois simulados completos cronometrados. Releia a documentação por trás de cada erro, não só a resposta.
Se você já passou no MLA-C01, comprima as semanas 2 a 6 nas novidades de IA generativa e use o tempo economizado em prática cronometrada.
Material gratuito que vale a pena
- O guia do exame é o programa. Cada pergunta corresponde a uma declaração de tarefa dele.
- O AWS Skill Builder tem um conjunto oficial de questões de prática e cursos gratuitos para esta certificação. Confira o que é gratuito na sua região, pois o catálogo muda.
- A documentação dos serviços e os guias do desenvolvedor do SageMaker AI e do Amazon Bedrock. Perguntas de cenário costumam ser respondidas por uma linha de uma seção «quando usar».
- Prática de verdade. Crie um pequeno app RAG no Bedrock e um endpoint do SageMaker com monitoramento. Um fim de semana assim ensina mais que uma semana de leitura.
Armadilhas que custam pontos
- Responder no estilo MLA-C01. Se o cenário menciona documentos, chatbots ou agentes, espere respostas com Bedrock, RAG ou armazenamento vetorial, não um modelo personalizado.
- Ignorar a palavra da restrição. «Menor sobrecarga operacional», «menor custo» e «quase em tempo real» apontam cada uma para respostas diferentes. Sublinhe-a antes de ler as opções.
- Complicar demais. Nos exames da AWS, a opção gerenciada costuma vencer, a menos que o cenário a exclua.
- Perguntas de resposta múltipla. Leia quantas respostas são exigidas. Respostas parciais valem zero.
Beta ou disponibilidade geral?
A AWS abriu a beta do MLA-C02 em 29 de setembro de 2026, apenas em inglês, com 85 perguntas em 170 minutos ao preço beta de 75 USD. Em 2026-11-17, a página de certificação não informa uma data de disponibilidade geral. Os resultados da beta saem depois que a AWS encerra a beta, então faça-a agora só se estiver pronto e não precisar da credencial até uma data fixa. Para todos os fatos e o conjunto de prática, veja as questões de exemplo do MLA-C02.
Pratique com o TokIQ
O modo MLA-C02 do TokIQ monta uma sessão diária pelos quatro domínios, traz de volta as perguntas erradas e inclui simulados, com um link para a documentação da AWS por trás de cada pergunta. Abra a página do exame MLA-C02 ou compare com os exames de fundamentos em qual certificação de IA fazer primeiro. O TokIQ é independente e não é afiliado à AWS.
Perguntas frequentes
Quanto tempo leva para estudar para o MLA-C02?
Nossa estimativa é de 40 a 60 horas ao longo de seis a oito semanas para quem já usa SageMaker AI ou Bedrock no trabalho, e mais se a AWS for novidade para você. A AWS não publica um tempo de estudo, então trate isso como um número de planejamento, não como um dado oficial.
O MLA-C02 é mais difícil que o MLA-C01?
É mais amplo. O MLA-C02 mantém o núcleo de engenharia de ML do MLA-C01 e acrescenta modelos de base e IA generativa: Amazon Bedrock, RAG, armazenamentos vetoriais, agentes e métodos de avaliação como LLM-as-a-judge. Se suas anotações do MLA-C01 são todas de ML clássico, você tem conteúdo novo para cobrir.
Devo fazer a beta do MLA-C02?
Faça se você estiver pronto agora e quiser o preço reduzido da beta (75 USD na página de certificação da AWS, consultada em 2026-11-17). Os resultados da beta chegam mais tarde que o normal, depois que a AWS encerra a beta, e ela é apenas em inglês. Se você precisa do resultado até uma data fixa, espere pela disponibilidade geral.
Qual é a nota de aprovação do MLA-C02?
O guia do exame indica uma pontuação em escala de 100 a 1.000, com mínimo de 720. A pontuação é compensatória, então você é aprovado no exame como um todo, não em cada domínio.
Preciso do AIF-C01 antes do MLA-C02?
Não. Não há pré-requisito. A AWS recomenda, em vez disso, pelo menos 1 ano de experiência prática com SageMaker AI, Bedrock e serviços relacionados. Se IA na AWS é novidade para você, o AIF-C01 é um primeiro passo mais leve.
- #MLA-C02
- #AWS
- #Machine Learning Engineer Associate
- #plano de estudo
- #preparação para certificação