AWS MLA-C02 Nasıl Çalışılır? ML Engineer Çalışma Planı
MLA-C02 çalışma planı: haftalık saatler, dört alan ve ağırlıkları, MLA-C01'den sonra gelen GenAI konuları, ücretsiz AWS kaynakları ve beta sınavıyla ne yapmalı.
Bu yazıda
AWS üzerinde zaten geliştirme yapıyorsanız MLA-C02 için haftada 6 ila 8 saatle altı ila sekiz hafta ayırın; SageMaker AI ve Bedrock sizin için yeniyse daha uzun. Bu, uzun senaryo sorularından oluşan bir associate sınavı ve MLA-C01'den gelen güncelleme üretken yapay zekânın bütün bir katmanını ekledi: Bedrock, RAG, vektör depoları, ajanlar ve model değerlendirmesi. Eski MLA-C01 notlarıyla çalışmak yerine bu katmanı ayrıca planlayın.
Öne çıkanlar
- Dört alan: veri hazırlama %28, ardından model geliştirme, dağıtım ve orkestrasyon ile operasyon ve güvenlik her biri %24.
- MLA-C01'den sonra yeni olanlar: temel modeller, RAG için doküman hazırlama, vektör depoları, ajan tabanlı iş akışları, GenAI değerlendirmesi.
- Beta şu anda sürüyor (yalnızca İngilizce, 75 USD beta fiyatı). Sonuçlar beta kapandıktan sonra gelir.
Sınav sizden ne bekliyor
MLA-C02, bir ML veya GenAI iş yükünü ham veriden AWS üzerinde izlenen ve güvenliği sağlanmış bir üretim endpoint'ine taşıyıp taşıyamadığınızı ölçer. Sorular senaryodur: bir ekibin kısıtı vardır (gecikme, maliyet, veri konumu, drift) ve siz uygun hizmeti ya da yapılandırmayı seçersiniz. Aşağıdaki bilgiler AWS sertifika sayfasından ve MLA-C02 sınav kılavuzundan alınmıştır, 2026-11-17 tarihinde kontrol edildi.
| Alan | Ağırlık | Neyi yapabilmelisiniz |
|---|---|---|
| ML ve YZ için veri hazırlama | %28 | Veriyi alma ve depolama, özellik mühendisliği, RAG için doküman ve embedding hazırlama, veri kalitesi ve önyargı |
| ML modeli ve temel model geliştirme | %24 | Eğitim, ince ayar ve RAG arasında seçim yapma; eğitme ve ayarlama; ML ve GenAI sistemlerini değerlendirme |
| ML ve YZ iş akışlarının dağıtımı ve orkestrasyonu | %24 | Ajanlar ve RAG dahil endpoint ve altyapı seçimi; MLOps için CI/CD ve pipeline'lar |
| ML ve YZ çözümlerinin işletilmesi, izlenmesi ve güvenliği | %24 | Çıkarımı ve drift'i izleme, maliyet ve performansı ayarlama, endpoint ve verileri koruma |
Veri hazırlama en ağır alandır ve üretken yapay zekâ artık en çok burada karşınıza çıkar: chunking, embedding ve vektör depoları veri işi sayılır.
İşinizin yanında yürüyen sekiz haftalık plan
Alan ağırlıklarına dayanan tahminimiz, AWS rakamı değil:
- Hafta 1: sınavın haritasını çıkarın. Sınav kılavuzunu ve AWS'nin MLA-C01 ile MLA-C02 karşılaştırmasını okuyun. Her görev maddesini kendiniz için yeşil, sarı veya kırmızı işaretleyin.
- Hafta 2–3: veri hazırlama. Veri alma ve depolama seçenekleri, SageMaker veri araçları, özellik mühendisliği, veri kalitesi ve önyargı tespiti, ardından RAG için doküman hazırlama ve AWS'deki vektör deposu seçenekleri.
- Hafta 4: model geliştirme. Yerleşik algoritmalar ile kendi konteynerleriniz, hiperparametre ayarı, temel modele ne zaman ince ayar yapılacağı ve ne zaman RAG'ın yeteceği, hem klasik ML hem GenAI için değerlendirme metrikleri.
- Hafta 5: dağıtım ve orkestrasyon. Gerçek zamanlı, sunucusuz, asenkron ve toplu çıkarım; pipeline'lar ve CI/CD; ajanların ve RAG uygulamalarının nasıl dağıtılıp araçlara bağlandığı.
- Hafta 6: operasyon ve güvenlik. Model ve veri drift'i izleme, maliyet ve doğru boyutlandırma, IAM, şifreleme, ağ yalıtımı ve GenAI endpoint'leri için guardrail'ler.
- Hafta 7–8: süreli pratik. Her gün karışık sorular, ardından süreli tam denemeler. Her yanlışın arkasındaki dokümanı yeniden okuyun, yalnızca cevabı değil.
MLA-C01'i zaten geçtiyseniz 2 ile 6. haftaları GenAI eklerine sıkıştırın ve kazandığınız zamanı süreli pratiğe ayırın.
Kullanmaya değer ücretsiz kaynaklar
- Sınav kılavuzu müfredattır. Her soru, içindeki bir görev maddesine karşılık gelir.
- AWS Skill Builder, bu sertifika için resmi bir alıştırma sorusu seti ve ücretsiz kurslar sunar. Katalog değiştiği için bölgenizde nelerin ücretsiz olduğunu kontrol edin.
- Hizmet dokümanları ve geliştirici kılavuzları: SageMaker AI ve Amazon Bedrock için. Senaryo sorularının cevabı çoğu zaman «ne zaman kullanılır» bölümündeki tek bir satırdadır.
- Uygulamalı çalışma. Bedrock üzerinde küçük bir RAG uygulaması ve izlemeli bir SageMaker endpoint'i kurun. Böyle bir hafta sonu, bir haftalık okumadan fazlasını öğretir.
Puan kaybettiren tuzaklar
- MLA-C01 tarzında cevap vermek. Senaryoda dokümanlar, sohbet botları veya ajanlar geçiyorsa özel bir model değil, Bedrock, RAG veya vektör deposu cevapları bekleyin.
- Kısıt sözcüğünü atlamak. «En düşük operasyonel yük», «en düşük maliyet» ve «gerçek zamana yakın» ifadelerinin her biri farklı cevaplara işaret eder. Seçenekleri okumadan önce altını çizin.
- Gereğinden fazla karmaşıklaştırmak. AWS sınavlarında senaryo dışlamadıkça genellikle yönetilen seçenek kazanır.
- Çoklu cevaplı sorular. Kaç cevap istendiğini okuyun. Kısmi cevaplar sıfır puan alır.
Beta mı, genel kullanım mı?
AWS, MLA-C02 betasını 29 Eylül 2026'da yalnızca İngilizce olarak, 170 dakikada 85 soruyla ve 75 USD beta fiyatıyla açtı. 2026-11-17 itibarıyla sertifika sayfasında genel kullanıma açılış tarihi yer almıyor. Beta sonuçları AWS betayı bitirdikten sonra gelir; bu yüzden betaya şimdi yalnızca hazırsanız ve sertifikaya belirli bir tarihe kadar ihtiyacınız yoksa girin. Tüm bilgiler ve alıştırma seti için MLA-C02 örnek sorularına bakın.
TokIQ ile pratik yapın
TokIQ'nun MLA-C02 modu dört alan boyunca günlük bir oturum oluşturur, yanlış cevaplanan soruları geri getirir ve her sorunun arkasında AWS dokümanına bağlantı olan deneme sınavları içerir. MLA-C02 sınav sayfasını açın veya temel sınavlarla önce hangi yapay zekâ sertifikası alınmalı yazısında karşılaştırın. TokIQ bağımsızdır ve AWS ile bağlantılı değildir.
Sık sorulan sorular
MLA-C02'ye çalışmak ne kadar sürer?
Tahminimiz, işte zaten SageMaker AI veya Bedrock kullanıyorsanız altı ila sekiz haftada 40 ila 60 saat, AWS sizin için yeniyse daha fazla. AWS bir çalışma süresi yayımlamaz; bunu resmi bir rakam değil, planlama için bir sayı olarak düşünün.
MLA-C02, MLA-C01'den daha mı zor?
Daha geniş. MLA-C02, MLA-C01'in ML mühendisliği çekirdeğini korur ve temel modeller ile üretken yapay zekâyı ekler: Amazon Bedrock, RAG, vektör depoları, ajanlar ve LLM-as-a-judge gibi değerlendirme yöntemleri. MLA-C01 notlarınızın hepsi klasik ML ise, çalışmanız gereken yeni konular var.
MLA-C02 beta sınavına girmeli miyim?
Şimdi hazırsanız ve indirimli beta fiyatını istiyorsanız girin (AWS sertifika sayfasında 75 USD, 2026-11-17 tarihinde kontrol edildi). Beta sonuçları AWS betayı kapattıktan sonra, normalden geç gelir ve beta yalnızca İngilizcedir. Sonuca belirli bir tarihe kadar ihtiyacınız varsa genel kullanıma açılmayı bekleyin.
MLA-C02 geçme puanı nedir?
Sınav kılavuzu, 100 ile 1.000 arasında ölçeklenmiş bir puan ve en az 720 geçme puanı belirtir. Puanlama telafilidir; yani sınavı bütün olarak geçersiniz, her alanı ayrı ayrı değil.
MLA-C02'den önce AIF-C01 gerekir mi?
Hayır. Ön koşul yok. AWS bunun yerine SageMaker AI, Bedrock ve ilgili hizmetlerle en az 1 yıllık uygulamalı deneyim önerir. AWS'de yapay zekâ sizin için yeniyse AIF-C01 daha yumuşak bir ilk adımdır.
- #MLA-C02
- #AWS
- #Machine Learning Engineer Associate
- #çalışma planı
- #sertifika hazırlığı