Il s'adresse à ceux qui souhaitent valider les compétences d'ingénierie ML de bout en bout d'AWS, notamment les ingénieurs de données, les développeurs d'algorithmes d'IA et les architectes cloud. Il est particulièrement adapté aux praticiens qui envisagent de se lancer dans le MLOps ou qui ont besoin d'une certification officielle AWS pour améliorer leur compétitivité.

65 questions/180 minutes, incluant des questions à choix unique, à choix multiples et des questions d'analyse situationnelle (pondération 50%). La note de passage est de 750/1000 points. Les questions expérimentales portent sur la construction du pipeline SageMaker et le réglage des hyperparamètres XGBoost.

L'évaluation principale comprend SageMaker (ingénierie des fonctionnalités/enregistrement de modèles/points de terminaison), le déploiement de fonctions Lambda, l'optimisation des instances EC2, l'automatisation de CloudFormation et l'intégration de S3 et Glue dans les scénarios de lac de données.

Au moins six mois d'expérience pratique avec AWS ML sont requis. Il est recommandé d'obtenir au préalable la certification Cloud Practitioner Basic, de maîtriser les bases de Python et SQL et de se concentrer sur le « Guide de développement SageMaker Full Stack » pour accélérer la phase d'apprentissage.