Os 4 domínios do MLA-C01: o que mais cai no exame
O MLA-C01 cobre 4 domínios com pesos distintos: Data Preparation for ML (28%) — ingestão, transformação, feature engineering com SageMaker Data Wrangler, Glue, Athena, S3; ML Model Development (26%) — escolha de algoritmo, treinamento, ajuste de hiperparâmetros com SageMaker Training Jobs, AutoML, Bedrock; Deployment and Orchestration (22%) — SageMaker Endpoints (real-time, async, batch), MLflow, Step Functions; Monitoring, Maintenance and Security (24%) — Model Monitor, drift detection, CloudWatch, IAM, KMS.
Ordem recomendada de estudo: Data Preparation primeiro (base prática de ML), depois Model Development (algoritmos + SageMaker). Deployment e Monitoring por último (mais operacional, exige contexto dos dois primeiros). Pra quem já tem experiência em ML fora da AWS, foco em SageMaker Studio + serviços específicos (Pipelines, Feature Store, Model Registry).
