AWS MLA-C01 לעומת AIP-C01: איזו הסמכת AWS AI כדאי לכם לעשות?
ל-AWS יש כעת שתי הסמכות בתחום ה-AI מעל רמת Practitioner. הנה מה שכל אחת בודקת, למי היא מיועדת, ואיזו מהן כדאי לעשות קודם בהתבסס על התפקיד בפועל שלכם.
AWS שינתה את מערך הסמכות ה-AI/ML שלה בשנים 2024-2025 והתוצאה היא שלוש בחינות שעלולות לבלבל אחת עם השנייה:
- AIF-C01 — AWS Certified AI Practitioner. רמה יסודית. 100 דולר ארה"ב. הסיור הידידותי.
- MLA-C01 — AWS Certified Machine Learning Engineer Associate. 150 דולר ארה"ב. הסמכת ה-Associate המעשית. החליפה את הסמכת ה-Specialty הישנה MLS-C01.
- AIP-C01 — AWS Certified AI Engineer Professional. 300 דולר ארה"ב. בחינת ה-Pro-tier החדשה, זמינה באופן כללי מסוף 2025, מיועדת לאדריכלים בכירים העובדים על AI גנרטיבי ומערכות ML בקנה מידה גדול.
אם עברתם את AIF-C01 ובוחרים בין MLA-C01 ל-AIP-C01 — וזו השאלה האמיתית — התשובה תלויה בסוג עבודת ה-AI שאתם עושים ביום-יום. הן אינן רצף כמו SAA → SAP. אלו שתי משרות שונות.
מה בודקת כל בחינה
MLA-C01 (Machine Learning Engineer Associate)
65 שאלות, 130 דקות, ציון עובר מדורג 720/1000. מדריך הבחינה מחולק כך:
| תחום | משקל |
|---|---|
| הכנת נתונים ל-ML | 28% |
| פיתוח מודלי ML | 26% |
| פריסה ותזמור של תהליכי עבודה של ML | 22% |
| ניטור, תחזוקה ואבטחה של פתרונות ML | 24% |
משמעות הדבר: אתם נבחנים על SageMaker מקצה לקצה כמתרגלי ML. Feature Store, Data Wrangler, Processing jobs, Training jobs, כוונון היפרפרמטרים, נקודות קצה מרובות מודלים, הסקה בזמן אמת לעומת אסינכרונית לעומת אצווה, Model Monitor, Clarify, אינטגרציה עם MLflow. בנוסף לשירותי AWS הסובבים — S3, Glue, EMR, Step Functions, EventBridge — כאשר הם מחוברים לתהליך עבודה של ML.
זוהי בחינה מעשית. השאלות מניחות שאימנתם מודל ב-SageMaker, פרסתם אותו, וצפיתם בו סוטה (drift) בייצור. מועמדים תיאורטיים בלבד יתקשו.
AIP-C01 (AI Engineer Professional)
מדריך הבחינה לשנים 2025-2026 כבד יותר על AI גנרטיבי מאשר MLA-C01 בתכנון. צפו ל:
- Amazon Bedrock בעומק אדריכלי — בחירת מודלים (Claude, Llama, Titan, Mistral, Stable Diffusion), הנדסת פרומפטים (prompt engineering), גארדריילים (guardrails), סוכנים (agents), מאגרי ידע (knowledge bases), אפשרויות fine-tuning, ייבוא מודלים מותאמים אישית.
- ארכיטקטורות RAG — מאגרי וקטורים (OpenSearch Serverless עם מנוע וקטורים, Aurora pgvector, Bedrock Knowledge Bases, Kendra), אסטרטגיית חלוקה (chunking strategy), הערכת שליפה (retrieval evaluation).
- הערכת AI גנרטיבי — משימות הערכת מודלים ב-Bedrock, תהליכי הערכה אנושיים, מדידת הזיות (hallucination measurement), בדיקות jailbreak.
- AI אחראי ב-AWS — Bedrock Guardrails, סינון תוכן, הסתרת PII, מעקב ציטוטים (citation traceability).
- MLOps בקנה מידה — רבים מאותם מושגי SageMaker כמו ב-MLA-C01, אך שאלות תרחיש יורדות מספר רמות עמוק יותר, כולל פלטפורמות ML מרובות חשבונות.
- עלות ותפעול בקנה מידה ארגוני — תפוקה מסופקת (provisioned throughput) לעומת לפי דרישה (on-demand) עבור Bedrock, תכנון קיבולת, תכנון רדיוס פיצוץ (blast-radius design).
זוהי בחינה מקצועית בת 180 דקות בעלות של 300 דולר, דומה במבנה ל-SAP-C02 — שאלות תרחיש ארוכות, כמות נדיבה של מסיחים שהם נכונים מבחינה טכנית אך אינם ההתאמה הטובה ביותר.
למי מיועדת כל אחת
MLA-C01 מיועדת למהנדסי ML הבונים מערכות ML בסביבת ייצור. אתם כותבים סקריפטים לאימון, מכווננים היפרפרמטרים, מנפים באגים במשימת אימון שקרסה באפוקה 7. יש לכם כנראה רקע בפייתון מדעי הנתונים והתיידדתם עם SageMaker.
AIP-C01 מיועדת לאדריכלים בכירים, אסטרטגי AI וראשי פלטפורמות המתכננים יכולות AI גנרטיביות בקנה מידה ארגוני. אתם מקבלים החלטות בחירת טכנולוגיה לגבי איזה מודל Bedrock, איזה מאגר וקטורים, איזו מדיניות guardrail. אתם חושבים על ארכיטקטורת RAG, שיעור הזיות, ואיך להשיק צ'אטבוט ל-50,000 עובדים מבלי לדלוף PII.
בערך:
| אם אתם... | קחו... |
|---|---|
| מהנדס ML / מדען נתונים בונה מודלים מותאמים אישית | MLA-C01 |
| מהנדס תוכנה שמחבר Bedrock + RAG לאפליקציות | AIP-C01 |
| אדריכל AI או ראש פלטפורמה | AIP-C01 |
| אדריכל ענן כללי עם סקרנות ל-AI | AIF-C01 קודם, ואז AIP-C01 |
| מחליף קריירה ללא ניסיון ב-AI בסביבת ייצור | AIF-C01, צברו ניסיון, ואז אחת מהן |
ידע מקדים
עבור MLA-C01:
- Python, pandas, numpy, scikit-learn ברמה עבודה.
- הבנה מעשית של אימון מודלים — איך נראה overfitting, מדוע מפצלים ל-train/val/test, מה עושה regularization.
- ניסיון מעשי ב-SageMaker. הבחינה ממשיכה להכשיל אנשים שלמדו את התיעוד אך מעולם לא פרסו נקודת קצה (endpoint).
- הסמכה מקדימה מומלצת: AIF-C01 אם אתם חדשים לשירותי AWS AI. SAA-C03 מועילה אך אינה נדרשת.
עבור AIP-C01:
- יסודות ארכיטקטוניים חזקים של AWS (רמת SAA-C03 מינימום, באופן אידיאלי תחושה של SAP-C02).
- ניסיון מעשי ב-Bedrock — הפעלת מודלים, בניית Knowledge Base קטן, הגדרת Guardrail, הפעלת משימת הערכת מודל.
- היכרות עם לפחות API אחד של foundation-model ברמת הפרומפט. לא תתבקשו לבצע fine-tuning מאפס, אך תתבקשו לתכנן מסגרות החלטה עבור fine-tuning לעומת prompt-tuning לעומת RAG.
- הסמכה מקדימה מומלצת: AIF-C01, ובנוסף באופן אידיאלי MLA-C01 או SAP-C02 כדי להראות חשיבה ברמה מקצועית.
איזו לעשות קודם
התשובה הכנה: זו שמתאימה לתפקיד אליו אתם מועמדים ב-12 החודשים הקרובים. אל תעשו את שתי ההסמכות אלא אם אתם באמת עושים את שני סוגי העבודה — יש להן חפיפה משמעותית ב-SageMaker והבדלים משמעותיים בכל השאר, ורדיפה אחרי שתיהן לשם השלמה היא בערך 200–300 שעות לימוד שתוכלו להשקיע במקום אחר.
אם אתם בתחילת או אמצע הקריירה ובוחרים אחת כדי לעגן מעבר ל-ML, MLA-C01 היא ההימור הבטוח יותר. זו הסמכת ה-associate, היא זולה יותר, ההכנה קונקרטית יותר (ל-SageMaker יש תשובות, ארכיטקטורת AI גנרטיבי עדיין מתפתחת במהירות), וההתאמה לתפקיד רחבה יותר. רוב החברות המגייסות "ML Engineer" בשנת 2026 יזהו את MLA-C01 כסימן אמין.
אם אתם כבר אדריכלים בכירים ובמפת הדרכים שלכם יש "הקמת פלטפורמת AI גנרטיבי פנימית", AIP-C01 היא ההסמכה הנכונה. שאלות מקרה הבוחן על Bedrock, RAG ותכנון פלטפורמת ML מרובת חשבונות יגרמו לכם לתכנן בפועל את הארכיטקטורה שאתם מקבלים תשלום עבור בנייתה.
ציפיות שכר
פיית ההסמכות לא מחלקת משכורות אבל נקודות הנתונים הן:
- levels.fyi 2025-2026 עבור מהנדס ML ב-FAANG: שכר כולל של 200 אלף עד 320 אלף דולר ב-L5 (בכיר); 300 אלף עד 500 אלף דולר+ ב-L6 (staff). אותו טווח חל על "Applied Scientist" ב-AWS.
- U.S. BLS OEWS מאי 2024, מקצוע 15-1221 (Computer and Information Research Scientists, הקטגוריה שבולעת חוקרי ML ומהנדסי ML): חציון 145 אלף דולר, אחוזון 90 בסביבות 230 אלף דולר.
- Glassdoor / Built In עבור "Senior ML Engineer" או "AI Engineer": שכר בסיס של 145 אלף עד 220 אלף דולר במטרופולינים גדולים בארה"ב.
- עבור תפקידי אדריכל AI בכיר / ראש פלטפורמת AI שבהם AIP-C01 רלוונטית ביותר: שכר כולל של 250 אלף עד 400 אלף דולר בחברות טכנולוגיה גדולות, 180 אלף עד 280 אלף דולר בארגונים מבוססים הבונים פלטפורמות AI פנימיות.
הפרש השכר בגין ההסמכה דומה לזה של SAA-C03: 5 אלף עד 20 אלף דולר בזמן שינוי עבודה כאשר ההסמכה נמצאת ברשימת הכישורים, וכמעט אפס כאשר היא לא. הבחירה בין MLA-C01 ל-AIP-C01 עצמה לא משפיעה רבות על השכר — התפקיד שאליו אתם מכוונים משפיע. אדריכל AI בכיר פשוט משתכר יותר ממהנדס ML באותה רמת בכירות מכיוון שהתפקידים הללו נדירים יותר וההשפעה רחבה יותר.
סדר הגיוני
אם אתם עושים את שתיהן:
- AIF-C01 קודם אם אתם חדשים לשירותי AWS AI. סוף שבוע אחד, 100 דולר, ומקבלים את אוצר המילים.
- MLA-C01 שנייה אם אתם מתרגלי ML. דלגו אם אתם אדריכלים בכירים ואינכם כותבים קוד אימון.
- AIP-C01 אחרונה. בחינת ה-pro-tier עובדת בצורה הטובה ביותר לאחר ששלחתם לפחות מערכת אחת מבוססת Bedrock לייצור. ללא זאת, שאלות התרחיש ירגישו מופשטות.
איפה ללמוד
מסלולי AWS Skill Builder רשמיים לשניהם. מדריך הלימוד הרשמי ל-MLA-C01 מלוטש יותר מזה של AIP-C01, פשוט כי AIP-C01 חדש יותר והתכנית עדיין מתגבשת. השוו עם סשני re:Invent 2024-2025 על Bedrock ו-SageMaker; אלו הם למעשה רשימת הקריאה של AIP-C01 בצורת הרצאה.
כשאתם מוכנים לתרגל שאלות, מאגר השאלות של MLA-C01 ו-מאגר השאלות של AIP-C01 ב-CertLabPro מאורגנים לפי משקל התחום כך שתוכלו לתרגל קודם את התחומים הכבדים יותר. בחרו את ההסמכה שמתאימה לעבודה, לא את התג שנראה הכי מבריק.