AWS Certified AI Practitioner
270 שאלות תרגול
נבדק לאחרונה: April 2026
הערות אישיות וקישורים למשאבים למסע הלמידה שלך
סנן לפי הסמכה
ההסמכה AWS Certified AI Practitioner (AIF-C01) היא תעודה ברמת יסוד שהוצגה על ידי AWS באוקטובר 2024 כדי לאמת הבנה מעשית של שירותי AI, למידת מכונה (ML) ו-AI גנרטיבי (Generative AI) ב-AWS. היא מיועדת לתפקידים שאינם הנדסיים — מנהלי מוצר, אנליסטים עסקיים, מהנדסי מכירות ומקבלי החלטות טכניים — וכן למפתחים הנכנסים למערכת האקולוגית של AWS AI לראשונה. הבחינה מתמקדת בבקיאות מושגית ולא בקוד מעשי: צפו לשאלות על מודלי יסוד (foundation models), הנדסת פרומפטים (prompt engineering), הנחיות AI אחראי (responsible-AI) והתאמת שירותי AWS (Amazon Bedrock, SageMaker, Comprehend, Transcribe, Rekognition) למקרי שימוש אופייניים.
אוצר מילים בסיסי בלמידת מכונה (ML) (למידה מונחית לעומת למידה בלתי מונחית, אימון לעומת הסקה, הערכת מודלים). סטטיסטיקה קלה. כשחמישית מהשאלות מתייחסות לתחום זה.
מודלי יסוד (Foundation models), יסודות טרנספורמרים (transformer basics), הטמעות (embeddings), דפוסי RAG, טכניקות הנדסת פרומפטים (prompt engineering). התחום הבודד הגדול ביותר, מהווה 24% מהבחינה.
התחום הגדול ביותר מבחינת משקל. בחירת שירות ה-GenAI הנכון של AWS עבור מקרה שימוש (Bedrock עבור LLMs, SageMaker JumpStart עבור כוונון עדין (fine-tuning), Comprehend עבור NLP). צפו לשאלות תרחיש.
הטיה, הוגנות, הסברתיות, הפחתת הזיות (hallucination mitigation), ממשל נתונים (data governance). משקל נמוך יותר (14%) אך שאלות בעלות צפיפות גבוהה.
שירותים שתפגוש במבחן ומדוע כל אחד מהם חשוב.
שירות מנוהל לחלוטין שמספק גישה דרך API אחיד למודלי יסוד מ-Anthropic, Meta, Mistral, AI21, Cohere, Stability AI ו-Amazon Titan.
מדוע הוא במבחן: Bedrock עומד במרכז דומיין 3 (יישומים של מודלי יסוד) — צפו לשאלות תרחיש על בחירת מודלים, פרמטרי inference וההבדל בין שירות מנוהל לעצמי-מארח.
RAG (retrieval-augmented generation) מנוהל מעל מסמכים ב-S3 ומאגר וקטורי, עם chunking, embeddings ותמיכת ציטוטים מובנים.
מדוע הוא במבחן: RAG הוא התשובה הקנונית ל"איך מעגנים מודל יסוד בנתונים פרטיים בלי fine-tuning?" — תרחיש חוזר ב-AIF-C01.
שכבת מדיניות שמסננת תוכן מזיק, חוסמת נושאים אסורים, מסתירה PII ומעגנת תשובות כדי לצמצם הזיות.
מדוע הוא במבחן: דומיין 4 (הנחיות ל-AI אחראי) בוחן איך מצמצמים הזיות ופלטים לא בטוחים — Guardrails הוא התשובה המקומית של AWS.
שכבת תזמור שמאפשרת למודל יסוד לקרוא ל-APIs, לתשאל מאגרי ידע ולשרשר פעולות רב-שלביות באמצעות tool use.
מדוע הוא במבחן: Agents ממופים ישירות לתרחישי "תזמור AI / נקיטת פעולה" בדומיין 3; צפו לשאלות שמבחינות בין Agents ל-Bedrock inference רגיל.
עוזר Generative AI מנוהל של AWS — Q Developer לכתיבת קוד בתוך IDEs וב-AWS Console, ו-Q Business לשאלות-תשובות על נתוני ארגון.
מדוע הוא במבחן: AIF-C01 מציג את Q כצרכן הארוז של יכולות מודלי היסוד; שאלות בוחנות מתי לבחור ב-Q לעומת בנייה ישירה על Bedrock.
פלטפורמת ML מקצה לקצה הכוללת notebooks, משימות אימון, כוונון היפר-פרמטרים, נקודות קצה מנוהלות ל-inference וצינורות MLOps.
מדוע הוא במבחן: SageMaker היא פלטפורמת הייחוס למחזור החיים המלא של ML בדומיין 2 (יסודות AI ו-ML) — צפו לשאלות על אימון לעומת inference לעומת deployment.
קטלוג של מודלי יסוד ומודלים ייעודיים מאומנים מראש עם פריסה בלחיצה אחת ו-notebooks ל-fine-tuning.
מדוע הוא במבחן: AIF-C01 מבחין בין "שימוש במודל בנוי מראש" (JumpStart) לבין "קריאה ל-API מארח" (Bedrock) — הכרת הגבול הזה היא שאלת בחינה תכופה.
כלי לזיהוי הטיות ולהסברתיות שמייצר ייחוסי SHAP למאפיינים ומדדי הטיה לפני ואחרי האימון על פלטים טבלאיים ופלטים של מודלי יסוד.
מדוע הוא במבחן: דומיין 4 (AI אחראי) בוחן זיהוי הטיות והסברתיות — Clarify הוא שירות AWS שמוזכר בשם בשאלות האלה.
שירות NLP מנוהל לניתוח סנטימנט, זיהוי ישויות, חילוץ ביטויי מפתח, זיהוי שפה ואיתור PII.
מדוע הוא במבחן: ב-AIF-C01 מצופה לבחור את שירות ה-AI הבנוי-מראש המתאים לכל תרחיש; Comprehend הוא התשובה הקנונית ל"ניתוח טקסט בלי לאמן מודל".
שירות ראייה ממוחשבת לזיהוי תוויות, ניתוח פנים, מיתון תוכן, זיהוי מפורסמים וזיהוי פעילות בווידאו.
מדוע הוא במבחן: התשובה המוצעת לתרחישי "יש לי תמונות/וידאו, אין לי צוות ML" — מופיעה בשאלות לבחירת שירות לרוחב דומיינים 2 ו-3.
שירות להבנת מסמכים שמחלץ טקסט, זוגות מפתח-ערך, טבלאות ושדות טפסים מקובצי PDF ומתמונות סרוקות.
מדוע הוא במבחן: ההבחנה בין Textract (חילוץ מסמכים מובנה) לבין Rekognition Detect Text (OCR גנרי) היא דפוס מסיח חוזר ב-AIF-C01.
שירות דיבור-לטקסט עם זיהוי דובר, אוצר מילים מותאם אישית, streaming בזמן אמת וגרסאות רפואיות ולניתוח שיחות.
מדוע הוא במבחן: מתחבר ל-Comprehend בצינורות "אודיו → טקסט → ניתוח" שמופיעים בשאלות תרחיש על workflows משולבים של AI.
שירות TTS עם קולות נוירוניים וגנרטיביים בעשרות שפות, תמיכת SSML ולקסיקונים מותאמים אישית.
מדוע הוא במבחן: אפשרות ה-TTS הבנויה-מראש שמושווית מול אימון קול ייעודי — שאלות בוחנות מתי Polly מספיק ומתי נדרש SageMaker.
תרגום מכונה נוירוני ביותר מ-75 שפות, עם טרמינולוגיה מותאמת אישית ו-Active Custom Translation לניסוחים תחומיים.
מדוע הוא במבחן: התשובה הצפויה לכל שאלה שמברר איך מתרגמים תוכן בלי לאמן מודל תרגום משלך.
שירות AI שיחתי לבניית צ'אטבוטים בטקסט ובקול עם intents, slots ופלט דיבור מבוסס Polly.
מדוע הוא במבחן: AIF-C01 ממסגר את Lex כאפשרות השיחתית הבנויה-מראש בניגוד לעוזרים מותאמים אישית המבוססים על Bedrock Agents.
חיפוש ארגוני מבוסס ML על פני מסמכים, SharePoint, Confluence ובסיסי נתונים, עם הבנת שאילתות בשפה טבעית.
מדוע הוא במבחן: מופיע כקו בסיס של retrieval לא-גנרטיבי להשוואה מול Bedrock Knowledge Bases כשחביון או רעננות חשובים יותר מסינתזה.
בקרת גישה ברמת החשבון: משתמשים, roles, מדיניות, federation והרשאות least-privilege לכל קריאה של שירות AI.
מדוע הוא במבחן: דומיין 5 (אבטחה, ציות וממשל) בוחן דפוסי least-privilege לגישה ל-Bedrock/SageMaker — IAM roles ומדיניות הם המנגנון שמוזכר בשם.
יצירה ושליטה מנוהלת במפתחות הצפנה המשמשים להצפנת נתוני אימון, ארטיפקטים של מודלים ופלטי inference במנוחה.
מדוע הוא במבחן: הצפנה במנוחה עם מפתחות בניהול לקוח היא התשובה הסטנדרטית בבחינה להגנה על משקלי מודל וקורפוסי אימון.
שירות מנוהל לאיתור נתונים רגישים שמשתמש ב-ML כדי לאתר PII, אישורי גישה ונתונים פיננסיים בדליי Amazon S3.
מדוע הוא במבחן: מצוטט בשאלות מדומיינים 4/5 על סריקת קורפוסי אימון ומאגרי מסמכים ל-RAG לאיתור נתונים רגישים לפני שהם מגיעים למודל.
מדדים, לוגים והתראות לרוחב שירותי AWS — כולל לוגי invocation של Bedrock, מדדי endpoints של SageMaker ופלטי model-monitor.
מדוע הוא במבחן: הבחינה מצפה ל-CloudWatch לניטור שוטף של drift המודל, עלות ובריאות תפעולית לאחר הפריסה.
$90k–$135k–$195k USD שנתי
הטווח מכסה תפקידי AI/ML בארה"ב, ברמת ביניים עד בכירה, שבהם נדרשת מיומנות ב-AWS. תפקידי כניסה ושווקים שאינם באזורי חוף נוטים להיות נמוכים יותר; תפקידים בכירים בחברות FAANG / חד קרן נוטים להיות גבוהים משמעותית (לעתים קרובות 250 אלף דולר+ TC). ההסמכה לבדה אינה פותחת את השכר הזה — היא משלימה ניסיון מוכח.
מקור: מבוסס על levels.fyi 2025 תפקידי ענן-AI, ו-U.S. BLS OEWS מאי 2024 (15-1252 מפתחי תוכנה, 15-2099 מדעני ML). הנתונים משוערים; התגמול בפועל תלוי בתפקיד, באזור ובניסיון.
גיוס עובדי AI/ML בתשתיות ממוקדות AWS הואץ במהלך 2024–2026 ככל שאימוץ GenAI בארגונים עבר משלב פיילוט לשלב ייצור. ה-AIF-C01 משמש כאות סינון בתפקידים שבהם קידוד ML עמוק אינו נדרש — מגייסים ומנהלי גיוס משתמשים בו כדי לסנן מועמדים שיכולים לדבר באופן אמין על Bedrock, SageMaker, ארכיטקטורות RAG, ופשרות של AI אחראי. כתעודה יסודית, היא אינה מכשירה בפני עצמה מועמדים לתפקידי הנדסת ML; עבור אלה, ההסמכה AWS Machine Learning Engineer Associate (MLA-C01) או הסמכות התמחות (specialty certs) הן אותות חזקים יותר.
אין דרישות קדם רשמיות. AWS ממליצה על שישה חודשים של חשיפה למקרי שימוש של AI/ML ב-AWS, אך הבחינה נגישה באמת לכל מי שעבר את מסלול הלמידה הרשמי של AWS AI Practitioner (כ-20 שעות של תוכן Skill Builder) ובעל הבנה בסיסית של ענן.
אם אין לכם שום רקע ב-AWS, השלמת ה-AWS Certified Cloud Practitioner (CLF-C02) תחילה תהפוך את AIF-C01 לקל יותר באופן ניכר — שאלות רבות ב-AIF-C01 מניחות היכרות בסיסית עם שמות שירותי AWS, מודל האחריות המשותפת (shared-responsibility model) ומושגי IAM בסיסיים.
AIF-C01 מדורג ברמת יסוד — זוהי אחת ההסמכות הנגישות יותר של AWS. צפו ללמוד 30–60 שעות במשך 4–6 שבועות אם אין לכם רקע קודם ב-AI/ML או AWS; 15–25 שעות במשך 2–3 שבועות אם יש לכם אחד מהם. הבחינה היא רב-ברירתית (multiple-choice) ורב-תשובתית (multiple-response), 65 שאלות מדורגות ב-90 דקות, ללא מעבדות מעשיות.
המכשול הנפוץ ביותר הוא רוחב שמות שירותי ה-GenAI של AWS — ישנם בערך תריסר שירותים בעלי שם ברחבי Bedrock, SageMaker, Comprehend, Transcribe, Polly, Translate, Textract, Kendra, Rekognition, ו-Q. שינון איזה שירות מתאים לאיזה מקרה שימוש (יצירת טקסט לעומת סיכום לעומת סיווג לעומת תמלול) הוא רוב מה שמבדיל בין מעבר לכישלון.
זמינות כללית ראשונית. בחינת בטא התקיימה מאוגוסט עד אוקטובר 2024 במחיר מוזל. גרסה נוכחית נכון לאפריל 2026.
AIF-C01 (AWS Certified AI Practitioner) הוא מבחן ברמת Foundational נחשב למבחן ברמת כניסה הבודק רוחב הבנה מושגית ולא עומק מעשי. רוב המועמדים זקוקים ל-30–80 שעות לימוד הפרוסות על פני 3–6 שבועות עבור מבחני רמת יסוד. רוב המועמדים שמקבלים ציונים באופן עקבי מעל סף המעבר במבחני תרגול עוברים בניסיון הראשון.
רוב המועמדים זקוקים ל-30–80 שעות לימוד הפרוסות על פני 3–6 שבועות עבור מבחני רמת יסוד. משך הזמן למעבר משתנה מאוד בהתאם לניסיון קודם. מהנדסים בעלי ניסיון מעשי בסביבת ייצור בטכנולוגיה הבסיסית זקוקים בדרך כלל לפחות זמן; מועמדים חדשים לפלטפורמה צריכים לתכנן את לימודיהם לכיוון הקצה העליון של טווח זה.
AIF-C01 הוא אישור מוכר במערכת האקולוגית של AWS ומסמן ידע מאומת למעסיקים, מגייסים ולקוחות. האם זה שווה את הזמן והעמלה עבורך תלוי בתפקיד ובמטרות שלך – זה נוטה להשתלם ביותר עבור מהנדסי ענן, אדריכלים ויועצים שעובדים עם AWS על בסיס יומיומי או רוצים לעבור לתפקידים כאלה.
ציון המעבר עבור AIF-C01 הוא 700 / 1000. המבחן מכיל 65 שאלות ונמשך 1 שע' 30 דק'.
עמלת מבחן ה-AIF-C01 היא $100 USD. העמלות נקבעות על ידי AWS ועשויות להשתנות לפי אזור; תמיד אשרו את המחיר הנוכחי בדף ההסמכה הרשמי של AWS לפני ההזמנה.
הסמכות AWS תקפות למשך 3 שנים. ניתן לחדש הסמכה על ידי מעבר הגרסה הנוכחית של אותו מבחן, או על ידי מעבר מבחן ברמה גבוהה יותר באותו מסלול לפני התפוגה.
כן. ניתן לגשת למבחן באופן מקוון (בפיקוח דרך הדפדפן המאובטח של הספק, זמין 24/7 ברוב האזורים) או במרכז בחינה פיזי של Pearson VUE בשעות הפעילות. שני הפורמטים משתמשים באותן שאלות, מגבלת זמן וציון מעבר.
CertLabPro מספק 15 מצבי לימוד על פני בנק השאלות לתרגול עבור AIF-C01. מצב סימולציית המבחן משקף את המבחן האמיתי: 65 שאלות ב-1 שע' 30 דק', עם אותו סף מעבר של 700 / 1000. מצב עיון מאפשר לך לקרוא כל שאלה ותשובה באופן סטטי.