AWS ML इंजीनियर एसोसिएट (MLA-C01): नए सर्ट से क्या उम्मीद करें

MLA-C01 अगस्त 2024 में GA हो गया और चुपचाप AWS ML सर्टिफ़िकेशन बन गया जो आपके समय के लायक है। इसने पुराने मशीन लर्निंग स्पेशियल्टी (MLS-C01) की जगह ली, जिसे 2024 में बंद कर दिया गया था — हालांकि MLS-C01 अभी भी पुरानी स्टडी गाइड्स पर दिख रहा है क्योंकि इंटरनेट AWS के शेड्यूल के हिसाब से अपडेट नहीं होता। यदि आप यह जानने के लिए यहाँ आए हैं कि MLS-C01 या MLA-C01 में से किसका अध्ययन करें, तो उत्तर MLA-C01 है। पुराना सर्टिफ़िकेशन समाप्त हो चुका है।

दिलचस्प बात यह है कि दायरे में बदलाव आया है। MLS-C01 डेटा-साइंस पक्ष पर अधिक केंद्रित था — एल्गोरिथम का चुनाव, हाइपरपैरामीटर ट्यूनिंग, XGBoost बनाम न्यूरल नेट का उपयोग कब करें इसका गणित। MLA-C01 पूरी तरह से दूसरी दिशा में जाता है। यह एक इंजीनियरिंग परीक्षा है। SageMaker डिप्लॉयमेंट, MLOps पाइपलाइन, मॉनिटरिंग ड्रिफ्ट, एंडपॉइंट्स को डीबग करना। यदि आप एक ऐसा सर्टिफ़िकेशन चाहते थे जो यह परीक्षण करे कि आप एक मॉडल को प्रशिक्षित कर सकते हैं, तो यह वह नहीं है। यदि आप एक ऐसा सर्टिफ़िकेशन चाहते थे जो यह परीक्षण करे कि आप एक मॉडल को शिप और संचालित कर सकते हैं, तो MLA-C01 बिल्कुल वही है।

प्रारूप

65 प्रश्न, 170 मिनट, $150, स्केल किया गया उत्तीर्ण स्कोर 720/1000। चार डोमेन:

• ML के लिए डेटा तैयारी (28%)
• ML मॉडल डेवलपमेंट (26%)
• ML वर्कफ़्लो का डिप्लॉयमेंट और ऑर्केस्ट्रेशन (22%)
• ML सॉल्यूशन मॉनिटरिंग, मेंटेनेंस और सिक्योरिटी (24%)

पहली नज़र में यह वितरण भ्रामक है। "ML मॉडल डेवलपमेंट" मॉडलों को प्रशिक्षित करने जैसा लगता है, लेकिन MLA-C01 में यह वास्तव में बिल्ट-इन SageMaker एल्गोरिदम चुनने और ट्रेनिंग जॉब्स को कॉन्फ़िगर करने के बारे में है। आपसे स्क्रैच से एक ट्रांसफ़ॉर्मर डिज़ाइन करने के लिए नहीं कहा जाता है।

यह सर्टिफ़िकेशन किसके लिए है

ईमानदारी से, तीन समूह:

डेटा इंजीनियर जो ML में शामिल हुए हैं। आपने पाइपलाइन बनाईं। अब आपकी टीम को API Gateway के पीछे SageMaker एंडपॉइंट्स की आवश्यकता है और आप ही इसे जोड़ रहे हैं। MLA-C01 इस कार्य से बारीकी से जुड़ा है।

ML फीचर्स शिप करने वाले बैकएंड इंजीनियर। आप मॉडल को प्रशिक्षित नहीं कर रहे हैं। एक डेटा साइंटिस्ट आपको एक मॉडल आर्टिफैक्ट देता है और आपको उसे डिप्लॉय करना, मॉनिटर करना, रिट्रेन करना और अगर उसमें ड्रिफ्ट हो तो रोलबैक करना होगा। यह उसी के लिए सर्टिफ़िकेशन है।

ML प्लेटफ़ॉर्म की ओर बढ़ रहे क्लाउड इंजीनियर। आप पहले से ही IAM, VPCs, S3 लाइफसाइकिल, CloudWatch के साथ सहज हैं। अब आपको SageMaker के रूपों को सीखने की आवश्यकता है। MLA-C01 इसे करने का एक केंद्रित तरीका है।

यह उन डेटा साइंटिस्ट्स के लिए सर्टिफ़िकेशन नहीं है जो मॉडल R&D करते हैं। वे एक अलग सर्टिफ़िकेशन चाहते हैं — शायद AWS-विशिष्ट कुछ भी नहीं, या यदि वे कोई भी क्लाउड संकेत चाहते हैं तो संभवतः GCP Professional ML Engineer। AWS का प्योर-ML सर्टिफ़िकेशन चला गया है; AIF-C01 (AI प्रैक्टिशनर) मूलभूत और हल्का है; AIP-C01 (GenAI डेवलपर प्रो) प्रोफेशनल टियर में नया भारी-ML सर्टिफ़िकेशन है।

इसमें वास्तव में क्या शामिल है

SageMaker, ऊपर से नीचे तक। SageMaker Studio, ट्रेनिंग जॉब्स (बिल्ट-इन एल्गोरिदम, BYO कंटेनर, स्क्रिप्ट मोड), प्रोसेसिंग जॉब्स, बैच ट्रांसफ़ॉर्म, मॉडल रजिस्ट्री, एंडपॉइंट्स (रीयल-टाइम, सर्वरलेस, एसिंक्रोनस, मल्टी-मॉडल), शैडो टेस्ट, A/B मॉडल वेरिएंट, ऑटोस्केलिंग। SageMaker Canvas, फ़ाउंडेशन मॉडल्स के लिए SageMaker JumpStart, ऑर्केस्ट्रेशन के लिए SageMaker Pipelines भी।

आपको हर बिल्ट-इन एल्गोरिदम को दिल से जानने की ज़रूरत नहीं है। आपको मोटे तौर पर यह जानना होगा कि लीनियर लर्नर बनाम XGBoost बनाम DeepAR बनाम Object2Vec का उपयोग कब करना है, और ट्रेनिंग जॉब्स को Spot, डिस्ट्रीब्यूटेड ट्रेनिंग और मैनेज्ड वार्म पूल्स का उपयोग करने के लिए कैसे कॉन्फ़िगर करना है।

AWS पर डेटा तैयारी। AWS Glue, Glue DataBrew, EMR, Kinesis Data Streams / Firehose / Analytics, Athena, SageMaker Data Wrangler, SageMaker Feature Store। इस परीक्षा में बहुत सारी डेटा इंजीनियरिंग शामिल है। यदि आपने DEA-C01 लिया है, तो MLA-C01 का ~25% परिचित लगेगा।

MLOps पैटर्न। SageMaker Pipelines, AWS Step Functions, ट्रिगर्स के लिए EventBridge, CodePipeline इंटीग्रेशन, ब्लू/ग्रीन मॉडल डिप्लॉयमेंट, कैनरी रोलआउट्स, मॉडल रजिस्ट्री अप्रूवल, ML के लिए CI/CD। प्योर CI/CD पर DOP-C02 जितना गहरा नहीं है लेकिन ठोस कवरेज है।

मॉनिटरिंग और ड्रिफ्ट। SageMaker Model Monitor (डेटा क्वालिटी, मॉडल क्वालिटी, बायस ड्रिफ्ट, फ़ीचर एट्रीब्यूशन ड्रिफ्ट), बायस और एक्सप्लेनेबिलिटी के लिए SageMaker Clarify, मॉडल डैशबोर्ड। एंडपॉइंट्स के लिए CloudWatch मेट्रिक्स। यह उन कम आंके गए विषयों में से एक है — अधिकांश उम्मीदवार इसे सरसरी तौर पर पढ़ते हैं क्योंकि मॉनिटरिंग उबाऊ लगता है, फिर वास्तविक परीक्षा में इसके बारे में 12 प्रश्न होते हैं।

सिक्योरिटी। SageMaker के लिए IAM, ट्रेनिंग डेटा और मॉडल आर्टिफैक्ट्स के लिए KMS एन्क्रिप्शन, SageMaker के लिए VPC मोड, नेटवर्क आइसोलेशन, SageMaker Role Manager, एंडपॉइंट्स के लिए PrivateLink, ऑडिट लॉगिंग।

क्या बहुत अधिक परखा नहीं जाता (अच्छी खबर)

• प्योर ML थ्योरी। आपको कैलकुलस की ज़रूरत नहीं है। आपको बैकप्रॉप को डिराइव करने की ज़रूरत नहीं है। आपसे यह नहीं पूछा जाता है कि कौन सा ऑप्टिमाइज़र बेहतर है।
• डीप लर्निंग आर्किटेक्चर डिज़ाइन। ट्रांसफ़ॉर्मर हेड काउंट्स चुनने पर कोई प्रश्न नहीं।
• सांख्यिकीय परिकल्पना परीक्षण। पुराने MLS-C01 में यह था; MLA-C01 ने इसमें से अधिकांश को हटा दिया।
• जनरेटिव AI विशिष्टताएँ। वह AIF-C01 (फ़ाउंडेशनल) और AIP-C01 (प्रो) है। MLA-C01 JumpStart और Bedrock का उल्लेख इंटीग्रेशन स्तर पर करता है, गहराई से नहीं।

अध्ययन कैसे करें

संसाधन अभी भी विकसित हो रहे हैं — यह सर्टिफ़िकेशन केवल ~20 महीने पुराना है। अप्रैल 2026 तक:

• AWS Skill Builder में आधिकारिक MLA-C01 लर्निंग पाथ है। यह अच्छा और अकाउंट के साथ मुफ़्त है।
• Stephane Maarek के पास Udemy पर एक MLA-C01 कोर्स है जो अच्छी गति से चलता है।
• Adrian Cantrill ने 2025 के अंत तक एक पूर्ण MLA-C01 कोर्स जारी नहीं किया था — जाँच करें कि क्या यह अब तक मौजूद है। यदि ऐसा होता है, तो यह सबसे गहरा विकल्प होगा।
• Tutorials Dojo के पास अभ्यास परीक्षाएँ और स्पष्टीकरण हैं। गुणवत्ता ठोस है।
• AWS Skill Builder पर आधिकारिक अभ्यास परीक्षाएँ। वास्तविक चीज़ के सबसे करीब।

SAA-C03 की तुलना में हैंड्स-ऑन अधिक मायने रखता है। एक SageMaker Studio डोमेन तैयार करें, Kaggle डेटासेट पर एक बिल्ट-इन एल्गोरिदम को प्रशिक्षित करें, एक रीयल-टाइम एंडपॉइंट पर डिप्लॉय करें, इसे curl से हिट करें, फिर उसी मॉडल को एक सर्वरलेस एंडपॉइंट पर डिप्लॉय करें और कोल्ड-स्टार्ट पर ध्यान दें। एंडपॉइंट पर मॉडल मॉनिटर सेट करें और एक ड्रिफ्ट अलर्ट ट्रिगर करें। इस पूरी एक्सरसाइज में AWS बिल में $5–$15 का खर्च आता है और यह आपको परीक्षा का 30% सिखाता है।

समय बजट:

• ML अनुभव वाले डेटा इंजीनियर या बैकएंड इंजीनियर: 10 घंटे/सप्ताह के हिसाब से 6-8 सप्ताह।
• ML पृष्ठभूमि के बिना क्लाउड इंजीनियर: 12 सप्ताह। कुछ वास्तविक बनाएँ।
• AWS पक्ष सीख रहे डेटा साइंटिस्ट: 6-10 सप्ताह, मुख्य रूप से डिप्लॉयमेंट और ऑप्स विषयों पर।

करियर संकेत: अभी भी उभर रहा है

यहाँ मैं अनिश्चितता के बारे में ईमानदार रहूँगा: MLA-C01 साफ सैलरी डेटा के लिए बहुत नया है। levels.fyi और Glassdoor अभी तक इसे एक अलग क्रेडेंशियल के रूप में क्लस्टर नहीं करते हैं — 2026 में अधिकांश "ML इंजीनियर" भूमिकाएँ अभी भी MLS-C01 (जो अब मौजूद नहीं है) या बिल्कुल भी AWS सर्टिफ़िकेशन सूचीबद्ध नहीं करती हैं। जो नौकरी पोस्टिंग MLA-C01 का उल्लेख करती हैं वे औपचारिक ML प्लेटफ़ॉर्म टीमों वाली मध्यम से बड़ी कंपनियों में केंद्रित हैं।

अनौपचारिक डेटा और बातचीत से मैं यह कह सकता हूँ: 2026 में प्रमुख अमेरिकी महानगरों में सीनियर ML इंजीनियर $180k–$280k बेस सैलरी पाते हैं, FAANG-टियर की दुकानों पर TC $400k+ तक पहुँच जाता है। MLA-C01 यह संख्या अपने आप में ज्यादा नहीं बढ़ाता — अनुभव ऐसा करता है। यह सर्टिफ़िकेशन शायद $5k–$15k के लायक है, ठीक उसी तरह जैसे SAA-C03 SA भूमिकाओं के लिए है: एक रिक्रूटर-सामने का संकेत कि आपने ज्ञान की एक सीमा पार कर ली है।

MLA-C01 क्या स्पष्ट रूप से संकेत देता है: कि आप बिना कुछ तोड़े एक मॉडल को नोटबुक से प्रोडक्शन एंडपॉइंट तक ले जा सकते हैं। जो, यदि आप एक ML प्लेटफ़ॉर्म टीम के लिए हायरिंग मैनेजर हैं, तो आप बिल्कुल यही जानना चाहते हैं।

तुलना: MLA-C01 बनाम विकल्प

• AIF-C01 मूलभूत है। इसे लें यदि आप गैर-इंजीनियरिंग भूमिकाओं के लिए एक सामान्य AI संकेत चाहते हैं। यह MLA-C01 की जगह नहीं लेता है।
• AIP-C01 प्रो-टियर GenAI डेवलपर सर्टिफ़िकेशन है। यह जनरेटिव AI इंटीग्रेशन (Bedrock, प्रॉम्प्ट इंजीनियरिंग, RAG पैटर्न) पर अधिक केंद्रित है। इसे लें यदि आपका काम LLM फीचर्स को शिप करना है। यदि आप ML और GenAI दोनों का संकेत चाहते हैं तो इसे MLA-C01 के बाद करें।
• DEA-C01 (डेटा इंजीनियर एसोसिएट) डेटा तैयारी पक्ष पर MLA-C01 के साथ लगभग 25% ओवरलैप करता है। यदि आप दोनों करते हैं, तो पहले DEA-C01 लें।
• GCP Professional ML Engineer (PMLE) Google Cloud पर सबसे करीबी समकक्ष है। यह Vertex AI और TPU विशिष्टताओं पर अधिक केंद्रित है। यह विनिमेय नहीं है लेकिन समान आकार का है।

निचला रेखा

MLA-C01 एक केंद्रित, काफी कठिन एसोसिएट परीक्षा है जो एक वास्तविक नौकरी — ML प्लेटफ़ॉर्म इंजीनियर / MLOps इंजीनियर — से बारीकी से मेल खाती है। यदि आप वह काम करते हैं, तो इसे लें। यदि आप बैकएंड पृष्ठभूमि से ML में प्रवेश करने की कोशिश कर रहे हैं और एक ऐसा सर्टिफ़िकेशन चाहते हैं जो रिक्रूटर्स को योग्यता का संकेत दे, तो यह वही है। वेतन डेटा अभी भी उभर रहा है लेकिन प्रवृत्ति स्पष्ट रूप से ऊपर की ओर है — ML इंजीनियरिंग भूमिकाएँ 2026 में तेजी से हायरिंग कर रही हैं।

यदि आप अध्ययन कर रहे हैं, तो CertLabPro पर MLA-C01 प्रश्न बैंक ब्राउज़ करें या एक समयबद्ध परीक्षा शुरू करें। और इस सप्ताह एक SageMaker एंडपॉइंट तैयार करें। हैंड्स-ऑन काम ही परीक्षा को स्पष्ट महसूस कराता है।