Сертификации по ИИ AWS, Azure и GCP: поуровневое сравнение

Если вы хотите получить одну сертификацию по ИИ и не знаете, какое облако выбрать, краткий ответ: AWS для широкого охвата, Azure для корпоративных решений + компаний, использующих стек Microsoft, GCP для серьезного ML-инжиниринга. Более подробная версия приведена ниже — по уровням, по охваченным сервисам и по тому, для кого на самом деле предназначена каждая сертификация.

Лестницы сертификаций несимметричны в разных облаках. AWS сейчас предлагает самый четкий трехуровневый путь (Foundational → Associate → Pro). Azure имеет сильные уровни Foundational + Associate, но не имеет сертификации по чистому ИИ экспертного уровня. GCP имеет Foundational + Pro, но пропустила уровень Associate. Эта асимметрия сама по себе является частью истории.

Вот сравнение бок о бок, а затем подробные обзоры.

Сравнительная таблица

Уровень	AWS	Azure / Microsoft	GCP
Foundational	AIF-C01 (Специалист по ИИ)	AI-900 (Основы ИИ Azure)	Generative AI Leader
Associate	MLA-C01 (Младший ML-инженер)	AI-102 (Младший инженер ИИ Azure); DP-100 (Специалист по данным)	— (пробел)
Professional / Expert	AIP-C01 (Профессиональный разработчик генеративного ИИ)	— (пробел)	PMLE (Профессиональный ML-инженер)

Несколько моментов, на которые стоит обратить внимание:

• Уровень Associate в Azure шире — две отдельные сертификации (AI-102 для AI-инжиниринга, DP-100 для data science / ML).
• GCP не имеет сертификации по ИИ уровня Associate. Если вы хотите получить квалификацию между базовым Generative AI Leader и Pro ML Engineer, такой нет.
• По состоянию на 2026 год, AWS имеет единственную сертификацию "GenAI Developer Pro". AIP-C01 ориентирована на генеративный ИИ так, как ни одна другая.

Уровень Foundational — AIF-C01 vs AI-900 vs Generative AI Leader

Эти три сертификации являются начальными, концептуальными квалификациями для тех, кто "понимает облачный ИИ без написания кода". Все три примерно равны по сложности (довольно доступны), стоят около $99–$100 и ориентированы на одну и ту же аудиторию: PM, BA, инженеры по продажам, технические руководители и инженеры, впервые входящие в облачный ИИ.

AWS AI Practitioner (AIF-C01)

Запущена в октябре 2024 года. $100 USD, 65 вопросов, 90 минут.

Охватываемые сервисы:

• Amazon Bedrock (базовые модели, агенты, базы знаний, защитные механизмы)
• Amazon SageMaker (основы — Studio, JumpStart, реестр моделей)
• Amazon Q (для разработчиков + для бизнеса)
• Amazon Comprehend (NLP / анализ настроений / извлечение сущностей)
• Amazon Transcribe (речь в текст)
• Amazon Translate
• Amazon Polly (текст в речь)
• Amazon Rekognition (компьютерное зрение)
• Amazon Textract (извлечение данных из документов)
• Amazon Kendra (корпоративный поиск)
• Amazon Lex (чат-боты)

Экзамен сильно ориентирован на сопоставление сервисов с вариантами использования. Например, вопрос: "Розничная компания хочет автоматизировать маршрутизацию электронных писем службы поддержки клиентов — какой сервис AWS использовать?" Около 30% экзамена посвящено ответственному ИИ / управлению / объяснимости / смягчению предвзятости, что удивляет кандидатов, ожидавших чисто технологических вопросов.

Azure AI Fundamentals (AI-900)

$99 USD, ~40 вопросов, 60 минут. Срок действия не ограничен.

Охватываемые сервисы:

• Azure AI Services (общая платформа, ранее известная как Cognitive Services)
• Azure OpenAI Service (GPT-4, GPT-4o, DALL·E, Whisper)
• Azure Machine Learning Studio (ML с низким кодом)
• Form Recognizer / Document Intelligence
• Azure AI Speech (распознавание, синтез, перевод)
• Azure AI Vision (анализ изображений, OCR, пользовательское зрение)
• Azure AI Language (анализ настроений, ключевые фразы, NER, понимание разговорного языка)
• Azure AI Search (ранее Cognitive Search)
• Azure Bot Service / Bot Framework

AI-900 больше ориентирован на платформу ML Azure, чем AIF-C01 от AWS. В нем больше практического характера — вопросы о тренировке модели в Azure ML designer, оценке метрик точности/прецизионности/полноты. Меньше времени уделяется ответственному ИИ, чем в AIF-C01, больше — классическим концепциям ML.

Статус "срок действия не ограничен" реален и значим. Другие фундаментальные сертификации Microsoft (AZ-900, DP-900, SC-900) также являются бессрочными — для фундаментальных сертификаций это стандарт.

GCP Generative AI Leader

$99 USD. Самая новая из трех (представлена в 2024 году). Явно нетехническая — позиционируется как сертификация для руководителей / по стратегии.

Охватываемые сервисы:

• Vertex AI Generative AI (семейство Gemini, Imagen, Codey, MedLM)
• Gemini в Workspace
• Vertex AI Search and Conversation
• Vertex AI Model Garden (модели сторонних разработчиков — Anthropic Claude, Meta Llama и др.)
• Vertex AI Agent Builder
• Document AI (аналогичная роль AWS Textract)
• Translation API
• Speech-to-Text / Text-to-Speech
• Vision AI

GAIL является самой стратегически ориентированной из трех. Ожидайте вопросов по управлению программами ИИ, концепциям RAG, основам prompt engineering, критериям выбора моделей и принципам ответственного ИИ Google. Меньше механики платформы, чем в AIF-C01 или AI-900.

Если вы руководитель / PM, оценивающий облачных провайдеров ИИ — это, пожалуй, лучшая сертификация для такой аудитории, потому что она ориентирована именно на такой уровень.

Какую Foundational выбрать?

Если вы уже выбрали облако: получите базовую сертификацию этого облака. Переносимые знания примерно одинаковы, но названия сервисов нет, и вы избавите себя от множества "каков AWS эквивалент Cognitive Services?" умственных упражнений.

Если вы еще не выбрали: AIF-C01 имеет самый широкий набор сервисов и наибольший акцент на ответственном ИИ, о чем все чаще хотят говорить предприятия. AI-900 — самый простой из трех и никогда не истекает. GAIL — единственная, специально ориентированная на нетехническое руководство.

Уровень Associate — MLA-C01 vs AI-102 vs DP-100 (нет эквивалента GCP)

Теперь мы на совершенно другой территории. Сертификации уровня Associate предполагают практический опыт и проверяют более глубокие знания сервисов.

AWS ML Engineer Associate (MLA-C01)

Запущена в августе 2024 года. $150 USD, 65 вопросов, 170 минут. Заменила старую ML Specialty (MLS-C01).

Охватываемые сервисы:

• Amazon SageMaker (углубленно — Studio, Pipelines, Feature Store, Model Registry, Model Monitor, Clarify, Data Wrangler, Ground Truth, JumpStart, Canvas)
• Amazon Bedrock для донастройки + выделенная пропускная способность
• AWS Glue (подготовка данных)
• Amazon S3 + S3 Tables + Lake Formation (паттерны озер данных)
• Amazon Athena, Redshift (аналитика для ML)
• Amazon Kinesis Data Streams / Firehose (функции потоковой передачи)
• Step Functions (оркестрация)
• CloudWatch Container Insights для мониторинга ML

Сертификация посвящена операционному ML, а не чистому моделированию. Ожидайте вопросов по мониторингу смещения, триггерам переобучения, A/B-тестированию версий моделей, оптимизации затрат на инференс, паттернам MLOps. Если вы ожидали "создать CNN с нуля", вы будете разочарованы (и не подготовлены).

Azure AI Engineer Associate (AI-102)

$165 USD, ~50–60 вопросов, 100 минут. Получила значительное обновление в начале 2025 года для добавления контента по агентным решениям.

Охватываемые сервисы:

• Azure OpenAI Service (углубленно — включая донастройку, completions, эмбеддинги, вызовы функций, API Assistants, Azure AI Foundry)
• Azure AI Services (ранее Cognitive Services — полный набор)
• Azure AI Search (углубленно — векторный поиск, гибридный поиск, семантическое ранжирование, паттерны RAG)
• Azure AI Document Intelligence (ранее Form Recognizer)
• Azure AI Speech (пользовательская речь, пользовательский голос, перевод в реальном времени)
• Azure AI Language (пользовательский NER, классификация, понимание разговорного языка)
• Azure AI Vision (пользовательское зрение, распознавание лиц, индексатор видео)
• Azure AI Content Safety
• Контейнерные приложения для развертывания моделей ИИ
• Azure AI Agent Service (новый агентный контент из обновления 2025 года)

AI-102 — это сертификация, наиболее сопоставимая по охвату с MLA-C01 — обе ожидают, что вы будете развертывать рабочие нагрузки ИИ в production и эксплуатировать их. Разница заключается в акценте на сервисы: AI-102 — это Azure OpenAI + RAG + AI Search, MLA-C01 — это SageMaker + Bedrock в масштабе.

Azure Data Scientist Associate (DP-100)

$165 USD. Отличается от AI-102 — DP-100 сфокусирован на data science / классическом ML, AI-102 сфокусирован на генеративном ИИ / когнитивных сервисах.

Охватываемые сервисы:

• Рабочая область Azure Machine Learning (углубленно — вычислительные кластеры, среды, эксперименты, задания, конечные точки, интеграция с MLflow)
• Azure ML SDK / CLI
• AutoML
• ML Pipelines
• Реестр моделей и развертывание
• Панель мониторинга Responsible AI (интерпретируемость, справедливость, анализ ошибок)
• Azure Synapse Analytics для подготовки данных
• Интеграция с Azure Databricks
• Оптимизации вычислений (CPU vs GPU, spot, low-priority)

Если вы специалист по данным, создающий пользовательские модели, DP-100 — это ваша сертификация. Если вы инженер ИИ, развертывающий приложения Azure OpenAI, AI-102 — это ваша сертификация. Они пересекаются примерно на 20%, в основном в темах развертывания / мониторинга.

GCP — нет сертификации по ИИ уровня Associate

По состоянию на 2026 год это настоящий пробел в каталоге GCP. Google предлагает Cloud Digital Leader (Foundational), Generative AI Leader (Foundational) и Professional ML Engineer (который является настоящим профессиональным уровнем). Путь от GAIL до PMLE крутой — нет промежуточной квалификации.

Если вы хотите получить промежуточный сигнал, специфичный для GCP: сертификация Associate Cloud Engineer (ACE), хотя и не сфокусирована на ИИ, охватывает основы развертывания Vertex AI. Некоторые инженеры позиционируют ее как "я могу запускать рабочие нагрузки ИИ на GCP, не будучи специалистом по ИИ". Это обходной путь, а не чистое решение.

Какую Associate выбрать?

• Создание пользовательских моделей / классический ML: DP-100 (Azure) наиболее сфокусирован.
• Развертывание приложений Azure OpenAI в production: AI-102 (Azure).
• Эксплуатация SageMaker + Bedrock в масштабе на AWS: MLA-C01 (AWS).
• Только GCP: переходите к PMLE; промежуточного варианта нет.

Ближайшая кросс-облачная параллель — это MLA-C01 ≈ AI-102 — обе проверяют способность "развертывать ИИ в production и эксплуатировать его". Разные сервисные поверхности, аналогичная инженерная высота.

Уровень Professional / Expert — AIP-C01 vs PMLE (нет эквивалента Azure)

AWS Generative AI Developer Professional (AIP-C01)

$300 USD, 75 вопросов, 180 минут. Запущена в 2025 году как первая профессиональная сертификация AWS, специально посвященная генеративному ИИ.

Охватываемые сервисы:

• Amazon Bedrock углубленно (пользовательские модели через продолженное предварительное обучение, оценка моделей, агенты с многошаговым рассуждением, базы знаний с гибридным поиском, конфигурация защитных механизмов)
• Amazon Bedrock Studio + Bedrock IDE
• SageMaker JumpStart для донастройки базовых моделей
• SageMaker для хостинга пользовательских моделей
• AWS App Runner / ECS Fargate для сервисов инференса
• Amazon OpenSearch в качестве векторного хранилища
• Amazon Q для сценариев генерации кода
• Роли IAM для кросс-сервисного доступа к генеративному ИИ
• AWS Step Functions для оркестрации сложных рабочих процессов агентов

AIP-C01 — единственная сертификация крупного облака, специально посвященная разработке генеративного ИИ — не классическому ML, не "сервисам ИИ" в широком смысле. Ожидайте глубоких вопросов по архитектурам генерации с дополненным извлечением, стратегиям оценки моделей (HHEM, ROUGE, пользовательские оценки), оптимизации стоимости токенов, смягчению галлюцинаций и оркестрации мультиагентных систем.

Это совершенно новая сертификация. Данных о зарплате слишком мало, чтобы приводить их с уверенностью — см. пост о зарплате AIF-C01 для контекста смежных ролей.

Google Cloud Professional ML Engineer (PMLE)

$200 USD. Одна из самых высокооплачиваемых единичных облачных сертификаций по данным levels.fyi, отчасти из-за небольшого числа кандидатов.

Охватываемые сервисы:

• Vertex AI Workbench (управляемые ноутбуки)
• Vertex AI Pipelines (Kubeflow Pipelines на управляемой инфраструктуре)
• Vertex AI Training (пользовательские контейнеры, настройка гиперпараметров)
• Vertex AI Prediction (конечные точки онлайн + пакетной обработки, пользовательские контейнеры для обслуживания)
• Vertex AI Model Registry + Model Monitoring
• Vertex AI Feature Store
• Vertex AI Generative AI (Gemini, Model Garden, агенты)
• Vertex AI Search and Conversation
• BigQuery ML (ML в базе данных)
• Интеграция TensorFlow Extended (TFX)
• Kubeflow на GKE для самостоятельно управляемого ML
• Dataflow для конвейеров данных ML
• Cloud Composer (Airflow) для оркестрации
• AutoML Tables / Vision / NLP

PMLE шире, чем AIP-C01. Он охватывает классический ML, MLOps И генеративный ИИ — все на относительно унифицированной платформе Vertex AI. Экзамен сильно ориентирован на сценарии, как и профессиональные экзамены GCP: длинные тематические исследования, которые зависят от архитектурных компромиссов ("какое решение лучше всего сбалансирует стоимость, задержку и точность в этих условиях?").

Microsoft — нет сертификации по чистому ИИ экспертного уровня

По состоянию на 2026 год у Microsoft нет сертификации по ИИ экспертного уровня. AI-102 — это вершина лестницы ИИ. Ближайшая квалификация экспертного уровня, затрагивающая ИИ, — это Azure Solutions Architect Expert (AZ-305), в которой встречаются вопросы по ИИ в контексте более широкой архитектуры, или Microsoft Cybersecurity Architect (SC-100), косвенно касающаяся безопасности ИИ.

Если Microsoft добавит сертификацию "AI Architect Expert" в 2026 или 2027 году, ожидайте, что она объединит опыт AI-102 + DP-100 в более стратегический экзамен. На данный момент: ее не существует.

Какую Pro выбрать?

• Фокус только на генеративном ИИ на AWS: AIP-C01 — это самая глубокая квалификация, доступная на данный момент в любой точке мира для этой области.
• Комплексный ML-инжиниринг на GCP, включая генеративный ИИ: PMLE шире, но по-прежнему специфичен для GCP.
• Высшие роли в области ИИ в стеке Microsoft: экзамена нет — вместо этого комбинируйте AI-102 с AZ-305 или DP-100.

Уровень Pro — это то место, где кросс-облачное сравнение ломается больше всего. Каждое облако сделало свою ставку на то, что означает "профессиональный инженер ИИ".

Заметка об обновлении сертификаций

Это более актуально для сертификаций по ИИ, чем для других категорий, поскольку ИИ быстро меняется.

• Сертификации AWS по ИИ: срок действия 3 года. Обновляются путем повторной сдачи текущей версии.
• Сертификации Azure по ИИ: срок действия 1 год для ролевых (AI-102, DP-100), но бесплатное продление через онлайн-оценку без прокторинга на Microsoft Learn, начинающуюся за 6 месяцев до истечения срока. Срок действия Foundational (AI-900) никогда не истекает.
• Сертификации GCP по ИИ: 3 года для Foundational/Associate, 2 года для Professional. Обновляются путем повторной сдачи.

Модель продления Microsoft значительно более дружелюбна, чем у других. Конкретно для ИИ, где базовые сервисы (Azure OpenAI, Bedrock, Vertex AI) обновляются каждые несколько месяцев, стоимость продления накапливается. Стоит учитывать это, если вы выбираете между двумя примерно равными квалификациями.

Мои рекомендации по ролям

• AI / ML Product Manager: GAIL (GCP) или AIF-C01 (AWS) — сертификации стратегического уровня. Обе. Или одна, а другая позже.
• Бэкенд-инженер, добавляющий ИИ в продукт: AI-102 (Azure), если ваш стек ориентирован на Microsoft, MLA-C01 + AIF-C01 (AWS), если ориентирован на облако.
• Специалист по данным: DP-100 (Azure) для классического ML, PMLE (GCP) для более широкого охвата.
• Старший ML-инженер / руководитель MLOps: PMLE (GCP), если ваш стек близок к Vertex AI, в противном случае MLA-C01 (AWS). Добавьте AIP-C01 (AWS), если ваша команда активно использует генеративный ИИ.
• Безопасность ИИ / работа с ответственным ИИ: AIF-C01 (AWS) лучше всего охватывает это на базовом уровне. Ни одна из сертификаций более высокого уровня не углубляется в ответственный ИИ как отдельную тему.

Что делать на этой неделе

Если вы уже готовитесь к одной из этих сертификаций: отработайте вопросы. Просмотрите банк AIF-C01, банк MLA-C01, AI-102, PMLE или любую другую на CertLabPro.

Если вы выбираете свою первую сертификацию по ИИ: определите, какое облако использует ваш работодатель (или целевой работодатель), а затем получите базовую сертификацию в этом облаке. Дальнейшее развитие — до Associate, до Pro — будет гораздо быстрее, чем начинать не с того облака и переключаться позже.

Если вы пытаетесь понять, какая лестница сертификаций ИИ облачного провайдера "лучшая": победителя нет. Каталог каждого облака отражает разные представления о том, что такое AI-инжиниринг. Выберите тот, чьи представления соответствуют вашей работе.