← Semua pembelajaran / AWS untuk AI Engineer
Fase 8 · Capstone & Ujian AIP-C01

Exam guide AIP-C01

Exam guide adalah satu-satunya sumber resmi tentang apa yang diuji. Halaman ini merangkum strukturnya dan menunjukkan fase mana yang menutup domain mana.

Intisari

  • 65 soal berbobot nilai, plus 10 soal tidak bernilai yang tidak ditandai. Skala 100–1.000, lulus di 750.
  • Penilaiannya kompensatoris: kamu tidak perlu lulus per domain, cukup lulus keseluruhan.
  • Bobot domain: 31% / 26% / 20% / 12% / 11%.
  • Kandidat sasaran: 2+ tahun membangun aplikasi produksi di AWS, dan 1 tahun pengalaman GenAI.
  • Di luar cakupan: pengembangan dan pelatihan model, teknik ML lanjutan, dan data engineering.

Struktur ujian

AspekDetail
Jumlah soal65 bernilai + 10 tidak bernilai (tidak ditandai)
Bentuk soalPilihan ganda (1 benar) dan pilihan jamak (2+ benar, harus semua benar)
SkorSkala 100–1.000, minimum lulus 750
Model penilaianKompensatoris — nilai keseluruhan yang menentukan
Soal kosongDinilai salah; tidak ada penalti menebak

Dua konsekuensi praktis. Karena penilaiannya kompensatoris, domain lemah bisa ditutup domain kuat — jadi jangan mengejar kesempurnaan di Domain 5 yang bobotnya 11% sambil membiarkan Domain 1 yang 31%. Dan karena tidak ada penalti menebak, jangan pernah mengosongkan soal.

Lima domain dan pemetaannya ke roadmap ini

DomainBobotDitutup fase
1. Foundation Model Integration, Data Management, and Compliance31%3, 4
2. Implementation and Integration26%1, 2, 5
3. AI Safety, Security, and Governance20%0, 6
4. Operational Efficiency and Optimization12%7
5. Testing, Validation, and Troubleshooting11%7

Domain 1 dan 2 bersama menyumbang 57%. Kalau waktu belajarmu terbatas, di situlah ia dihabiskan.

Isi tiap domain, ringkas

DomainYang ditanyakan
1Merancang solusi GenAI, memilih dan mengonfigurasi FM, pipeline validasi data, vector store, mekanisme retrieval, prompt engineering dan tata kelolanya
2Solusi agentik dan integrasi tool, strategi deployment model, arsitektur integrasi enterprise, integrasi API FM, pola integrasi aplikasi
3Kontrol keamanan input/output, keamanan dan privasi data, tata kelola dan kepatuhan, prinsip responsible AI
4Optimasi biaya dan efisiensi sumber daya, optimasi performa, sistem pemantauan
5Sistem evaluasi GenAI, dan troubleshooting aplikasi GenAI

Yang di luar cakupan

Ini pembeda penting dari sertifikasi ML AWS lainnya. Kamu tidak perlu memahami arsitektur transformer, gradient descent, atau penyetelan hyperparameter. Yang diuji adalah mengintegrasikan model ke aplikasi produksi.

Bentuk soal yang khas

Soalnya berupa skenario, bukan hafalan definisi. Polanya: sebuah situasi dengan kendala, lalu "solusi mana yang paling memenuhi kebutuhan tersebut" — dan beberapa pilihan sama-sama berfungsi, tapi hanya satu yang paling tepat menurut kendala yang disebut.

Kata kunci di soalYang sedang ditanyakan
"paling hemat biaya"Batch, model lebih kecil, prompt caching
"beban operasional paling rendah"Layanan terkelola daripada bangun sendiri
"persyaratan residensi data"Inference profile geografis, VPC endpoint, KMS
"latensi paling rendah"Streaming, model latency-optimized, caching
"tanpa mengubah kode aplikasi"Konfigurasi, AppConfig, alias, inference profile
"mengurangi halusinasi"Contextual grounding, RAG, keluaran terstruktur

Rencana dua minggu terakhir

  1. Baca ulang exam guide lengkap, termasuk daftar layanan in-scope dan out-of-scope.
  2. Untuk tiap task statement Domain 1 dan 2, pastikan kamu pernah menjalankannya, bukan cuma membaca.
  3. Kerjakan capstone Fase 8 sampai tuntas — ia menyentuh keempat domain besar sekaligus.
  4. Baca Generative AI Lens; banyak soal "mana yang paling tepat" mengikuti logikanya.
  5. Telusuri notebook Bedrock Samples untuk fitur yang belum sempat kamu coba.
  6. Latihan soal terakhir, fokus pada membaca kendala di soal — bukan menghafal jawaban.

Latihan: buka daftar task statement tiap domain di exam guide dan beri tanda pada setiap skill dengan tiga kategori: pernah saya jalankan, pernah saya baca, belum pernah. Kerjakan yang "belum pernah" di Domain 1 dan 2 lebih dulu — di situ 57% nilainya.

Rangkuman ini sengaja dipangkas ke bagian yang dipakai di roadmap. Buka sumber aslinya saat kamu butuh detail lengkap atau referensi parameter.