AWS Certified Machine Learning Engineer - Associate (MLA-C01)

**JumpStart vs 自定义训练搞混** — JumpStart 是一键部署预训练模型（HuggingFace、Stable Diffusion 等），适合快速 POC；自定义训练用于特定业务数据。考题看到"快速上线现成模型"选 JumpStart，看到"基于公司历史数据训练"选 SageMaker Training Job + BYOC / Script Mode。

**超参调优策略选错** — Random Search 简单但低效；Bayesian 适合大多数场景（考试默认正确答案）；Hyperband 适合深度学习可以 early stopping 的场景；Grid Search 考试几乎不选（太慢）。题目说"高效找到最优超参"优先选 Bayesian，说"训练时间长可 early stop"选 Hyperband。

**数据漂移检测服务混淆** — Data Quality Drift（输入特征分布变化）→ Model Monitor Data Quality；Model Quality Drift（预测准确率下降）→ Model Monitor Model Quality（需要 ground truth labels）；Bias Drift（模型对某群体预测偏差）→ Model Monitor Bias Drift + Clarify；Feature Attribution Drift（特征重要性变化）→ Model Monitor Feature Attribution。考题会给具体症状，你要选对监控类型。

**Batch vs Real-time vs Async vs Serverless Endpoint 选错** — Real-time：低延迟、稳定流量；Batch Transform：离线大批量、无延迟要求、最便宜；Async Inference：大 payload（>6MB）或长耗时（>60s）、可接受分钟级延迟；Serverless：间歇流量、冷启动可接受、按调用计费。看到"大文件""长推理时间"几乎一定选 Async，看到"每天凌晨跑一次"选 Batch Transform。

**把 SageMaker Pipelines 和 Step Functions 当作同一个东西** — SageMaker Pipelines 是 ML 原生的 DAG，和 Model Registry、Experiments 深度集成，适合纯 ML 工作流；Step Functions 适合编排跨服务的复杂工作流（ML + Lambda + DynamoDB + SNS）。考题看到"纯 ML 训练 + 部署流程"选 Pipelines，看到"ML + 多个 AWS 服务协同"选 Step Functions。