先了解这张认证
认证概述
Databricks Certified Machine Learning Professional 是 Databricks 颁发的高级机器学习认证，验证考生在 Databricks Lakehouse 平台上管理端到端 ML 生命周期的专业能力，包括特征工程、模型训练、部署和生产监控。考试共 60 道题，时间 120 分钟，通过分数线 70%。
考试领域
- MLflow 实验管理与模型注册（约 25%）：Experiment Tracking（记录 params、metrics、artifacts）；Model Registry 版本管理与阶段转换（Staging/Production/Archived）；MLflow Projects 封装；MLflow Models 的多种部署格式（pyfunc、sklearn、pytorch）
- 特征工程与 Feature Store（约 20%）：Databricks Feature Store 特征表创建与更新；Point-in-Time Lookups 防止训练/推理数据泄露；在线（Online Store）与离线特征服务；特征表与 MLflow 模型的集成注册
- 模型训练与超参数调优（约 20%）：Hyperopt 分布式超参数搜索（fmin、tpe、Trials）；AutoML 的适用场景；使用 SparkTrials 进行并行调优；交叉验证与模型评估指标
- 模型部署与服务（约 20%）：Databricks Model Serving 实时推理端点；批量推理（Spark UDF 包装 MLflow 模型）；A/B 测试与金丝雀发布；推理延迟优化；边缘部署场景
- 模型监控与漂移检测（约 15%）：数据漂移（Data Drift）与概念漂移（Concept Drift）检测方法；使用 Lakehouse Monitor 监控模型性能；触发模型再训练的策略；分布式训练（Horovod、TorchDistributor）
适合人群
- 已获得 Databricks Certified Machine Learning Associate 认证的 ML 工程师
- 负责在 Databricks 平台上构建和部署生产级机器学习系统的数据科学家
- 希望验证 MLflow 全流程与 Feature Store 专业能力的 AI/ML 从业者
考试档案
- 考试代码
- Databricks MLP
- 发证机构
- 其他
- 题型
- single-choice / multiple-choice
- 考试语言
- English
- 证书有效期
- 3 年
你会学到的技能
学完能做什么
- 系统掌握 MLflow 端到端 ML 生命周期管理，能设计可复现、可扩展的机器学习实验和模型注册流程
- 深度理解 Databricks Feature Store 的防数据泄露设计，能构建训练与推理一致的特征工程管道
- 获得 ML Professional 认证，证明高级 MLOps 能力，支撑 Senior ML Engineer 或 MLOps 工程师职业晋升
适合这样的你
- 已获得 Databricks Certified Machine Learning Associate 认证的 ML 工程师
- 负责在 Databricks 平台上构建和部署生产级机器学习系统的数据科学家
- 希望验证 MLflow 全流程与 Feature Store 专业能力的 AI/ML 从业者
- MLOps 工程师，需要掌握模型监控、漂移检测和自动化再训练策略
开始前需要什么
- 已获得 Databricks Certified Machine Learning Associate 认证（强烈建议）
- 熟悉 MLflow 基础操作（Experiment Tracking、Model Registry）
- 具备 Python 机器学习开发经验（scikit-learn、PyTorch 或 TensorFlow）
- 了解基本的 Apache Spark 概念和 Databricks 平台使用
一步一步，准备好考试
3 个章节 · 学习路径
安排你的备考
- 课程学习时长
- 12h
- 有相关实操经验
- 8-10 周
- 从基础开始
- 12-16 周
- 建议日投入
- 1-2h
备考支持
- 60+ 道专业级练习题，覆盖 Databricks 官方 ML Professional 考试所有核心领域
- 每题含深度解析，阐明 MLflow 最佳实践、Feature Store 防泄露设计、Model Serving 配置要点
- 模拟真实考试环境：120 分钟 / 60 题 / 70% 通过线
- AI 智能辅导，针对 Feature Store Point-in-Time Lookup、模型漂移检测等难点提供专项突破
- 专项覆盖 A/B 测试、金丝雀发布、分布式训练策略等 Professional 级高频考点
备考时，做好这些事
- 60 题 90 分钟，平均每题 2 分钟，合理分配时间
- 及格分 70/100，不确定的题先标记跳过，回头再做
- 排除法非常有用 — 先排掉明显错误的选项，剩下的再分析
这些误区要避开
- 没有读完所有选项就选答案 — 题目经常有"最佳"答案和"正确但不最佳"的干扰项
- 备考只刷题不理解原理 — 考试场景题需要理解底层概念
- 忽略时间管理 — 在难题上卡太久，导致后面简单题没时间做
报名之前，你可能想问
Databricks ML Professional 考试主要考什么？
考试共 60 道题，120 分钟，重点考察 ML 全生命周期管理能力：包括使用 MLflow 进行实验追踪和模型注册、特征工程（Feature Store）、模型训练与超参数调优、模型部署与服务（Model Serving）、模型监控和漂移检测，以及 ML 管道的生产化。
MLflow 在考试中的比重有多大？
MLflow 是考试的核心内容，约占 25-30% 的题目。需要熟练掌握 Experiment Tracking（记录参数、指标、模型制品）、Model Registry（模型版本管理和阶段转换）、MLflow Projects 和 MLflow Models 的部署格式，以及如何在团队协作中使用 MLflow。
特征工程和 Feature Store 考哪些内容？
需要理解 Databricks Feature Store 的核心概念，包括特征表的创建和更新、Point-in-Time Lookups 防止数据泄露、在线和离线特征服务、特征在训练和推理之间的一致性保障，以及如何将特征表与 MLflow 模型集成。
模型部署和服务部分考什么？
考试涵盖多种部署模式：Databricks Model Serving（实时推理端点）、批量推理（使用 Spark UDF）、边缘部署场景。需要理解模型序列化格式、A/B 测试、金丝雀发布、自动扩缩容配置，以及推理延迟和吞吐量的优化。
考试需要具备深度学习知识吗？
需要具备一定的深度学习基础。考试涉及使用 PyTorch/TensorFlow 在 Spark 上进行分布式训练（Horovod/TorchDistributor）、迁移学习、超参数调优（Hyperopt）、以及使用 Pandas UDF 进行模型推理。但深度不会像专门的 DL 认证那么深。
如何备考 Databricks ML Professional？
建议先掌握 ML 基础理论，然后重点学习 Databricks 上的 MLflow 全流程操作和 Feature Store。在 Databricks Community Edition 上完成至少一个端到端 ML 项目。考试题目偏实践，需要理解真实场景下的最佳实践而非纯理论。
听听学过的人怎么说
评价加载中…
从第一章，开始你的备考。
前 2 章免费试学 · 完整备考 $39 起