Simulação de Exame Final (AIF-C01)
Simule o exame real AWS Certified AI Practitioner: logística oficial e formatos de questão, estratégia de relógio de 90 minutos, decodificação de distratores, um Conjunto A de 15 itens com gabarito organizado por domínio, uma rubrica de pontuação, um plano de estudo de 40 horas orientado por pesos e uma síntese das lições 01-15.
100 min
Responda todas as questões, você pode navegar livremente e o cronômetro conta regressivamente.
Quinze lições lhe deram o conteúdo. Esta lhe dá o contêiner: como o AIF-C01 é de fato construído, como é pontuado, como o relógio se comporta e como os distratores no estilo da AWS são engenhecidos. Tudo antes desta lição era conhecimento de domínio; tudo aqui é artesanato de teste: e em uma escala compensatória de 100 a 1.000, com 700 para passar, o artesanato de teste vale tanto quanto mais uma hora de revisão.
====================================================================
AIF-C01 EXAM AT A GLANCE (verified 06 Oct 2026)
====================================================================
FORMAT ....... 65 questions = 50 scored + 15 unscored (never marked)
TIME ......... 90 minutes = 5,400 s -> ~83 s per item (derived)
SCALE ........ 100-1,000, pass at 700, COMPENSATORY, no section cut
GUESSING ..... no penalty for a wrong guess; BLANK = wrong
TYPES ........ multiple choice / multiple response / ordering /
matching (the current guide lists four types)
WEIGHTS ...... D1 20% | D2 24% | D3 28% | D4 14% | D5 14%
COST ......... 100 USD (local table applies; tax may apply)
VALIDITY ..... 3 years; retake after a fail waits 14 days, no cap
DELIVERY ..... Pearson VUE test center or online proctored
RESULTS ...... official ceiling 5 business days
====================================================================Como usar esta lição. Leia as seções 1 a 6 uma vez, depois faça o Conjunto A (seção 7) com um cronômetro de 15 minutos e sem anotações. Corrija-se com a seção 8, converta a nota bruta com a rubrica da seção 9, e deixe a seção 10 dizer quais lições reabrir. Qualquer coisa que esta lição não pôde verificar em uma página da AWS em primeira party está listada na seção 12: trate isso como não afirme, não como fatos para memorizar.
Ao final desta lição você será capaz de:
- enunciar cada fato de logística publicado (número de questões, tempo, escala, custo, validade, regras de refação) com sua fonte;
- explicar os quatro tipos oficiais de questão e o que cada um exige de seu orçamento de tempo;
- rodar um plano de relógio de 90 minutos que nunca deixa um item em branco;
- decodificar as seis famílias de distratores que a AWS usa neste exame;
- alocar 40 horas de estudo nos cinco domínios pelos seus pesos publicados;
- corrigir o Conjunto A com honestidade, reparar primeiro o domínio mais fraco e defender o veredito comparativo sobre a ponderação de domínios;
- dizer o que o exame não publica, para que você nunca afirme um número inventado.
1. Logística do exame: o que a AWS publica
1.1 Os fatos, cada um com sua fonte
Nada nesta tabela é folclore. Cada linha vem do guia do exame atual (v1.1, publicada em 30 de abril de 2026), da página de certificação AIF-C01 ou das páginas de políticas de certificação e FAQ da AWS, conforme recuperadas em outubro de 2026.
# | Fato | Fonte |
|---|---|---|
1 | 65 questões: 50 pontuadas + 15 não pontuadas itens de pré-teste, e os itens não pontuados não são identificados | Guia do exame v1.1 |
2 | 90 minutos para completar o exame | Página de certificação + guia do exame |
3 | Resultado de aprovação/reprovação em uma faixa escalonada de 100 a 1.000; pontuação mínima de aprovação 700 | Guia do exame |
4 | A pontuação é compensatória: não existe marca de aprovação por domínio; o relatório pode mostrar classificações de seção | Guia do exame |
5 | Itens sem resposta são pontuados como incorretos. Não há penalidade por chute. | Guia do exame |
6 | Tipos de questão: escolha múltipla (1 correta, 3 distratores), múltipla resposta (todas as corretas obrigatórias), ordenação (a ordem importa), matching (todos os pares) | Guia do exame |
7 | Pesos de domínio: D1 20 %, D2 24 %, D3 28 %, D4 14 %, D5 14 % | Guia do exame |
8 | Custo 100 USD; tabela local (EUR 85, AUD 150, JPY 15.000, KRW 131.525, CNY 704, INR 8.553); taxas podem incidir; preços reiniciam a cada abril | Página de certificação + política pré-teste |
9 | A certificação é válida por 3 anos; recertifique reaprovando ou conquistando ML Engineer - Associate (que recertifica automaticamente) | Página de certificação + FAQ |
10 | Aplicação: centro de testes Pearson VUE ou online com proctor; proctoring em inglês oferecido 24x7 | Página de certificação + política pré-teste |
11 | 12 idiomas listados (AR, EN, FR, DE, IT, JA, KO, PT-BR, ES-LatAm, ES-ES, zh-Hans, zh-Hant); italiano e alemão são aposentados após 15 de outubro de 2026 | Página de certificação |
12 | Após uma reprovação: espere 14 dias, sem teto de tentativas, taxa integral a cada tentativa; após uma aprovação, o mesmo exame fica bloqueado por 2 anos | Política pós-teste + FAQ |
13 | Resultados publicados em até 5 dias úteis (teto oficial) | FAQ + política pré-teste |
14 | Reagende até 24 horas antes, no máximo 2 mudanças (uma terceira significa cancelar e reagendar) | Política pré-teste |
15 | Candidato-alvo: até 6 meses de exposição a IA/ML; usa IA/ML mas não necessariamente a constrói | Guia do exame |
16 | Versões do guia: v1.0 em 26 de março de 2026, v1.1 em 30 de abril de 2026; atualizações do guia chegam ao exame cerca de 1 mês após a publicação | Página de revisões |
17 | Exame em inglês mais acomodação ESL = +30 minutos (a redação conflita entre páginas; veja a seção 12) | FAQ |
18 | A lista de serviços no escopo é não exaustiva e sujeita a mudanças; apenas os pesos de domínio são publicados | Página no escopo + guia do exame |
- 📚 Você sabia? Os 15 itens não pontuados parecem exatamente com os 50 pontuados. A AWS não os rotula, não os colore nem os separa de outra forma: o que significa que a única estratégia racional é tratar cada item como pontuado. Um item de pré-teste que você responde mal não lhe custa nada, e um item pontuado que você pula lhe custa a nota integral, então o incentivo nunca aponta para "deixar para depois e nunca voltar".
1.2 Os quatro mecanismos que decidem sua nota
Leia estas quatro frases como o sistema operacional do exame:
- Pontuação compensatória significa que um Domínio 3 brilhante não pode resgatar um Domínio 4 fraco. Você não precisa ser ótimo em tudo; você não pode ser ruim em lugar nenhum.
- Sem penalidade por chute significa que um em branco é estritamente pior que um chute: chutar nunca é um risco, é valor esperado de graça.
- Itens de pré-teste ocultos significam que sua contagem bruta de respostas "obviamente certas" mapeia para uma pontuação escalonada que você não pode ver, então nunca compute uma aprovação a partir de "X de 50".
- Apenas os pesos de domínio são publicados: pesos por objetivo não existem, então qualquer plano de estudo construído sobre "este tópico é 8 %" está construído sobre um chute.
1.3 Agendamento, aplicação, refação e resultados
A metade administrativa do exame é examinável no sentido de que ela muda como você planeja sua tentativa, então trate-a como uma pequena lista de verificação, e não como trivia:
Situação | A regra | Consequência prática |
|---|---|---|
Escolher o local | Centro de testes Pearson VUE ou online com proctor | Proctoring online em inglês roda 24x7; um centro de testes exige um horário e um documento de identidade válido |
Reagendar | Até 24 h antes, no máximo 2 mudanças | Uma terceira mudança significa cancelar e reagendar: decida antes do último dia |
Reprovar | Espere 14 dias, sem teto de tentativas, taxa integral toda vez | Orce a segunda tentativa antes de fazer a primeira |
Aprovar | Mesmo exame bloqueado por 2 anos; conquistar ML Engineer - Associate recertifica | Você não pode refazer o mesmo exame para "atualizá-lo" antes |
Resultados | Publicados em até 5 dias úteis | Planeje uma semana tranquila; não atualize o painel de hora em hora |
Validade | 3 anos a partir da data da aprovação | Anote a data de expiração no dia em que você passar |
Acomodações | Exame em inglês + acomodação ESL = +30 min (a redação difere entre páginas; veja a seção 12) | Candidate-se com bastante antecedência, não na semana do exame |
Mudanças de preço | Custos são republicados por volta de cada abril | Verifique novamente a página oficial de preços antes de pagar |
Um detalhe de agendamento que os candidatos esquecem: o exame é aplicado como 65 questões em 90 minutos independentemente do local, e as regras do proctor (variantes da política de papel de rascunho, regras de câmera, varreduras da sala) valem antes do relógio começar. Chegar com dois minutos de sobra não lhe custa nada; chegar atabalhoado lhe custa os primeiros três itens.
2. Formatos de questão e o que cada um custa
2.1 Os tipos oficiais
Tipo | Estrutura | Regra tudo-ou-nada | Tempo típico | Onde dói |
|---|---|---|---|---|
Escolha múltipla | 1 correta + 3 distratores | Escolha a única melhor resposta | 45-75 s | Engenharia de distratores |
Múltipla resposta | 2+ corretas entre 5+ opções | Todas as corretas devem ser selecionadas; sem crédito parcial | 75-120 s | Esquecer a quinta opção |
Ordenação | 3-5 itens na sequência correta | Correta e na ordem ou zero de crédito | 60-100 s | Uma troca arruína o item |
Matching | 3-7 enunciados, cada um com seu par | Todos os pares corretos | 90-150 s | Formato mais lento; erros se acumulam |
Todos os 15 itens do Conjunto A são escolha múltipla, que é o formato que você pode treinar mais rápido. O exame ao vivo adiciona os outros três em contagens não publicadas (veja a seção 12), então pratique-os como habilidades, eliminação, sequenciação, verificação de pares, e não como uma cota previsível.
2.2 A aritmética do relógio
Apenas contra itens pontuados, o orçamento parece s: mas você não pode dizer quais 50 são pontuados, então 83 s é o número com o qual você planeja. Uma primeira passagem a 60 s por item deixa 25 minutos para itens marcados, ordenação e matching, que é onde ficam os formatos lentos e as dúvidas de última hora.
- 📚 Você sabia? Duas travadas de três minutos cada apagam seis minutos: isso são sete itens de escolha múltipla que você terá que responder no último terço do exame em dobro de velocidade. O exame não recompensa profundidade em um item; ele recompensa cobertura dos 65, porque cobertura é a única maneira de garantir que você nunca converta um item que sabe responder em um em branco.
2.3 Atacando os três formatos que o Conjunto A não contém
O Conjunto A treina o músculo da melhor resposta única. O exame ao vivo adiciona três formatos cujos modos de falha são diferentes, então pratique o procedimento mesmo que não possa prever a cota:
Formato | O procedimento que maximiza o crédito | O erro que zera tudo |
|---|---|---|
Múltipla resposta | Leia cada opção, marque cada uma como definitivamente sim / definitivamente não / talvez, e só envie quando cada "talvez" estiver resolvido: todas as opções corretas são obrigatórias | Selecionar duas respostas óbvias e pular a quinta correta; assumir que existe crédito parcial |
Ordenação | Fixe primeiro as âncoras (o passo que deve ser primeiro, o que deve ser por último), depois arrume o meio; releia a sequência como uma frase | Rearranjar depois de ter uma ordem válida "porque fica melhor" |
Matching | Elimine primeiro os pares dos quais você tem certeza: cada par resolvido encurta cada lista de opções restante | Começar pelo enunciado mais difícil, o que deixa todos os distratores em jogo |
Um hábito útil: em matching, o lado direito mais longo costuma ser o mais específico e, portanto, o menos provável de ser um distrator, mas verifique contra o conhecimento de domínio em vez de deduzir apenas pelo comprimento. Em ordenação, se dois passos adjacentes pudessem ser trocados sem mudar o significado, o enunciado geralmente está lhe dizendo o critério (por tempo, por dependência, por custo): encontre-o e aplique-o de forma consistente.
3. Estratégia no dia do exame: o relógio de 90 minutos
3.1 O plano de fases
Fase | Relógio | Minutos | Regra que você não pode quebrar |
|---|---|---|---|
Primeira passagem (todos os 65) | 0:00 - 1:05 | 65 | ~60 s por item; marque qualquer coisa acima de 90 s; responda todos os itens |
Revisão de marcados | 1:05 - 1:18 | 13 | Releia o enunciado e confirme que você respondeu à questão perguntada, não à vizinha |
Buffer de ordenação / matching | 1:18 - 1:27 | 9 | Faça depois dos itens de resposta única; são mais lentos e tudo-ou-nada |
Varredura de envio | 1:27 - 1:30 | 3 | Confirme zero em branco: um em branco é um zero garantido |
Regra do chute (a qualquer momento) | qualquer | - | Restaram duas? Escolha a opção mais específica, nativa da AWS, menos absoluta |
Regra da armadilha (a qualquer momento) | qualquer | - | "Sempre", "nunca", "garante", "elimina alucinação": absolutos geralmente perdem |
Regra do custo (a qualquer momento) | qualquer | - | Prefira a resposta mais simples gerenciada, a menos que o enunciado exija controle |
Como responder
Exercício de ordenação com 4 itens. Coloque-os na ordem correta e verifique a resposta.
Ordene as quatro fases cronometradas do relógio de 90 minutos do AIF-C01:
3.2 Exemplo resolvido 1: para onde o tempo vai
5.400 segundos em 65 itens são cerca de 83 segundos cada. Planeje 60 segundos para a primeira passagem (65 minutos), o que deixa 25 minutos: 13 para itens marcados, 9 para ordenação e matching, 3 para a varredura final. Se dois itens consomem três minutos cada, você gastou seis minutos de seu orçamento de revisão: então o movimento certo é sempre marcar, chutar, seguir, nunca "mais uma leitura cuidadosa".
3.3 Exemplo resolvido 2, o protocolo de chute
Nunca há motivo para deixar um item em branco. O protocolo que mantém o chute disciplinado:
- Preveja a resposta a partir do enunciado antes de ler as opções: isso impede que os distratores o ancoraem.
- Elimine duas opções e escreva um motivo de uma linha para cada (camada errada, degrau errado, família errada, excesso de escopo, redação absoluta).
- Se restarem duas, escolha a que for mais específica, mais nativa da AWS e menos absoluta.
- Siga em frente em até 60 segundos. Quatro minutos em um item são quatro itens perdidos em outro lugar.
4. Decodificando os distratores
A AWS não escreve respostas erradas aleatórias. Ela escreve quase-acertos plausíveis que punem uma confusão específica, e as mesmas seis famílias se repetem em todos os cinco domínios.
Família de distrator | O padrão | Seu contramovimento |
|---|---|---|
Camada errada | Config / CloudTrail / Artifact oferecidos como um controle protetor | Pergunte: isto deve prevenir, detectar ou provar? |
Degrau errado | "Fine-tune o modelo" para fatos novos ou um ajuste de formatação | Suba a escada: prompt → RAG → fine-tune |
Família errada | Textract para sentimento, Comprehend para OCR | Mapeie o verbo para o serviço antes de ler o resto |
Excesso de escopo | AdministratorAccess, s3:*, "compartilhe uma chave com a equipe" | Exija escopo por ARN de recurso e menor privilégio |
Redação absoluta | "garante", "100 %", "elimina alucinações" | Prefira redação atenuada e baseada em evidência |
Serviço fora do escopo | Um serviço legado apresentado como a resposta | Verifique a lista no escopo atual; nunca construa um gabarito sobre ele |
4.1 Exemplo resolvido 3: eliminação que sobrevive ao contato com as opções
Os falsos negativos de um modelo de fraude custam 50× um falso alarme. Qual métrica você prioriza?
- Acurácia morre: a inflação da classe majoritária a torna sem sentido sob forte desequilíbrio.
- Precisão morre: ela penaliza o erro mais barato, então otimiza o lado errado do balanço.
- R-squared morre: é uma métrica de regressão, e este é um problema de detecção.
- Recall sobrevive: , e minimizar falsos negativos é exatamente o que o enunciado pede.
Teste cada opção contra a dor do enunciado, não contra a bondade geral: cada opção deve responder à coisa específica que dói.
4.2 Exemplo resolvido 4, o que "700" realmente significa
As formas de exame são equiparadas, então a AWS nunca publica quantos dos 50 itens pontuados equivalem a 700: qualquer afirmação de "35 de 50 = aprovação" é sem fonte (seção 12). O que você pode usar: pontuação compensatória significa que um Domínio 4 fraco ainda o afunda, então mire >= 80 % em prática mista com zero em branco, depois use as classificações de seção do relatório para escolher o que revisar.
4.3 Três perguntas para cada opção
Candidatos lentos leem opções; candidatos rápidos as interrogam. Faça as mesmas três perguntas a cada escolha, nesta ordem:
- O que isto mede ou faz?: nomeie o mecanismo em uma cláusula. Se você não consegue, a opção é um distrator que você ainda não reconheceu.
- Esse mecanismo responde à dor do enunciado?, o enunciado, não o tópico. Uma opção pode ser verdadeira e ainda assim irrelevante.
- É escopada, atenuada e nativa da AWS?: a resposta verdadeira mais estreita vence a resposta verdadeira mais ampla, e uma afirmação atenuada vence uma absoluta.
4.4 O mapa de armadilhas, domínio por domínio
Domínio | A armadilha que o exame repete com mais frequência | O reflexo correto |
|---|---|---|
D1 | Alcançar uma métrica que não combina com o custo do erro (acurácia sob desequilíbrio, R-squared para detecção) | Traduza o custo do erro em uma métrica antes de ler as opções |
D2 | Confundir a unidade de cobrança (por chamada, por GPU-hora, por token) ou o gatilho de customização | Pergunte "o que estou comprando?": tokens, horas ou capacidade |
D3 | Pular para fine-tuning por causa de fatos ou formatação | Suba a escada: prompt → RAG → fine-tune, depois avalie |
D4 | Confundir a própria documentação da AWS (AI Service Cards) com documentação do seu modelo | Model Cards = suas; AI Service Cards = da AWS |
D5 | Tratar uma ferramenta detetiva ou de evidência como um controle preventivo | Prevenir (Guardrails, IAM) / detectar (Config, CloudTrail) / provar (Artifact): escolha o verbo que o enunciado usa |
5. Ponderação de domínios e o blueprint da simulação
5.1 Os únicos pesos que a AWS publica
Domínio | Peso | Itens pontuados no exame real (derivado) | Itens do Conjunto A aqui | Horas de estudo de um plano de 40 h | Cues de prioridade |
|---|---|---|---|---|---|
D1 Fundamentos de IA e ML | 20 % | 10 | 3 (itens 1-3) | 8,0 h | Métricas, ciclo de vida, correspondência de serviços |
D2 Fundamentos de IA generativa | 24 % | 12 | 4 (itens 4-7) | 9,6 h | Tokens, preços, limites, infraestrutura da AWS |
D3 Aplicações de foundation models | 28 % | 14 | 4 (itens 8-11) | 11,2 h | Prompting, RAG, agents, avaliação |
D4 Diretrizes para IA responsável | 14 % | 7 | 2 (itens 12-13) | 5,6 h | Apenas 2 enunciados de tarefa: o retorno mais denso por hora |
D5 Segurança, conformidade, governança | 14 % | 7 | 2 (itens 14-15) | 5,6 h | Injeção, IAM, responsabilidade compartilhada, Artifact |
Total | 100 % | 50 | 15 | 40 h | A coluna "itens pontuados" é aritmética, não um número da AWS |
Como responder
Exercício de associação com 5 pares. Associe cada item à esquerda com a resposta à direita.
Relacione cada domínio do AIF-C01 ao seu peso publicado e ao número de itens pontuados que ele deve receber em um exame de 50 itens:
Arraste as respostas daqui:
Veredito Comparativo: Domínio 3 (28 %) vs Domínio 2 (24 %) vs Domínio 1 (20 %) vs Domínios 4 e 5 (14 % cada)
- Domínio 3, Aplicações de Foundation Models (28 %), é o maior bloco único e aquele no qual você deve se preparar além. Ele carrega cerca de 14 itens pontuados e é o domínio onde procedimento supera memorização: técnica de prompting, a escada prompt → RAG → fine-tune, action groups de agent com Lambda, diagnóstico de falha entre recuperação e geração, e modos de avaliação. Se você só reler um domínio na véspera, reler este: é também onde os itens de múltipla resposta e ordenação do exame ao vivo são mais baratos de perder.
- Domínio 2, Fundamentos de IA Generativa (24 %), é o domínio dos números. Tokens de entrada contra tokens de saída, on-demand contra batch contra provisioned throughput, janelas de contexto, temperatura, cache de prompt, roteamento de prompt e MCP. As marcas aqui são rápidas e binárias: ou você sabe a unidade de cobrança, ou não sabe. É o melhor domínio para converter de "trôpeço" para "sólido" em duas sessões.
- Domínio 1, Fundamentos de IA e ML (20 %), é o núcleo clássico de ML: supervisionado contra não supervisionado, precisão/recall/F1, overfitting, drift, o ciclo de vida de ML e o mapa de serviços pré-construídos (Comprehend vs Textract vs Translate vs Polly). Candidatos que chegam de uma base só de GenAI o subestimam e pagam por isso no final.
- Os Domínios 4 e 5 (14 % cada) parecem pequenos e não são. O Domínio 4 tem apenas 2 enunciados de tarefa e ainda assim 14 % da nota, o que o torna o retorno mais denso por hora de estudo de todo o exame: NIST AI RMF, ISO, os níveis do EU AI Act, equidade e explicabilidade (Clarify), transparência (Model Cards, AI Service Cards) e supervisão humana. O Domínio 5 é igualmente concentrado: injeção de prompt, menor privilégio, a divisão de responsabilidade compartilhada e o AWS Artifact. Como a pontuação é compensatória, um domínio de 14 % fraco é a razão clássica pela qual um candidato reprova com um relatório de outra forma forte.
- Regra prática: aloque horas proporcionalmente ao peso (8 / 9,6 / 11,2 / 5,6 / 5,6 para um plano de 40 horas), mas gaste sua última semana em D4 e D5: são as marcas mais baratas de recuperar e as mais caras de perder.
- 📚 Você sabia? O Domínio 4 vale 14 % do exame a partir de apenas dois enunciados de tarefa, enquanto o Domínio 1 espalha 20 % por uma lista muito mais longa de objetivos. Isso significa que cada objetivo individual do Domínio 4 carrega muito mais pontuação esperada do que o objetivo médio do Domínio 1: e é por isso que um candidato que "sabe ML bem mas nunca leu o NIST AI RMF" pode perder uma margem de aprovação em apenas alguns itens.
6. A escada de customização, e os drills que decidem o Conjunto A
6.1 A escada que você nunca deve pular
A decisão mais repetida deste exame: dado um problema com um foundation model, qual alavanca vem depois?
RAG muda o que o modelo sabe; fine-tuning muda como ele se comporta. Responda a toda pergunta "o que devemos fazer agora?" perguntando qual desses dois está quebrado.
6.2 Exemplo resolvido 5: a correção de duas horas vs a de duas semanas
"As respostas devem citar documentos de política interna atuais que o modelo nunca viu." Um prompt melhor não vai ajudar, porque o modelo não tem acesso a esses documentos. O próximo passo correto é RAG (Bedrock Knowledge Bases: contexto recuperado mais citações). Apenas se o estilo das respostas ainda estiver errado depois da recuperação você considera fine-tuning: e então você precisa de Provisioned Throughput para invocar o modelo customizado de qualquer forma. Candidatos que pulam direto para o fine-tuning respondem uma pergunta que ninguém fez.
6.3 Exemplo resolvido 6: alocação de horas orientada por pesos
Multiplique o peso pelo total de horas: h (D1), h (D2), h (D3), h (D4), h (D5). Divida as 5,6 horas do D4 em cerca de seis sessões densas (NIST, ISO, EU AI Act, equidade, transparência, supervisão) e as do D3 em prompting 3 / RAG 3 / agents 3 / avaliação 2.
6.4 Palavras-chave do enunciado e o primeiro movimento que elas exigem
A maneira mais rápida de perder o Conjunto A é começar a ler as opções antes de ter decidido o que o enunciado está perguntando. Treine esta tabela de consulta até que o primeiro movimento seja automático:
O enunciado diz… | O enunciado realmente pergunta | Seu primeiro movimento |
|---|---|---|
"qual métrica / como o desempenho deve ser avaliado" | Qual custo de erro importa? | Converta o custo declarado em precisão, recall, F1 ou acurácia |
"mais barato / mais econômico / reduzir custo" | Qual alavanca reduz tokens, horas ou compromisso? | Cache de prompt, roteamento, batch, limites de saída: depois releia |
"dados novos / documentos internos / citações" | O modelo sabe disso? | RAG via Knowledge Bases; fine-tuning é o degrau errado |
"estilo / tom / formato consistentes em escala" | É comportamento ou conhecimento? | Prompt para formato, fine-tune para comportamento |
"menor privilégio / qual política" | Escopo verdadeiro mais estreito | Ação correta em um ARN de recurso, mais iam:PassRole com escopo |
"provar / evidência / auditor / relatório" | É sobre prova? | AWS Artifact, histórico do Config, Model Cards, Clarify |
"deve ser revisado / aprovado por uma pessoa" | A responsabilidade é preservada? | Supervisão human-in-the-loop, não automação total |
"bloqueia ou sinaliza conteúdo não fundamentado" | Qual filtro de guardrail? | Checagem de fundamentação contextual para fatos, filtro de informações sensíveis para PII |
6.5 Padrões de armadilhas e como vencê-las
As seções 4 e 6 lhe deram as seis famílias de distratores e a tabela de consulta do enunciado. Esta seção comprime o resto do material de estratégia em três artefatos que você pode ensaiar na última semana: um mapa de armadilhas de doze linhas, um plano de ritmo indexado às faixas de itens que você realmente pode ver na tela, e um drill curto que pune os reflexos que a maioria dos candidatos leva para a sala de exame. O mapa é deliberadamente mais largo que as seis famílias da seção 4 porque o exame ao vivo recombina isso: um item pode iscá-lo com uma unidade de preço e uma afirmação absoluta ao mesmo tempo, e apenas uma das quatro opções falhará nos dois critérios.
6.5.1 As doze famílias de armadilha e o reflexo que vence cada uma
# | Família de armadilha | Como o distrator o isca | Técnica defensiva | Ponto de verificação que você faz a si mesmo |
|---|---|---|---|---|
T1 | Seleção de serviço | Um serviço plausível com o trabalho central errado ( Rekognition para sentimento, Textract para tradução) | Mapeie verbo para serviço primeiro; prefira a resposta nativa da AWS, depois verifique a lista de escopo atual | "Qual é o trabalho central deste serviço?" |
T2 | Unidades de preço | Uma lista de opções mistura taxas por token, por hora, por GB e por 1.000 unidades de texto | Escreva a unidade ao lado de cada opção de custo antes de comparar qualquer uma | "Cobrado por quê, por qual período?" |
T3 | Redirecionamento "serverless" | Implica que serverless é gratuito, instantâneo, sempre ativo e ilimitado em payload | Lembre os tetos documentados (inferência serverless: payload de 4 MB, 60 s) e a forma do tráfego | "O tráfego é em rajada ou sustentado?" |
T4 | Direção do parâmetro | Inverte o efeito ("eleve a temperatura para que as respostas fiquem consistentes") | Baixa temperatura = determinística; alta temperatura adiciona variância. top-k e top-p dimensionam o pool de candidatos | "Qual botão, e qual direção?" |
T5 | RAG vs fine-tuning | Oferece fine-tuning para fatos novos e citados, ou recuperação para tom e estilo | Fatos, citações, frescor → RAG; comportamento, estilo, tarefa → fine-tune | "Novo conhecimento ou novo comportamento?" |
T6 | Matriz de opções de inferência | Real-time oferecido para payloads de 1 GB, batch oferecido para uma carga interativa | Baseie-se em payload, latência e persistência (25 MB / 60 s, 4 MB / 60 s, 1 GB / 1 h, offline) | "Tamanho do payload? Latência? Escala para zero?" |
T7 | Redação absoluta | "sempre", "nunca", "deve", "apenas", "garante", "100 %" | Sinal de alerta por padrão: prefira a opção atenuada e baseada em evidência, a menos que a regra seja genuinamente absoluta ("nunca deixe um item em branco") | "Isto é literalmente verdade sem exceções?" |
T8 | Opções quase idênticas | Duas opções que diferem por um único qualificador | Escolha a que satisfaz a restrição exata do enunciado: custo, latência, região, menor privilégio | "Qual restrição apenas esta opção satisfaz?" |
T9 | Trocas de termos de IA responsável | Clarify, Model Monitor, Ground Truth e A2I oferecidos de forma intercambiável | Viés pré-deploy = Clarify; drift = Model Monitor; rótulos = Ground Truth; roteamento humano = A2I | "Antes, durante ou depois do deploy: e quem age?" |
T10 | Isca de complexidade | Uma pipeline construída à mão onde um recurso gerenciado já existe | Gerenciado, menor sobrecarga operacional, não superprojetado | "Um serviço gerenciado pode fazer o trabalho inteiro?" |
T11 | Divergências de métrica | BLEU para sumarização, R-squared para texto, acurácia em dados desbalanceados | Combine o tipo de tarefa: sobreposição de n-gramas, classificação, regressão ou drift | "Que tipo de saída está sendo pontuado?" |
T12 | Serviço legado / fora do escopo | Um favorito do guia antigo apresentado como a resposta | Confirme no apêndice atual no escopo; serviços não listados nunca são o gabarito | "Isto está na lista de escopo de 2026?" |
Duas linhas causam a maior parte do dano a uma primeira tentativa: T2 (você sabe o serviço, mas não pelo que ele cobra) e T5 (você sabe as duas alavancas, mas não qual deste enunciado precisa). Se você só ensaiar duas linhas desta tabela antes do dia do exame, ensaie essas duas.
Como responder
Exercício de preenchimento com 4 lacunas. Digite as palavras que faltam e verifique a resposta.
Complete os quatro reflexos de defesa contra armadilhas da seção 6.5:
1) Escreva a espaço ao lado de cada opção de custo antes de comparar qualquer coisa. 2) Mapeie o verbo do enunciado para o espaço do serviço antes de ler as opções restantes. 3) Trate palavras espaço como 'sempre' e 'garante' como um sinal de alerta. 4) Quando duas opções sobreviverem à eliminação, leve a mais espaço e menos absoluta.
Banco de Palavras, arraste as palavras para os espaços acima:
6.5.2 O plano de ritmo, indexado por faixas de itens
A seção 3.1 divide o relógio em fases; o plano abaixo divide os mesmos 90 minutos em faixas de itens, que é o que você realmente pode contar na tela. Os dois são compatíveis: as faixas S1 a S4 são sua primeira passagem com ordenação e matching tratados onde aparecem, S5 é a revisão de marcados, e ambos os planos reservam os últimos três minutos exclusivamente para a verificação de em branco.
Segmento | Itens | Relógio decorrido | Minutos acumulados usados | Regra que você não pode quebrar |
|---|---|---|---|---|
S1 Aquecimento | 1-10 | 0:00 → 0:12 | 12 | Leia por completo, decida rápido; marque qualquer coisa acima de 90 s |
S2 Núcleo | 11-30 | 0:12 → 0:37 | 37 | 60 s por item; elimine duas antes de escolher |
S3 Trabalho duro | 31-50 | 0:37 → 1:02 | 62 | Matching e ordenação moram aqui: faça-os inteiro, nunca parcialmente |
S4 Cauda longa | 51-65 | 1:02 → 1:17 | 77 | Enunciados mais lentos e conjuntos de casos; ainda assim marque em vez de travar |
S5 Varredura de marcados | todos os marcados | 1:17 → 1:27 | 87 | Releia o enunciado, rode a eliminação mais uma vez |
S6 Buffer | : | 1:27 → 1:30 | 90 | Confirme zero em branco, depois envie |
Pontos de verificação derivados (aritmética, não um número da AWS): o teto é 83 s por item; mais de três minutos em um item custam dois itens em outro lugar; um orçamento sustentável de marcações é de cerca de uma marcação a cada seis itens (cerca de dez no total); e se o S2 estourar cinco minutos, você corta tempo do S5: nunca da verificação de em branco do S6.
- 📚 Você sabia? Como o orçamento médio é 83 segundos, três minutos gastos relendo um enunciado não são três minutos perdidos: são dois itens inteiros empurrados para seus últimos dez minutos. Trabalhando de trás para frente a partir desse teto, a folga derivada de marcação é de cerca de um item marcado a cada seis, cerca de dez marcações no exame inteiro. Marque vinte e você não identificou os itens difíceis; você agendou discretamente um terço da prova para uma janela de revisão que não cabe nele.
6.5.3 Mini-drill de armadilhas: quatro itens que punem os reflexos usuais
Estes quatro são deliberadamente curtos, porque a armadilha geralmente se resolve nos primeiros cinco segundos: no momento em que você percebe qual unidade, qual direção ou qual janela está em jogo. Responda todos os quatro antes de ler as explicações.
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Uma pipeline de extração deve retornar a mesma resposta factual em cada execução. Qual mudança é a mais apropriada?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Qual afirmação sobre os preços do Amazon Bedrock Guardrails está CORRETA?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Um candidato reprova no AIF-C01 em 1 de outubro. Qual é a data mais próxima em que ele pode fazer o exame de novo, e em quais termos?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
O que significa pontuação compensatória no AIF-C01?
6.5.4 Onde cada armadilha já vive neste curso
Você não precisa de material novo para estas armadilhas; você precisa reconectá-las à lição que é dona delas. Leia isto como sua tabela de roteamento de revisão: se uma linha o surpreende, aquela lição é seu próximo destino.
Família de armadilha | Onde você já a encontrou | O item do Conjunto A que ela imita | O reflexo a ensaiar |
|---|---|---|---|
T1 Seleção de serviço | Lição 07, serviços de IA pré-construídos | 11, 12 | Verbo para serviço, trabalho central primeiro |
T2 Unidades de preço | Lições 09 e 15, preços do Bedrock e alavancas de custo | 5, 6, 7 | Escreva a unidade antes de comparar |
T4 Direção do parâmetro | Lição 08, tokens, temperatura, contexto | 4 | Baixa temperatura = determinística |
T5 RAG vs fine-tuning | Lições 10 e 11, knowledge bases e agents | 8, 9 | Conhecimento ou comportamento? |
T7 Redação absoluta | Lição 12, segurança e guardrails | 4 | Atenuada vence absoluta |
T9 Trocas de IA responsável | Lição 12, IA responsável e supervisão | 12 | Antes, durante ou depois: quem age? |
T10 Isca de complexidade | Lições 13 e 15, MLOps e otimização | 8 | A opção gerenciada mais simples vence |
T11 Divergências de métrica | Lição 04, algoritmos e avaliação | 1, 2, 3 | Que tipo de saída está sendo pontuado? |
IAM com excesso de escopo | Lição 14, segurança e menor privilégio | 14 | Ação mais estreita no ARN mais estreito |
Evidência vs afirmação | Lições 14 e 15, governança e evidência | 15 | Artifact, Config, CloudTrail, Model Cards |
6.5.5 Quiz de atualizações de 2025 to 2026
O mapa de armadilhas tem mais uma família que merece sua própria verificação: material que mudou enquanto você estudava. O guia v1.1 (30 de abril de 2026) adicionou objetivos, adicionou serviços à lista no escopo e removeu um, e vários serviços passaram a manutenção ou fecharam para novos clientes durante 2025 to 2026. Ambos os itens abaixo vêm de mudanças verificadas de 2025 to 2026: responda-os antes de ler as explicações.
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
O guia do exame v1.1 (publicado em 30 de abril de 2026) adicionou sete objetivos ao AIF-C01. Qual destes é um deles?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
O Amazon Kendra não aceita mais novos clientes. Uma organização precisa de busca corporativa gerenciada com resposta generativa a perguntas sobre seu conteúdo no S3. Para qual serviço a AWS direciona novas cargas de trabalho?
- 📚 Você sabia? Sete objetivos foram adicionados quando o guia passou de v1.0 (26 de março de 2026) para v1.1 (30 de abril de 2026): ML tradicional vs foundation models, preços baseados em token, context engineering, IA agêntica, versionamento de prompt, métricas de alinhamento de negócio, e detecção de alucinação com fundamentação. A AWS também afirma que atualizações do guia chegam ao exame no ar cerca de um mês após a publicação: então um item que parece "recente demais para ser examinado" é precisamente o item que o v1.1 foi escrito para testar.
Armadilhas do dia do exame: fatos obsoletos e segundas opiniões de última hora:
- Um distrator pode ser verdadeiro e ainda estar errado porque o serviço atrás dele mudou durante 2025 to 2026. Kendra não aceita mais novos clientes (manutenção em 30 de junho de 2026, fechado em 30 de julho de 2026) e a AWS aponta novas cargas de busca para o Bedrock Managed Knowledge Base.
- SageMaker Model Monitor e SageMaker Clarify fecharam para novos clientes em 30 de julho de 2026. O status deles é manutenção, não desligamento e não um rebranding para Bedrock Model Evaluations: mas se um enunciado descreve um projeto novo, verifique se o sucessor documentado é a resposta que o item quer antes de se comprometer.
- Amazon MemoryDB foi removido da lista no escopo em 30 de abril de 2026. Nunca baseie um item em um serviço que o guia atual não lista (armadilha T12, seção 12).
- Não "conserte" uma resposta correta durante a varredura de envio. Releia o enunciado, confirme que você respondeu à questão perguntada, e mude uma opção apenas se conseguir enunciar o motivo em uma cláusula.
7. Perguntas de Prática (Practice Questions), Conjunto A: 15 itens de melhor resposta única
O Conjunto A espelha o formato dominante do exame real: uma resposta correta, três distratores. Ele é ponderado deliberadamente como os domínios publicados: 3 itens para D1, 4 para D2, 4 para D3, 2 para D4 e 2 para D5. Configure um cronômetro de 15 minutos, responda todos os itens e nunca deixe um em branco. O gabarito, organizado por domínio, segue na seção 8.
7.1 Como fazer o Conjunto A
Configuração | A regra | Por que importa |
|---|---|---|
Cronômetro | 15 minutos cheios (60 s por item, o orçamento da primeira passagem) | Ele treina o ritmo que você usará para 65 itens, não apenas 15 |
Materiais | Sem anotações, sem busca, sem a seção 8 visível | Correção com material aberto mede suas anotações, não você |
Ritmo | Responda todos os itens; marque qualquer coisa acima de 90 segundos e siga em frente | Um em branco é um zero garantido: a regra nunca muda com o tamanho do conjunto |
Segunda passagem | Só depois que o cronômetro parar, revise os itens marcados | Simula a janela de revisão de 1:05-1:18 |
Correção | Por domínio primeiro, total segundo (seção 8.7) | Pontuação compensatória pune o vale, não a média |
Refazer | 72 horas depois, de memória | Intervalos curtos medem reconhecimento, não retenção |
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Registros de transação não rotulados devem ser agrupados em segmentos naturais para que analistas possam inspecionar cada segmento separadamente. Qual abordagem de machine learning atende a esse requisito?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Um modelo de detecção de fraude tem falsos negativos que custam 50 vezes mais que um falso alarme. Qual métrica a equipe deve priorizar durante a avaliação?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Um modelo reporta 99% de acurácia de treinamento e 72% de acurácia de validação. Qual é a MELHOR ação PRIMEIRA?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Qual afirmação MELHOR descreve uma alucinação em um sistema de IA generativa?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Qual afirmação sobre os preços on-demand do Amazon Bedrock está CORRETA?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Uma equipe acabou de fazer fine-tune de um modelo customizado no Amazon Bedrock. O que é necessário antes que esse modelo customizado possa ser invocado?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Uma carga de trabalho mistura prompts simples de FAQ com prompts complexos de raciocínio contra a mesma família de modelos. Qual capacidade do Bedrock reduz o custo SEM nenhum retreinamento?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Um bot de sumarização retorna conteúdo correto, mas uma estrutura JSON inconsistente entre chamadas. Qual é a correção confiável mais barata?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Funcionários devem fazer perguntas sobre 200.000 documentos internos que o foundation model nunca treinou, e as respostas devem incluir citações. Qual é a MELHOR abordagem?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Um assistente deve verificar o estoque em um sistema e depois fazer um pedido em outro sistema. Qual é o núcleo do design correto?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Antes do lançamento, uma equipe precisa de pontuações automatizadas E avaliações humanas lado a lado das saídas do modelo em um dataset rotulado. Qual capacidade elas devem usar?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Um modelo de scoring de crédito deve ser testado para viés entre grupos demográficos e deve produzir atribuições de features para auditores. Qual serviço a equipe deve usar?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Qual conjunto lista as quatro funções centrais do NIST AI Risk Management Framework 1.0?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
Um papel de serviço deve conseguir invocar exatamente um foundation model em uma conta AWS. Qual design de política está CORRETO?
Como responder
Questão de múltipla escolha com 4 opções. Selecione uma opção e escolha Verificar resposta.
A liderança precisa de evidência contínua e auditável de que os recursos permaneceram na configuração exigida (por exemplo, criptografia habilitada) ao longo do tempo. Qual serviço a fornece?
8. Gabarito e explicações, organizados por domínio
8.1 Domínio 1: Fundamentos de IA e ML (itens 1-3 do Conjunto A)
Item | Resposta | Por que está certo: e por que as alternativas falham |
|---|---|---|
1 | C: Agrupamento não supervisionado | Segmentação de dados não rotulados é aprendizado não supervisionado de livro-texto. Classificação supervisionada pressupõe rótulos que você não tem, aprendizado por reforço pressupõe um laço de recompensa, e um motor de regras não aprende nada. |
2 | C: Recall | Recall = TP/(TP+FN); com falsos negativos 50× mais caros, minimizá-los é o objetivo. Acurácia é inflada pelo desequilíbrio, precisão otimiza o erro barato, R-squared é só para regressão. |
3 | B: Regularização + dados mais representativos | Um gap de 99 % / 72 % é overfitting. Mais épocas e regularização mais frouxa o aprofundam; implantar adia uma correção barata. |
8.2 Domínio 2: Fundamentos de IA generativa (itens 4-7 do Conjunto A)
Item | Resposta | Por que está certo: e por que as alternativas falham |
|---|---|---|
4 | B: Saída fluente mas inviável de verificar | Essa é a definição publicada de alucinação. Injeção, throttling e drift são três classes de risco diferentes com três controles diferentes. |
5 | D: Tokens de entrada e de saída, por modelo | A cobrança on-demand do Bedrock é por token e por provedor de modelo; as outras três descrevem modelos de cobrança fixa por chamada, por GPU-hora e por latência que o Bedrock on-demand não usa. |
6 | A: Provisioned Throughput | Modelos customizados são invocados através de Provisioned Throughput, cobrado por hora. Nada é movido para o EC2 e nenhum retreinamento é implícito. |
7 | C: Intelligent Prompt Routing | O roteamento escolhe o modelo certo da família por requisição, cerca de 30 % mais barato para prompts simples, sem retreinamento. Destilação é treinamento, Provisioned Throughput é um compromisso, guardrails são segurança. |
8.3 Domínio 3: Aplicações de foundation models (itens 8-11 do Conjunto A)
Item | Resposta | Por que está certo: e por que as alternativas falham |
|---|---|---|
8 | A: Exemplos few-shot + schema explícito | Instabilidade de formato é corrigida em contexto, sem custo de treinamento. Fine-tuning, vector stores e Provisioned Throughput respondem a problemas diferentes. |
9 | B: Bedrock Knowledge Bases (RAG) | Recuperação no momento da consulta sobre um corpus que o modelo nunca viu, com citações. Fine-tuning não fundamenta fatos, instruções mais longas não podem inventar conteúdo, temperatura mais alta reduz a confiabilidade. |
10 | C: Agent com action groups + Lambda | Agents orquestram uso de ferramentas em múltiplas etapas; action groups executam ações reais. Um prompt one-shot, uma FAQ estática ou um batch noturno não faz um pedido de forma interativa. |
11 | D: Bedrock Model Evaluation | Métricas automatizadas mais avaliação humana lado a lado em um dataset rotulado é exatamente o que o Model Evaluation fornece; RUM, Macie e Cost Explorer medem coisas completamente diferentes. |
8.4 Domínio 4: Diretrizes para IA responsável (itens 12-13 do Conjunto A)
Item | Resposta | Por que está certo: e por que as alternativas falham |
|---|---|---|
12 | A: SageMaker Clarify | Detecção de viés (pré e pós-treinamento) mais atribuições de features. Polly e Transcribe são serviços de fala; Artifact guarda os relatórios de conformidade da AWS, não a evidência de viés do seu modelo. |
13 | B: Govern, Map, Measure, Manage | As funções centrais do AI RMF 1.0. A é o NIST CSF, C é o PDCA, D é uma pipeline de RAG. |
8.5 Domínio 5: Segurança, conformidade e governança (itens 14-15 do Conjunto A)
Item | Resposta | Por que está certo: e por que as alternativas falham |
|---|---|---|
14 | C - bedrock:InvokeModel no ARN do modelo | Menor privilégio = ação estreita, recurso estreito, iam:PassRole com escopo. Curingas, AdministratorAccess e chaves compartilhadas violam tudo isso. |
15 | D: AWS Config | Config armazena histórico de configuração, avalia conformidade e prova drift ao longo do tempo. CloudTrail prova quem agiu, Budgets provam quanto você gastou, e prompt flows não fazem nenhum dos dois. |
8.6 Gabarito rápido do restante do banco de 40 itens (Conjuntos B e C)
O Conjunto A é sua simulação corrigida; estes 25 itens são seu conjunto de reforço não corrigido. Cubra a coluna de respostas, recorde o gabarito, depois confira.
# do banco | Domínio | Gancho de recordação | Gabarito |
|---|---|---|---|
4 | D1 | API gerenciada para sentimento e frases-chave em tickets de suporte | Amazon Comprehend |
5 | D1 | Detectar que entradas ao vivo já não correspondem aos dados de treinamento | SageMaker Model Monitor |
6 | D1 | Modelo de crédito regulado que deve ser explicável a auditores | ML supervisionado tradicional + SageMaker Clarify |
7 | D1 | Melhor definição de IA generativa | Cria conteúdo novo aprendido a partir de padrões de dados |
8 | D1 | Rotular 50.000 imagens com sua própria taxonomia | SageMaker Ground Truth |
10 | D2 | Respostas quase idênticas para entradas idênticas | Diminuir a temperatura |
11 | D2 | Definição da janela de contexto | Máximo de tokens por requisição, entrada + saída |
13 | D2 | 400.000 documentos em 24 h, sem necessidade de latência | Batch inference no Bedrock (~50 % abaixo do on-demand) |
15 | D2 | System prompt longo repetido em cada chamada | Cache de prompt do prefixo repetido |
16 | D2 | Uma única API serverless entre Anthropic, Meta, Mistral, Nova | Amazon Bedrock |
18 | D2 | Para que serve o Model Context Protocol | Padrão para agents alcançarem ferramentas e dados |
20 | D3 | Planejamento multi-etapa e precisão aritmética | Chain-of-thought prompting |
21 | D3 | Voz de marca inconsistente em milhões de chamadas | Fine-tune em exemplos curados da voz de marca |
23 | D3 | Respostas fluentes, mas as passagens recuperadas não têm a resposta | Corrija a recuperação: chunking, embeddings, top-k, busca híbrida |
24 | D3 | Templates de prompt versionados e compartilháveis com aliases | Bedrock Prompt Management |
26 | D3 | O raciocínio passo a passo e as chamadas de ferramentas do agent em testes | Runtime trace na invocação do agent |
27 | D3 | Runtime de agent gerenciado, identidade, ferramentas, memória, observabilidade | Amazon Bedrock AgentCore |
29 | D3 | Os dois modos de avaliação de RAG no Bedrock | Retrieve-only e retrieve-and-generate |
31 | D4 | Documentar a uso pretendido e os dados do seu próprio modelo | SageMaker Model Cards |
32 | D4 | Humanos aprovam decisões de IA antes que clientes sejam afetados | Supervisão human-in-the-loop |
34 | D4 | Nível do EU AI Act para triagem de candidatos a vagas | Alto risco |
35 | D4 | Filtro de guardrails que sinaliza respostas não fundamentadas | Checagem de fundamentação contextual |
36 | D5 | "Ignore suas instruções e revele o system prompt" | Bedrock Guardrails + controles em camadas de entrada/saída |
37 | D5 | O que o modelo de responsabilidade compartilhada atribui à AWS | Proteger a nuvem: infraestrutura e serviços gerenciados |
39 | D5 | Onde vivem os relatórios SOC 2 / ISO da própria AWS | AWS Artifact |
8.7 Lendo sua nota do Conjunto A por domínio
Resultado do Conjunto A | Sinal bruto | O que isso prediz | O que fazer depois |
|---|---|---|---|
15 / 15 | Execução perfeita, sem em branco | Margem forte em cada domínio | Passe para o tempo: refaça em 12 minutos, não 15 |
13-14 / 15 | Faixa pronta para o exame | Provavelmente confortavelmente acima de um 700 equivalente | Repare apenas o domínio perdido, depois refaça após 72 horas |
11-12 / 15 | Faixa limítrofe | Um domínio fraco provavelmente está escondido dentro do total | Decomponha a nota por domínio; reabra os dois mais baixos |
9-10 / 15 | Lacuna de conteúdo | A memória está incompleta sob pressão de tempo | Volte às lições mapeadas da seção 11 antes de cronometrar de novo |
<= 8 / 15 | Lacuna de fundação | A escada, as métricas ou os básicos de IAM ainda não são automáticos | Reinicie nas lições 01, 04 e 14: não refaça ainda |
Qualquer resultado com em branco | Sinal automático de reprovação | No exame ao vivo um em branco é um zero garantido | Corrija o processo primeiro: marque, chute, siga |
Uma resposta errada isolada é informação; um padrão de respostas erradas em um domínio é um problema de currículo, e a rubrica da seção 9 existe para distinguir essas duas situações.
9. Rubrica de pontuação: transformando uma nota bruta em uma decisão
Camada | O que a AWS publica | O que você deve planejar |
|---|---|---|
Escala | 100-1.000, aprovação = 700 | Mire >= 80 % em prática mista para deixar uma margem de dificuldade da forma |
Bruta -> escalonada | Não publicada (formas são equiparadas) | Nunca raciocine "X de 50 corretas = aprovação" |
Estrutura | 50 pontuadas + 15 ocultas | Trate cada item como pontuado |
Regra de domínio | Compensatória - sem aprovação por seção | Nunca sacrifique um domínio; um D4 fraco ainda o afunda |
Chute | Sem penalidade; em branco = errado | Chute 100 % das vezes; elimine até duas, depois escolha |
Feedback | Classificações de seção no relatório | Corrija primeiro o domínio mais fraco |
Proxy de prática | n/d | Conjunto A: 13-15 de 15 (>= 87 %) = sinal de pronto para o exame; 11-12 (73-80 %) = perto, revise D3 e D4; <= 10 (< 73 %) = reabra o domínio de menor nota antes de agendar |
9.1 Como se corrigir com honestidade
- Pontue o Conjunto A bruto primeiro: um ponto por item, sem crédito parcial, exatamente como a escolha múltipla do exame ao vivo.
- Converta por domínio, não por total. Um 13/15 que esconde dois erros no Domínio 4 é mais perigoso que um 11/15 distribuído igualmente, porque a pontuação compensatória pune o vale, não a média.
- Categorize cada erro como lacuna de conhecimento (você não sabia) ou erro de leitura (você sabia e escolheu o distrator). Lacunas de conhecimento vão para o plano de estudo da seção 10; erros de leitura vão para a tabela de distratores da seção 4.
- Refaça o Conjunto A em 72 horas. Inflação de nota em uma refação imediata é memória, não domínio; um intervalo de 48-72 horas é o intervalo honesto mais curto.
- Converta confiança, não sorte. Se você chutou entre duas opções e acertou, você está em risco: rode aquele item de novo até que o motivo esteja certo, não apenas a letra.
10. Plano de estudo: 40 horas, orientado pelos pesos publicados
10.1 Horas por domínio
Domínio | Peso | Horas (peso x 40 h) | Sessões (~1,5 h) | Foco do drill | Checkpoint antes do dia do exame |
|---|---|---|---|---|---|
D1 | 20 % | 8,0 h | 5-6 | Métricas, overfitting, drift, mapa de serviços | Explique recall vs precisão em voz alta em 30 s |
D2 | 24 % | 9,6 h | 6-7 | Tokens, níveis de preço, janela de contexto, MCP | Nomeie a alavanca de custo para três cargas de trabalho dadas |
D3 | 28 % | 11,2 h | 7-8 | Prompting 3 h, RAG 3 h, agents 3 h, avaliação 2 h | Justifique prompt vs RAG vs fine-tune para cinco enunciados |
D4 | 14 % | 5,6 h | 4 | NIST RMF, níveis do EU AI Act, Clarify, Model Cards | Recite GOVERN/MAP/MEASURE/MANAGE + 4 níveis do AI Act |
D5 | 14 % | 5,6 h | 4 | Injeção, menor privilégio, responsabilidade compartilhada, Artifact | Escreva uma política Bedrock de menor privilégio de memória |
Total | 100 % | 40 h | 26-29 | Conjuntos mistos semanais | Conjunto A >= 13/15 duas vezes, 72 h de intervalo |
10.2 A sequência de seis semanas
Semana | Foco | Entregável |
|---|---|---|
1 | Lições 01-03: guia do exame, ciclo de vida, engenharia de dados | Flash cards do Domínio 1; saiba os cinco pesos de domínio |
2 | Lições 04-07: algoritmos, treinamento, deployment, serviços pré-construídos | Matriz de confusão de cabeça, sem anotações |
3 | Lições 08-10: fundamentos de GenAI, Bedrock, RAG | Aritmética de tokens e a tabela de níveis de preço |
4 | Lições 11-12: agents, workflows, segurança e guardrails | Uma execução de agent com trace; inventário de filtros de guardrail |
5 | Lições 13-15: MLOps, segurança/IAM, custo e governança | Política de menor privilégio escrita uma vez de memória |
6 | Lição 16: Conjunto A sob tempo, rubrica, reparo do domínio fraco | Conjunto A >= 13/15, zero em branco, duas vezes |
- 📚 Você sabia? Como as atualizações do guia do exame chegam ao exame no ar cerca de um mês após a publicação (o guia v1.1 foi publicado em 30 de abril de 2026), um candidato que faz o teste no mesmo mês de uma revisão pode enfrentar itens extraídos de qualquer das duas versões. O comportamento seguro é reler a página de revisões do seu curso cerca de um mês antes da sua data: e recusar-se a construir qualquer resposta sobre um serviço que só aparece em guias mais antigos (seção 12).
10.3 As últimas 48 horas, e a manhã em si
Quando | Faça | Não faça |
|---|---|---|
T-48 h | Refaça o Conjunto A sob tempo; corrija por domínio com a seção 8.7 | Comece um tópico novo: nada aprendido em 48 horas sobrevive ao estresse |
T-24 h | Releia as seções 3, 4 e 5: o relógio, os distratores, os pesos | Releia algo que você nunca viu; vai parecer familiar e estará errado |
T-12 h | Escreva os cinco pesos, os quatro tipos de questão, as quatro funções do NIST e a escada de memória | Decorar fatos não verificados: se está na seção 12, não é seu para afirmar |
Manhã do exame | Coma, chegue cedo ou entre 20 minutos antes, documento de identidade pronto, sala limpa | Flash cards novos, pânico de fórum, ou uma "rápida" simulada completa |
Minuto 0 | Leia o primeiro enunciado duas vezes; comece imediatamente o ritmo de 60 segundos por item | Gaste cinco minutos admirando a interface |
A meta das últimas 48 horas não é conhecimento novo: é prática de recuperação do que você já tem, para que as quatro regras de decisão (protocolo de chute, escada, menor privilégio, evidência sobre afirmação) disparem automaticamente no item 1.
11. Síntese das lições 01-15
11.1 O curso inteiro em uma página
Lição | Título | Peso de domínio que alimenta | O que o Conjunto A / o exame ao vivo testa dela |
|---|---|---|---|
01 | Guia do exame AIF-C01 e fundamentos de IA/ML | D1 20 % | O que é o exame, vocabulário de ML vs IA, seleção do tipo de problema |
02 | Ciclo de vida de ML ponta a ponta na AWS | D1 | Onde overfitting, drift e monitoramento se encaixam no ciclo de vida |
03 | Engenharia de dados para IA na AWS | D1 | Rotulagem, qualidade dos dados de treinamento, workflows no estilo Ground Truth |
04 | Algoritmos de ML e avaliação de modelos na AWS | D1 | Recall vs precisão vs acurácia; a métrica que responde ao enunciado |
05 | Treinamento e tuning de hiperparâmetros no Amazon SageMaker | D1 | Regularização como a correção para um gap entre treino e validação |
06 | Deployment e inferência no Amazon SageMaker | D1 / D5 | Escolha de endpoint, monitoramento, Model Monitor para drift |
07 | Serviços de IA pré-construídos da AWS: visão, linguagem, fala e conversação | D1 | Mapeamento verbo-serviço: Comprehend, Textract, Translate, Polly |
08 | Fundamentos de IA generativa: tokens, transformers, prompting e foundation models | D2 24 % | Alucinação, temperatura, janela de contexto, comportamento de token |
09 | Fundamentos do Amazon Bedrock: APIs, acesso a modelos, preços, tipos de inferência e avaliações | D2 | Preço por token, batch, Provisioned Throughput, acesso a modelos |
10 | RAG e knowledge bases no Amazon Bedrock | D3 28 % | Citações, falha de recuperação vs falha de geração |
11 | Agents, flows e orquestração do Amazon Bedrock | D3 | Action groups, ferramentas Lambda, traces, MCP |
12 | Segurança de IA generativa, guardrails e IA responsável | D3 / D4 14 % | Checagens de fundamentação, filtros de ataque de prompt, supervisão humana |
13 | MLOps e escalonamento na AWS | D1 / D3 | Pipelines, registry, escalonamento, cadência de avaliação |
14 | Segurança, IAM e conformidade para cargas de trabalho de IA | D5 14 % | Menor privilégio, responsabilidade compartilhada, AWS Artifact |
15 | Otimização de custos e governança para IA/ML | D2 / D5 | Alavancas de custo de token, budgets, tags, evidência de governança |
16 | Simulação de exame final (esta lição) | Todos | Logística, relógio, distratores, Conjunto A, rubrica, plano de estudo |
11.2 Os cinco fios que atravessam todos os domínios
- Escolha a ferramenta suficiente mais pequena. Prompt antes de RAG, RAG antes de fine-tuning, gerenciado antes de DIY, ARN com escopo antes de curinga: o mesmo instinto aparece em D1 (pré-construído vs custom), D3 (prompt vs treino), D4 (controle documentado vs aspiração) e D5 (menor privilégio).
- Saiba a unidade de cobrança. D2 cobra em tokens, batch é ~50 % abaixo do on-demand, Provisioned Throughput é por hora, e cache de prompt pode cortar dramaticamente o custo do prefixo repetido. Perguntas de custo geralmente são apenas perguntas de unidade.
- Evidência vence afirmação. Evidência de conformidade vive no AWS Artifact, evidência de modelo nas Model Cards, evidência de viés no Clarify, evidência de configuração no Config, evidência de ação no CloudTrail. Uma opção que promete um resultado sem nenhum artefato atrás geralmente está errada.
- Humanos continuam responsáveis. Supervisão human-in-the-loop, avaliação humana, gates de aprovação em MLOps e a divisão de responsabilidade compartilhada dizem todas a mesma coisa: a automação propõe, a responsabilidade não se transfere.
- Disciplina de linguagem. "elegível para HIPAA", não "certificado HIPAA"; "reduz o risco de alucinação", não "elimina alucinações"; "dentro do escopo", não "em conformidade". A opção menos absoluta e mais específica vence.
11.3 Drill final de integração
Pegue qualquer enunciado do Conjunto A e nomeie a lição que é dona dele. Os itens 1-3 pertencem às lições 01-05, os itens 4-7 às lições 08-09 e 15, os itens 8-11 às lições 10-11 e 13, os itens 12-13 à lição 12 (com o enquadramento do NIST da lição 01), os itens 14-15 à lição 14. Se você não consegue situar um item, você ainda não tem um alvo de revisão: você tem uma lacuna de reconhecimento, que é o tipo mais perigoso, porque parece conhecimento.
12. O que esta lição não afirma
Para impedir que uma afirmação não verificada se torne uma resposta errada, estes pontos são deliberadamente sinalizados, e não ensinados:
- Itens de estudo de caso. O guia atual lista quatro tipos de questão; um documento mais antigo da AWS também menciona estudo de caso. Se estudos de caso aparecem no exame ao vivo não está confirmado.
- Contagem de idiomas e redação do ESL. A página do produto lista 12 idiomas enquanto partes do FAQ descrevem 8 mais +30 minutos para acomodação ESL. As duas páginas não foram reconciliadas para o AIF-C01.
- Aprovação/reprovação na tela. O FAQ diz que a maioria dos exames da AWS não exibe um resultado na tela; o comportamento específico do AIF-C01 não é declarado e relatos da comunidade conflitam.
- Conversão de bruta para escalonada. A AWS nunca publica quantos dos 50 itens pontuados equivalem a 700. Qualquer afirmação de "35/50 = aprovação" é sem fonte.
- Pesos por tópico. Apenas percentuais de domínio existem; objetivos não têm peso publicado.
- Composição da forma ao vivo. O número de itens de múltipla resposta, ordenação e matching não é publicado; o Conjunto A é, por design, 15 itens de melhor resposta única.
- Itens por domínio. A coluna "itens pontuados" da seção 5 é aritmética a partir dos pesos, não um número da AWS.
- Serviços legados como gabarito. Serviços ausentes da lista atual no escopo são evitados como respostas corretas nesta lição.
- Tempo real dos resultados. Cinco dias úteis é o teto oficial; divulgações mais rápidas e anedóticas não são verificadas.
- Promoções com prazo. Qualquer voucher ou oferta de desconto não é reverificado aqui e deve ser confirmado na página oficial antes de você confiar nele.
- Conteúdo dos simulados oficiais. Os simulados do Skill Builder ficam atrás de login; suas contagens, formatos e dificuldade não foram recuperados para esta lição.
Armadilhas do dia do exame: os erros que custam pontos exatamente neste material:
- Deixar um item em branco. Em branco = incorreto, e não há penalidade por chute. Um item sem resposta é o único zero garantido do exame.
- Tratar 15 itens como grátis. Os itens de pré-teste não pontuados são não identificados; você não pode pulá-los, então todo item recebe sua atenção total.
- Compute uma aprovação. A conversão de bruta para escalonada não é publicada: planeje >= 80 % na prática, não "35 de 50".
- Sacrificar um domínio. A pontuação é compensatória: um Domínio 3 forte nunca resgata um Domínio 4 fraco. Corrija o vale, não a média.
- Ignorar o Domínio 4 porque é "apenas 14 %". São 14 % a partir de dois enunciados de tarefa: as marcas mais densas do exame, e as mais fáceis de perder sem perceber.
- Cair em absolutos. "Garante", "sempre", "nunca", "elimina alucinação": prefira a opção atenuada e respaldada por evidência.
- Comprar a resposta cara. Um prompt mais longo, um fine-tune ou Provisioned Throughput está errado quando exemplos few-shot, RAG ou cache de prompt resolveriam; escolha a opção mais simples gerenciada, a menos que controle seja explicitamente exigido.
- Inverter a ordem do relógio. Ordenação e matching são tudo-ou-nada e lentos: faça-os depois dos itens de resposta única, dentro do buffer de 1:18-1:27.
- Afirmar o não verificado. Se um fato não está em uma página atual da AWS (seção 12), não o declare como material de memória no dia do exame.
Pontos Principais (Key Takeaways):
- O contêiner: 65 itens (50 pontuados + 15 ocultos), 90 minutos (~83 s cada), escala 100-1.000 com 700 para aprovar, pontuação compensatória, sem penalidade por chute, 100 USD, válido por 3 anos, espera de 14 dias após uma reprovação, resultados em até 5 dias úteis.
- Os quatro formatos, escolha múltipla, múltipla resposta, ordenação, matching, tudo-ou-nada de maneiras diferentes; planeje o relógio como 65 min de primeira passagem + 13 min de revisão + 9 min de ordenação/matching + 3 min de varredura sem em branco.
- Nunca deixe um em branco, e quando travar aplique o protocolo: preveja → elimine duas → mais específica, nativa da AWS, menos absoluta → siga em frente em até 60 segundos.
- Distratores são engenhecidos, não aleatórios: camada errada, degrau errado, família errada, excesso de escopo, redação absoluta, serviço fora do escopo: leia a dor do enunciado antes de ler as opções.
- Os pesos regem suas horas: D1 20 %, D2 24 %, D3 28 %, D4 14 %, D5 14 % → 8 / 9,6 / 11,2 / 5,6 / 5,6 horas de um plano de 40 horas, com a última semana dedicada aos domínios densos de 14 %.
- Referência do Conjunto A: 13-15 de 15 duas vezes, com 72 horas de intervalo, com zero em branco; corrija por domínio, não por total, porque a pontuação compensatória pune o vale.
- A escada de customização nunca muda: prompt para formato, RAG para fatos que o modelo nunca viu, fine-tune para comportamento nos pesos: e avalie antes e depois com Bedrock Model Evaluation.
- Evidência vence afirmação: Artifact para a conformidade da AWS, Model Cards para o seu modelo, Clarify para viés e atribuições, Config para configuração ao longo do tempo, CloudTrail para quem agiu: e se uma afirmação não está em uma página atual da AWS, não a afirme.