Saltar al contenido
aprendeaws.dev

Certificaciones · Profesional · AIP-C01

Badge de AWS Certified Generative AI Developer – Professional

AWS Certified Generative AI Developer – Professional

Mide si sabes llevar IA generativa a producción en AWS: integrar modelos fundacionales, RAG, agentes, seguridad y gobierno, costos, rendimiento, evaluación y diagnóstico.

Para quién: Dos años construyendo aplicaciones en producción y al menos un año trabajando con IA generativa.

75

preguntas: 65 con puntaje y 10 sin puntaje

180 min

de duración

750

puntaje mínimo para aprobar, en una escala de 100 a 1.000

2 tipos

de pregunta: opción única y respuesta múltiple

Fuente: guía oficial del examen AIP-C01, versión AIP-C01, guía oficial vigente. Revisado en noviembre de 2026.

Dominios del examen

  • 31 % · Integración de modelos fundacionales, datos y cumplimiento
  • 26 % · Implementación e integración
  • 20 % · Seguridad, protección y gobierno de la IA
  • 12 % · Eficiencia operativa y optimización
  • 11 % · Pruebas, validación y diagnóstico

20 tareas en la guía oficial. El curso cubre todas.

Dominio 1 · 31 % del examen

Integración de modelos fundacionales, datos y cumplimiento

  1. 1.1

    Analizar requisitos y diseñar soluciones de IA generativa

    • Arquitecturas según el negocio y sus restricciones
    • Pruebas de concepto en Bedrock
    • Componentes estándar y el Well-Architected Generative AI Lens

    Lecciones del curso

  2. 1.2

    Seleccionar y configurar modelos fundacionales

    • Elegir por capacidades y referencias
    • Cambiar de modelo sin tocar código
    • Resiliencia: inferencia entre regiones y degradación controlada
    • Desplegar modelos personalizados con LoRA y Model Registry

    Lecciones del curso

  3. 1.3

    Implementar pipelines de validación y procesamiento de datos

    • Validación con Glue Data Quality y Data Wrangler
    • Texto, imagen, audio y datos tabulares
    • Formatos para las API de Bedrock y SageMaker
    • Mejorar la calidad de las entradas

    Lecciones del curso

  4. 1.4

    Diseñar e implementar almacenes vectoriales

    • Knowledge Bases, OpenSearch, Aurora y DynamoDB
    • Metadatos y escalado de índices
    • Integración con sistemas documentales
    • Mantener los vectores al día

    Lecciones del curso

  5. 1.5

    Diseñar mecanismos de recuperación

    • Fragmentación fija, jerárquica y semántica
    • Embeddings y búsqueda vectorial
    • Búsqueda híbrida y reranking
    • Expansión y descomposición de consultas; llamadas a funciones y MCP

    Lecciones del curso

  6. 1.6

    Implementar estrategias y gobierno de prompts

    • Plantillas e instrucciones con Prompt Management
    • Conversaciones con historial
    • Gobierno, aprobación y pruebas de prompts
    • Flujos de prompts complejos

    Lecciones del curso

Dominio 2 · 26 % del examen

Implementación e integración

  1. 2.1

    Implementar soluciones agénticas e integración de herramientas

    • Agentes con estado: Strands Agents, Agent Squad y MCP
    • Razonamiento estructurado con Step Functions
    • Salvaguardas: límites, tiempos, IAM y aprobación humana
    • Servidores MCP en Lambda o ECS

    Lecciones del curso

  2. 2.2

    Implementar estrategias de despliegue de modelos

    • Lambda, capacidad aprovisionada o endpoints de SageMaker
    • Contenedores y capacidad de GPU para modelos grandes
    • Modelos más pequeños y en cascada

    Lecciones del curso

  3. 2.3

    Diseñar arquitecturas de integración empresarial

    • Conexión con sistemas heredados
    • IA generativa en aplicaciones con API Gateway, Lambda y EventBridge
    • Acceso seguro y federado
    • CI/CD y gateways de IA generativa

    Lecciones del curso

  4. 2.4

    Implementar integraciones con las API de modelos

    • API síncronas y asíncronas
    • Streaming, WebSocket y eventos enviados por el servidor
    • Reintentos, límites de tasa y alternativas
    • Enrutamiento de modelos

    Lecciones del curso

  5. 2.5

    Implementar patrones de integración y herramientas de desarrollo

    • Interfaces con streaming y límites de tokens
    • Amplify, OpenAPI y flujos de prompts
    • Procesamiento de documentos y Bedrock Data Automation
    • Amazon Q Developer y diagnóstico

    Lecciones del curso

Dominio 3 · 20 % del examen

Seguridad, protección y gobierno de la IA

  1. 3.1

    Implementar controles de seguridad de entradas y salidas

    • Guardrails para entradas y salidas
    • Reducir alucinaciones con anclaje y esquemas
    • Defensa en capas
    • Detectar inyección de prompts y jailbreaks

    Lecciones del curso

  2. 3.2

    Implementar controles de seguridad y privacidad de datos

    • Endpoints de VPC, IAM y Lake Formation
    • Detección de PII con Comprehend y Macie
    • Enmascarar, anonimizar y retener

    Lecciones del curso

  3. 3.3

    Implementar gobierno y cumplimiento de la IA

    • Model cards, linaje y registros de decisiones
    • Seguimiento de fuentes de datos
    • Monitoreo continuo de uso indebido y deriva

    Lecciones del curso

  4. 3.4

    Implementar principios de IA responsable

    • Transparencia: fuentes, confianza y trazas de razonamiento
    • Equidad con métricas y evaluaciones
    • Cumplimiento de políticas con Guardrails

    Lecciones del curso

Dominio 4 · 12 % del examen

Eficiencia operativa y optimización

  1. 4.1

    Implementar optimización de costos y eficiencia

    • Eficiencia de tokens y compresión de contexto
    • Modelos escalonados por complejidad
    • Lotes y capacidad aprovisionada
    • Caché semántica y de prompts

    Lecciones del curso

  2. 4.2

    Optimizar el rendimiento de la aplicación

    • Latencia contra costo: streaming y llamadas en paralelo
    • Rendimiento de la recuperación
    • Parámetros del modelo y pruebas A/B
    • Escalado para tráfico de IA generativa

    Lecciones del curso

  3. 4.3

    Implementar monitoreo de aplicaciones de IA generativa

    • Métricas, trazas y tableros
    • Uso de tokens, tasa de alucinación y registros de invocación
    • Herramientas, agentes y almacenes vectoriales
    • Conjuntos de referencia y trazas de razonamiento

    Lecciones del curso

Dominio 5 · 11 % del examen

Pruebas, validación y diagnóstico

  1. 5.1

    Implementar sistemas de evaluación de IA generativa

    • Relevancia, exactitud, consistencia y fluidez
    • Bedrock Model Evaluations, pruebas A/B y canary
    • Evaluación de RAG, agentes y LLM como juez
    • Compuertas de calidad y validación de despliegues

    Lecciones del curso

  2. 5.2

    Diagnosticar aplicaciones de IA generativa

    • Desborde de la ventana de contexto
    • Errores de integración con las API
    • Problemas de prompts y de recuperación
    • Mantenimiento de plantillas con logs y trazas

    Lecciones del curso

Cómo estudiar con este curso

  1. Sigue las lecciones de cada tarea; usa el buscador para repasar un servicio puntual.
  2. Responde el quiz de cada lección y lee la explicación de las que falles.
  3. Practica con los diagramas y simuladores: el examen pregunta por escenarios, no por definiciones sueltas.
  4. Antes del examen, lee la guía oficial: AWS la actualiza y publica los cambios cerca de un mes antes de aplicarlos.

AprendeAWS es un proyecto educativo independiente, sin afiliación con Amazon Web Services. Ni este curso ni sus preguntas son material oficial del examen. El badge que ves arriba es el de AWS y solo identifica la certificación: AWS lo entrega a quien aprueba el examen.