AI 證照怎麼準備：先算排考日，再排讀書順序
多數準備指南從第一章開始念。這篇反過來：先用重考規則往回推排考日（AWS 等 14 個日曆天、Google 是 14→60→365 天遞增、微軟 24 小時、iPAS 根本沒有重考、要等半年後的下一梯次），再照章節權重而不是章節編號排讀書順序，而且開念之前先做一次官方免費練習題定位。附七張證照的權重對照與 AIF-C01 五週範例。
31 篇文章
AI 證照備考
以官方 exam guide 的章節權重為骨架，一張證照一篇備考路徑：考什麼、配哪些官方材料、練什麼，時程換算的依據也寫出來。所有內容取自官方考綱與認證頁，不含應考實錄，也不含考古題。
AWS AI Practitioner（AIF-C01）備考路徑：v1.1 把它變成 agentic AI 考試
AIF-C01 考綱在 2026 年 4 月 30 日更新到 v1.1，新增七條目標——MCP、多 agent 模式、context engineering、token 計價、幻覺偵測全變成考點，in-scope 服務加入 Bedrock AgentCore、Kiro、Strands Agents，網路上的整理幾乎都是舊版。這篇依 v1.1 五章權重逐章拆解考點，整合 AWS 官方四步準備法、10+ 位考生的實戰心得與教材推薦。$100、90 分鐘、65 題、及格 700、效期 3 年，有繁體中文版。
AWS GenAI Developer Professional（AIP-C01）備考指南：考綱、教材與四步準備法
AIP-C01 考的是把基礎模型整合成可上線的 AWS 應用：RAG、agent、安全治理、成本與評估。本文依官方五章考綱，整理前置能力自評、四步準備法、教材選擇與實作驗收，附十週安排、AI 輔考範本及應考提醒。先做診斷，再用同一個 RAG 加 agent 專案補齊弱項。
Google Professional Machine Learning Engineer（PMLE）備考路徑：考綱重寫後怎麼準備
Google Professional ML Engineer 的考綱在 2026 年被重寫，Vertex AI 全面改名為 Gemini Enterprise Agent Platform，舊教材的產品名對不上題目。這篇以官方 exam guide 的六章權重為骨架，逐章列出考什麼、配哪些官方材料、練什麼，並換算成一份看得懂依據的時程。官方規格：$200、兩小時、50–60 題單選加複選、效期兩年、建議 3 年以上業界經驗含 1 年以上 Google Cloud。
Claude Certified Architect Foundations 考試完整指南
Claude 官方架構師認證（CCAR-F）的完整備考指南：五大領域權重 27/18/20/20/15、六大考試情境抽四個、常見反模式與實際演練建議。官方規格為 60 題 / 120 分鐘 / $125 / 效期 12 個月 / 及格 720，報考限 Claude Partner Network 成員，準時續期免費且非監考。
微軟 AI-103（Azure AI Apps and Agents Developer）備考路徑：Foundry 換代之後，舊 Azure AI 教材全部作廢
AI-103 取代 2026 年 6 月 30 日退場的 AI-102，考綱完全重寫成 Microsoft Foundry 體系——prompt flow、Azure AI Studio、Azure OpenAI Service、Azure AI Agent Service 這些名詞在目標裡一個都沒有。五塊技能權重 25-30 / 30-35 / 10-15 / 10-15 / 10-15，生成式與 agent 佔最大宗。官方規格：$165、120 分鐘、及格 700、有繁體中文、含互動題型，而且效期只有一年——但續期是免費、開書、非監考的線上評量。
微軟 AB-620（AI Agent Builder）備考路徑：Copilot Studio 這條低程式碼的 agent 線
AB-620 是微軟 agent 認證線裡的低程式碼那條——考的是 Copilot Studio 上的 agent flows、adaptive cards、computer use、MCP tools、A2A 與 Fabric data agent，不是寫 Python。三塊權重 30-35 / 40-45 / 20-25，最重的是整合與擴充。官方規格：$165、120 分鐘、及格 700、效期一年、13 種語言含繁體中文。已經 GA，但練習測驗還沒開放。
微軟 AI-500（Multi-Agent AI Solutions Expert）備考路徑：考綱已經公布，官方教材還沒上線
AI-500 是主流雲端業者裡少見的多 agent 系統專家級認證，四塊權重 15-20 / 30-35 / 20-25 / 20-25，官方點名 Agent Framework、LangGraph、Hugging Face Transformers、MCP server 架在 Azure Functions / Logic Apps / API Management、A2A、Key Vault、AI Red Teaming Agent。有兩個限制要先知道：必須先取得 AI-103 才能考，而且官方學習路徑尚未上線、練習測驗也還沒有。官方頁面已在 2026 年 9 月底拿掉 beta 標示。
Claude Certified Developer（CCDV-F）備考路徑：三分之一考的是普通軟體工程
CCDV-F 是 Anthropic 四張認證裡對應工程師的那張。官方 blueprint 有八個領域，最重的 Applications and Integration 佔 33.1%——而它底下最大的兩塊是 Claude Application Design 8.6% 與 Software Engineering Foundations 7.4%，也就是說三分之一的考試在考 API 機制與普通軟體工程。反直覺的是 Claude Code 只佔 3.1%、Eval 只佔 2.6%，而同家族的 Architect 那張光 Claude Code 就佔 20%。官方規格：$125、53 題、120 分鐘、及格 720、效期 12 個月，報考限 Claude Partner Network 組織。
NVIDIA NCA-GENL（Generative AI LLMs Associate）備考路徑：名字寫 LLM，考綱有一半是傳統 ML
NCA-GENL 是職缺點名「NVIDIA Generative AI / LLM 相關認證」時最常指的那張。但官方 blueprint 的權重跟名字落差很大——Core Machine Learning and AI Knowledge 30%、Software Development 24%、Experimentation 22%、Data Analysis 14%、Trustworthy AI 10%，LLM 與 RAG 的內容散在條目層而不是自成一塊，spaCy、NumPy、Keras、cross validation 都在考。另一個要先知道的：官方的建議教材在 2026 年秋天整個換過，現在每一塊只推兩項，一份放在 GitHub 上的免費開源深度學習教材，加一門 LLM 應用開發課。官方規格：$125、1 小時、50–60 題、效期兩年、僅英文、pass/fail 不給分數。
NVIDIA NCP-AAI（Agentic AI Professional）備考路徑：十個領域只有 7% 綁 NVIDIA 產品，但現在還不能報名
NCP-AAI 是 NVIDIA 的 agentic AI 專業級認證，$200、120 分鐘、60–70 題、效期兩年。十個領域裡最重的是 Agent Architecture and Design 15% 與 Agent Development 15%，只有 NVIDIA Platform Implementation 7% 明確綁自家產品，其餘是通用的 agentic 工程。兩件事要先知道：官方頁面的 Register 按鈕旁標著「Coming soon」，現在還不能報名；官方網頁與 PDF study guide 有兩項權重不同（Deployment and Scaling 13% 對 5%、Run/Monitor/Maintain 5% 對 7%），配時間時當成區間看。
NVIDIA NCP-GENL（Generative AI LLMs Professional）備考路徑：三成考的是 GPU 與模型最佳化，現在還不能報名
NCP-GENL 是 NVIDIA 的 LLM 專業級認證，$200、120 分鐘、60–70 題。它跟其他 GenAI 證照最大的差別在重心：Model Optimization 17% 加 GPU Acceleration 14% 合計 31%，考的是量化、蒸餾、剪枝、分散式平行與 CUDA profiling，不是接 API。兩個要先知道的：官方頁面的 Register 標著 Coming soon，還不能報名；官方網頁權重表裡 Model Optimization 與 Fine-Tuning 兩格的描述文字錯置，這兩塊要照官方 PDF study guide 準備。
NVIDIA NCA-GENM（Generative AI Multimodal Associate）備考路徑：與 NCA-GENL 同價同級，重心換成實驗與多模態
NCA-GENM 與 NCA-GENL 同價同時長同級別，但重心完全不同：Experimentation 升到 25%（最重），Core ML 從 30% 降到 20%，並多出 Multimodal Data 15% 與 Performance Optimization 10% 兩塊。內容上考 U-Net、CLIP、擴散模型、多模態損失函數、attention map，以及 Riva／NeMo／Triton／ACE 這幾個 NVIDIA SDK。官方的建議教材在 2026 年秋天整個換過：現在只推一份放在 GitHub 上的免費開源深度學習教材，加一門多模態 agent 的課，而且各塊配的不一樣，最重的 Experimentation 只配免費教材。官方規格：$125、1 小時、50–60 題、效期兩年、僅英文。
微軟 AB-100（Agentic AI Business Solutions Architect）備考路徑：架構師那張，考的是判斷而不是實作
AB-100 是微軟 agent 線的架構師版，三塊權重 25-30 / 25-30 / 40-45，重心在部署與治理。它的 outline 幾乎全是 design、recommend、propose 這類動詞——考的是情境判斷而不是實作。三個要先知道的：它有先修，除了考過 AB-100，還必須持有官方清單裡的任一張 associate 認證（AI-103、AB-620、AI-300 都在清單上）；它有免費練習測驗，是微軟三張 agent 證照裡唯一有的；考試頁有一段簡介寫的是合規類考試的內容，準備要以 study guide 為準。官方規格：美國 $165、13 種語言含繁體中文、及格 700、效期一年。
Claude Certified Architect Professional（CCAR-P）備考路徑：有 28% 不考技術
CCAR-P 是 Anthropic 四張裡最貴也最資深的一張（$175、63 題、120 分鐘）。七個領域裡最重的是 Integration 19%，但真正讓它跟系列其他證照不同的是另外兩塊——Governance, Safety & Risk Management 14% 與 Stakeholder Communication & Lifecycle Management 14%，合計 28% 考的是法遵、風險、需求訪談與交付生命週期，不是寫程式。官方點名 GDPR、HIPAA、FedRAMP，並在 Intended Audience 明講「不適合入門開發者，也不適合只寫 prompt 而不負責系統設計的人」。
Claude Certified Associate（CCAO-F）備考路徑：最重的一塊是「怎麼判斷 Claude 講錯了」
CCAO-F 是 Anthropic 四張裡最便宜的一張（$99、60 題、120 分鐘），給的是「用 Claude 做事」而不是「寫程式串 Claude」的人。七個領域裡最重的是 Output Evaluation and Validation 21%——辨識幻覺、判斷何時需要人工複核、比較與改寫輸出；Governance, Risk, and Responsible Use 也有 15%。官方明講它不適合寫 API 或設計 agentic 系統的開發者。另有一條容易被忽略：這張不計入 Claude Partner Network 的 tier 資格，另外三張才算。
多 agent 架構的考點交集：五張證照重複考什麼，又各自獨有什麼
微軟 AI-500、AB-620、AB-100、NVIDIA NCP-AAI、Claude CCAR-F 這五張證照都考多 agent 架構，交集是七件事：編排拓樸、A2A 與 MCP、每個 agent 的身分邊界、三層記憶、可觀測性與 agent replay、人在迴圈、四個介入點的 guardrail。但同一件事四家用四個名字，而且各自有無法互相轉移的獨有考點——微軟命名了四種 context window 失效模式、NVIDIA 有 7% 綁死自家 NeMo 與 NIM、Claude 考 stop_reason 這種 SDK 層細節。另外修一個常見誤解：Google PMLE 滿篇「Agent Platform」是 Vertex AI 改名，不是多 agent 考點。
RAG 與檢索評估的考點交集：四張證照重複考什麼，還有一張大家以為它考、其實沒有
真正把 RAG 與檢索評估當考點的是四張：AWS AIF-C01（第 2、3 章合計 52%，RAG、向量儲存、FM 評估指標全在裡面）、AWS AIP-C01（第 1 章 31% 裡有 11 個技能點落在向量儲存與 RAG）、NVIDIA NCP-AAI（Knowledge Integration 10% ＋ Evaluation and Tuning 13%）、微軟 AI-500（Develop 30–35% 裡的「多 agent RAG 架構」）。Google PMLE 只貢獻一條 LLM-as-a-judge，而 Claude CCDV-F——那張大家最容易假設它考 RAG 的開發者證照——八個領域裡一條檢索考點都沒有，Eval 只佔 2.6%。附 AIF 與 AIP 的同廠雙級別對照、四家名詞對照表、獨有考點清單與練習專案。
AI 治理框架對照：EU AI Act、NIST AI RMF、ISO/IEC 42001，以及沒有一張證照點名它們
治理在證照裡的比重比多數工程師以為的高——CCAR-P 的 Governance 14% 加 Stakeholder 14% 共 28%、CCAO-F 治理 15%、AB-100 的部署治理塊 40–45%、AIF-C01 的負責任 AI 14% 加安全治理 14%。但系列前十五篇對應的官方 exam guide 裡，沒有任何一張點名 EU AI Act、NIST AI RMF 或 ISO/IEC 42001；全系列唯一被官方點名的法規只有 CCAR-P 的 GDPR、HIPAA、FedRAMP。所以這篇的用法不是「背框架去考試」，而是用三份框架當骨架，把六張證照散落的治理條目歸位。三份框架的分工是：EU AI Act 是法律（2026-08-02 全面適用，高風險義務被 AI Omnibus 延到 2027-12-02）、NIST AI RMF 是自願框架（GOVERN／MAP／MEASURE／MANAGE 四個功能，且 1.0 正在改版）、ISO/IEC 42001 是可驗證的管理系統標準（條文要付費購買，本文只寫 ISO 公開頁上的資訊）。
prompt 與 context engineering 的考法：十張證照怎麼問，跟實務差在哪
多數人以為 GenAI 證照的主軸是 prompt 寫作，但 CCAO-F 的 Prompting 只有 14%，輸出評估卻有 21%；CCDV-F 的 Prompt and Context Engineering 只有 11%。真正被考的是結構化輸出、防禦性 prompt、動態 context 注入、context 壓縮與快取、prompt 生命週期治理，以及「prompt 改了怎麼證明變好」——這六件事比較接近 context engineering 與軟體工程，而不是寫作技巧。另外沒有任何一張要你現場寫 prompt，全是選擇題，所以練「說得出為什麼」比練手感有用。最該記住的一條來自 CCAR-F：業務邏輯必須被保證時，「先改 prompt」通常是錯誤選項。
成本、延遲與可用性的考點交集：六張證照從三個不同高度考同一件事
Google PMLE、AWS AIF-C01 與 AIP-C01、微軟 AI-103 與 AI-500、NVIDIA NCP-GENL 都考「怎麼讓 GenAI 應用又快又便宜又不掛」，但排起來是一道三階梯子：AIF-C01 問你知不知道成本隨 token 走，AIP-C01 與微軟兩張問你控不控得住，NCP-GENL 問你改不改得動模型與硬體。切入的高度差三層：NVIDIA 在 kernel 與量化層（Model Optimization 17% + GPU Acceleration 14% = 31%，全系列最重的單一成本延遲區塊），AWS 與微軟在應用層（快取三層、token 上限、chargeback），Google 在 MLOps 層（CPU/GPU/TPU 評估、資料平行 vs 模型平行、依吞吐量擴展服務後端）。交集是八根槓桿，但同一根在三個高度上是三種題目。本文刻意不帶任何價格與硬體規格數字——那是這個主題腐敗最快的部分。
AWS 三張 AI 證照怎麼選：MLA-C02 beta 已開放後的最新分界
AIF-C01、MLA-C02、AIP-C01 不是難度階梯，是三個職能切面：AIF 考能否判斷 AI 的商業應用；MLA 考能否把傳統 ML、基礎模型與 agentic workflow 上線並維運；AIP 考能否整合基礎模型做 GenAI 系統。MLA-C02 的英文 beta 已開放報名，9/29 開始交付；正式版日期與非英文版本仍未公布。
微軟這條線怎麼選：AI-103、AI-500、AB-620、AB-100 四張的分岔點
微軟四張 AI／agent 認證裡，官方寫死的先修有兩條：AI-500 必須先有 AI-103，AB-100 必須另有清單中任一張 associate；其餘是定位問題。選擇要走三個分岔：寫不寫 Python（AI-103／AI-500 vs AB-620）、建東西還是做判斷（AB-100 vs 其餘三張）、以及今天能不能真的開始——AI-500 的四條官方學習路徑目前全 404、AB-620 沒有練習測驗、AB-100 有免費練習測驗。對台灣讀者還有第四個分岔：AI-103、AB-620 與 AB-100 有繁體中文，只有 AI-500 僅英文。四張都是美國 $165（台灣 $83）、效期一年、續期免費但只在到期前六個月開放。
NVIDIA 四張生成式 AI 證照怎麼選：兩張還不能報名，真實成本要把課程算進去
NVIDIA 生成式 AI 線有四張：NCA-GENL、NCA-GENM（各 $125，associate）、NCP-GENL、NCP-AAI（各 $200，professional）。選之前先看三件別家沒有的事：一、兩張 professional 的 Register 按鈕都標著「Coming soon」，近期計畫直接只剩兩張 associate；二、官方建議教材的成本兩級差很多：兩張 associate 在 2026 年秋天換成一份免費的開源教材加一門課，兩張 professional 仍是五門付費課，NCP-GENL 官方清單列價合計 $1,620；三、官方網頁與 PDF 有幾處對不上——NCP-AAI 有兩項權重不同，NCP-GENL 網頁表格有兩格描述錯置，這兩張準備時要以 PDF 為準或當成區間看。另外綁定程度差很多：NCP-AAI 只有 7% 綁 NVIDIA 產品，NCP-GENL 有 31% 在考 GPU 與模型壓縮。
Claude 四張認證怎麼選：先確認你報不報得了名
選 Claude 四張認證之前有一個比所有考點都重要的前提：報考只開放給 Claude Partner Network 的組織，個人無法自行報名。過得了這關的人，實際的分岔點有四個——CCAO-F $99 不計入 partner tier 資格（另外三張計入）；Claude Code 在 CCAR-F 佔 20%、在 CCDV-F 只佔 3.1%，架構師那張考這個工具比開發者那張重；CCAR-P 有 28% 是治理與利害關係人溝通，系列裡沒有第二張這樣；CCAO-F 最便宜但 Prompting 只有 14%，輸出評估 21% 才是主軸。四張效期都是 12 個月，重考間隔 14 / 30 / 90 天、12 個月內最多 4 次。
微軟 AI-901（Azure AI Fundamentals）備考路徑：入門級，但過半在考你會不會用 Foundry 做出東西
AI-901 取代 2026 年 6 月 30 日退場的 AI-900，同樣叫 Azure AI Fundamentals，但考綱只剩兩塊：觀念 40–45%、用 Microsoft Foundry 實作 55–60%。官方要求會 Python，條目寫的是「用 Foundry SDK 做一個輕量 chat client」「建立並測試單一 agent」。官方規格：美國 $99、台灣 $50、45 分鐘、及格 700、13 種語言含繁體中文，而且入門級認證不會過期。
微軟 AI-200（Azure AI Cloud Developer）備考路徑：名字有 AI，考的是後端工程師怎麼把 AI 應用撐起來
AI-200（Azure AI Cloud Developer Associate）接替 2026 年 7 月 31 日退場的 AZ-204。四塊權重 20–25 / 25–30 / 20–25 / 20–25：容器、資料服務、訊息與 serverless、資安與監控。整份考綱沒有一條在考模型部署、prompt 或 agent，跟 AI 最直接相關的是 Cosmos DB、PostgreSQL pgvector、Managed Redis 三種向量搜尋。官方規格：美國 $165、台灣 $83、120 分鐘、及格 700、13 種語言含繁體中文、效期一年，練習測驗尚未開放。
微軟 AI-300（Machine Learning Operations Engineer）備考路徑：一張考試考兩套維運，MLOps 與 GenAIOps 各佔一半
AI-300（Machine Learning Operations Engineer Associate）接替 2026 年 6 月 1 日退場的 DP-100。五塊權重 15–20 / 25–30 / 20–25 / 10–15 / 10–15：前兩塊是 Azure Machine Learning 上的傳統 MLOps，合計 40–50%；後三塊是 Microsoft Foundry 上的 GenAIOps，合計 40–55%。官方點名 MLflow、Bicep、Azure CLI、GitHub Actions。官方規格：美國 $165、台灣 $83、120 分鐘、及格 700、效期一年，考試只有英文。
GitHub Copilot 認證（GH-300）備考路徑：考的不只是自動補全，還有 CLI、agent mode 與組織政策
GH-300 是 GitHub Copilot 的官方認證，2026 年 8 月 7 日改版後的考綱有六塊，最重的「使用 Copilot 功能」佔 25–30%，裡面包含 Copilot CLI、agent mode、MCP、sub-agent 委派，以及組織層級的政策、稽核記錄與 REST API。官方規格：美國 $99、台灣 $50、100 分鐘、60 題計分題、及格 700、效期 2 年，五種語言不含中文，有官方練習測驗。官方的權重清單多列了一行，照六個實際章節準備。
GitHub Agentic AI Developer（GH-600）備考路徑：考的是怎麼管 coding agent，不是怎麼寫
GH-600 是 GitHub 的 agent 認證（官方標示 Intermediate），考在軟體開發流程裡營運、監督與治理 AI agent。六塊權重 15–20 / 20–25 / 10–15 / 15–20 / 15–20 / 10–15，最重的是工具與環境（MCP、權限、CI 觸發、錯誤處理）。條目最常見的動詞是 configure（65 條裡 15 條），其次是 identify 與 implement。官方規格：美國 $165、台灣 $83、120 分鐘、及格 700、效期 2 年、僅英文，沒有官方練習測驗，官方自學教材合計不到 6 小時。
AWS Machine Learning Engineer Associate（MLA-C02）備考路徑：107 條技能裡有 45 條是新加的
MLA-C02 自 2026 年 9 月 29 日起取代英文版的 MLA-C01。四章權重 28 / 24 / 24 / 24，章節名稱都加上了 AI 或 FM：官方對照表列出 45 條新增技能，內容是向量資料庫、embedding、RAG、基礎模型的選擇與微調、agent 的部署與監控，另刪掉 7 條。目前是英文 beta（考試代碼 ME1-C02、170 分鐘、85 題、$75）；正式版依考試指南是 65 題、及格 720、效期 3 年，日文、韓文、簡中要等正式上線，沒有繁體中文。