Коротко: AWS Certified Data Engineer Associate (DEA-C01) — це офіційна сертифікація від Amazon Web Services, яка підтверджує навички побудови та підтримки дата-пайплайнів у хмарі. Іспит охоплює 4 домени: інжиніринг даних, зберігання, операції та безпеку. Сертифікація орієнтована насамперед на data engineers і фахівців із data architecture. За рекомендацією AWS, цільовий кандидат має приблизно 2–3 роки досвіду в інженерії даних і щонайменше 1–2 роки практичної роботи із сервісами AWS.
Вступ
Попит на фахівців, які вміють працювати з даними у хмарних середовищах, залишається високим. AWS є однією з провідних хмарних платформ і широко використовується для побудови корпоративних систем збирання, обробки та зберігання даних. У цьому контексті AWS Certified Data Engineer Associate з’явилась як відповідь на реальну потребу: підтвердити компетентність у побудові пайплайнів, роботі з Glue, Redshift, Kinesis та Lake Formation.
Ця стаття — практичний гід для тих, хто розглядає DEA-C01 як наступний крок у кар’єрі. Ми розберемо структуру іспиту, необхідний технічний бекграунд, покроковий план підготовки та типові помилки, які коштують кандидатам балів. Після прочитання у вас буде чітке розуміння: чи підходить ця сертифікація саме вам і з чого починати.
Що таке AWS Certified Data Engineer і навіщо вона потрібна?
Місце DEA-C01 в екосистемі AWS-сертифікацій
AWS пропонує сертифікації рівнів Foundational, Associate і Professional, а також окремі Specialty-сертифікації для спеціалізованих технічних напрямів. DEA-C01 належить до рівня Associate та орієнтована на роль data engineer.
Порівняно із суміжними сертифікаціями:
- AWS Solutions Architect Associate — фокус на архітектурі хмарних рішень загалом, а не на data engineering зокрема
- AWS Certified Database – Specialty раніше була зосереджена на проєктуванні, розгортанні та обслуговуванні баз даних в AWS, однак цю сертифікацію було офіційно виведено з обігу 30 квітня 2024 року. Тому вона більше не є доступною альтернативою DEA-C01.
- AWS Certified Data Analytics – Specialty було виведено з обігу 9 квітня 2024 року одночасно із запуском нової рольової сертифікації AWS Certified Data Engineer – Associate. DEA-C01 частково охоплює схожі теми, але не є повною прямою заміною: вона має нижчий рівень складності, сильніше орієнтована на роль data engineer і приділяє більше уваги програмним концепціям, експлуатації пайплайнів, підтримці та безпеці.
Сертифікація AWS Certified Data Engineer – Associate стала загальнодоступною 12 березня 2024 року. Вона орієнтована на практичні завдання data engineer: збирання і трансформацію даних, оркестрацію пайплайнів, вибір сховищ, керування життєвим циклом даних, моніторинг, безпеку та data governance.
Кому варто складати цей іспит — а кому поки зарано
Актуально для:
- Data engineers із досвідом роботи з ETL та хмарними сервісами
- ETL-розробників, які вже працюють з AWS або переходять на нього
- Аналітиків даних, що хочуть перейти в engineering-роль
- Backend-розробників, які мігрують у data і вже мають базовий досвід з AWS
Поки зарано, якщо:
- SQL — ще незнайома територія
- Немає жодного практичного досвіду з хмарними сервісами або пайплайнами
- Поняття batch processing, ETL, data warehouse — суто теоретичні
Сертифікація підтверджує компетентність, а не формує її з нуля. Це важливо розуміти перед початком підготовки.
Що перевіряє іспит AWS DEA-C01: домени та структура
Іспит складається з 65 запитань (50 оцінюваних + 15 нескорованих пілотних), тривалість — 130 хвилин, прохідний бал — 720 зі шкали 1000. Формат питань: multiple choice (одна правильна відповідь) та multiple response (кілька правильних відповідей). Значна частина підготовки має бути зосереджена на сценарних завданнях, у яких потрібно обрати оптимальний AWS-сервіс або архітектурне рішення відповідно до заданих вимог.
| Домен | Вага | Ключові сервіси | Приклади тем |
|---|---|---|---|
| 1. Інжиніринг даних | ~34% | Glue, Kinesis, Lambda, MSK, Step Functions | Batch/streaming ingestion, ETL-пайплайни, трансформації |
| 2. Зберігання та моделювання | ~26% | Redshift, S3, DynamoDB, RDS, Aurora, Lake Formation | Data warehouse vs lake, партиціонування, схеми |
| 3. Операції з даними та підтримка | ~22% | CloudWatch, Cost Explorer, Athena, Redshift | Моніторинг, query optimization, компресія |
| 4. Безпека даних і управління даними | ~18% | IAM, KMS, Lake Formation, Glue Data Catalog | Шифрування, row-level security, data quality |
Домен 1 — Інжиніринг даних (Data Ingestion and Transformation)
Найбільший за вагою домен — 34%. Тут перевіряють розуміння того, як дані потрапляють у систему і як їх трансформують.
Ключові теми:
- Різниця між Kinesis Data Streams (забезпечує кероване потокове передавання даних із можливістю створювати власних споживачів і контролювати обробку) та Amazon Data Firehose (призначений для керованої доставки потокових даних до підтримуваних сховищ і аналітичних сервісів із мінімальним обсягом власної інфраструктури та коду)
- AWS Glue для ETL: Glue Jobs, Glue Crawlers, Glue Data Catalog
- AWS Lambda для легких трансформацій без інфраструктури
- Amazon MSK (Managed Streaming for Apache Kafka) — коли потрібен Kafka замість Kinesis
- AWS Step Functions для оркестрації складних пайплайнів
Іспит часто питає: який сервіс обрати для конкретного сценарію. Тому важливо розуміти компроміси, а не просто знати визначення.
Домен 2 — Зберігання та моделювання даних (Data Store Management)
Другий за вагою домен — 26%. Тут перевіряють розуміння різних типів сховищ і коли що застосовувати.
Ключові теми:
- Amazon Redshift — колонкове сховище для аналітичних запитів, MPP-архітектура
- Amazon S3 — основа data lake, storage classes, lifecycle policies
- Amazon DynamoDB — key-value/document NoSQL для low-latency доступу
- Amazon Bedrock Knowledge Bases – згадується в Домені 2 як приклад для розуміння концепцій векторизації. Кандидату також варто знати базові принципи векторних індексів, зокрема HNSW та IVF.
- AWS Lake Formation — централізоване налаштування, захист і керування доступом до data lake. Для технічної каталогізації метаданих зазвичай використовується AWS Glue Data Catalog, з яким Lake Formation інтегрується.
- Концепції: data warehouse vs data lake vs lakehouse, партиціонування, columnar storage
Домен 3 — Операції з даними та підтримка (Data Operations and Support)
Вага ~22%. Цей домен часто недооцінюють, але він охоплює практично важливі теми.
Ключові теми:
- Автоматизація обробки даних за допомогою AWS Glue, Amazon EMR, AWS Lambda, EventBridge, Step Functions і Amazon MWAA;
- Аналіз даних із використанням Amazon Athena, Amazon Redshift та інших аналітичних інструментів;
- Моніторинг і діагностика пайплайнів через Amazon CloudWatch, CloudWatch Logs і AWS CloudTrail;
- Пошук і усунення проблем продуктивності;
- Перевірка якості, повноти та узгодженості даних;
- Вибір між provisioned і serverless-сервісами з урахуванням вартості та навантаження.
Домен 4 — Управління даними, безпека та відповідність (Data Security & Governance)
Вага ~18%. Тема, яку кандидати з технічним бекграундом часто пропускають — і потім дивуються, чому не набрали достатньо балів.
Ключові теми:
- IAM — roles, policies, least privilege principle
- Шифрування at rest (KMS) та in transit (TLS/SSL)
- Lake Formation row-level та column-level security
- Glue Data Catalog як централізований метадата-репозиторій
- Amazon SageMaker Unified Studio — увійшов до оновленого Exam Guide версії 1.1 у кількох контекстах. У Домені 3 перевіряється його використання для підготовки даних до трансформації, а в Домені 4 — робота з domains, domain units і projects для автентифікації, авторизації та управління доступом.
- Amazon SageMaker Catalog — інструмент для створення бізнес-каталогів, керування метаданими, data lineage і доступом до даних через проєкти. У версії Exam Guide 1.1 додано окремі навички зі створення бізнес-каталогів та управління доступом через SageMaker Catalog projects.
- Data quality та data lineage
Формат запитань і що насправді перевіряється
Іспит перевіряє сценарне мислення, а не здатність відтворити визначення. Типове питання виглядає так: “Компанія отримує дані зі 100 IoT-пристроїв у реальному часі і хоче зберігати їх у S3 для подальшого аналізу з мінімальним кодом — який сервіс обрати?”
Правильна відповідь тут — Amazon Data Firehose, а не Kinesis Data Streams чи Lambda. Різниця — у слові “мінімальний код” і “managed delivery”. Саме такі нюанси і перевіряє іспит.
Які знання та навички потрібні перед підготовкою до AWS сертифікації дата інженера?
Технічний бекграунд: SQL, Python та розуміння пайплайнів
SQL — обов’язкова база. Робота з Redshift та Athena на іспиті передбачає розуміння не лише базових SELECT-запитів, а й складніших конструкцій. Якщо хочете підтягнути рівень, матеріали з SQL для аналітики — хороша відправна точка перед початком підготовки до DEA-C01.
Корисний рівень SQL для підготовки:
- Побудова і читання запитів із фільтрацією, групуванням і JOIN;
- Використання SQL в Amazon Athena та Amazon Redshift;
- Створення представлень;
- Розуміння агрегації, групування, pivot-операцій і rolling average;
- Базове розуміння того, як структура, партиціонування та формат даних впливають на продуктивність запитів.
Для підготовки корисно розуміти базові принципи програмування: змінні, функції, обробку помилок, структури даних, виклики API, роботу із SDK та принципи розподілених обчислень. Python часто використовується разом з AWS Glue, AWS Lambda і AWS SDK for Python (boto3), тому практичне знання цієї мови буде перевагою. Водночас Exam Guide прямо зазначає, що іспит не перевіряє синтаксис конкретної мови програмування.
Концептуальне розуміння:
- Batch vs streaming processing
- ETL vs ELT — різниця у підходах і коли що застосовувати
- Data warehouse vs data lake vs lakehouse
- Партиціонування та columnar storage
- Основи розподіленої обробки даних
Базові знання AWS, які суттєво спростять підготовку
Перед тим як заглиблюватись у специфічні data-сервіси, потрібно впевнено орієнтуватись у базових AWS-концепціях:
- IAM — users, roles, policies, як працює assume role
- Amazon S3 — buckets, storage classes (Standard, IA, Glacier), lifecycle policies, versioning
- VPC — базове розуміння мережевої ізоляції, security groups, private/public subnets
- EC2 — не потрібно бути адміністратором, але розуміти instance types і pricing models варто
- AWS Console та CLI — базова навігація і вміння запускати сервіси
Якщо ці теми поки незнайомі, почніть із базового курсу з AWS або матеріалів рівня AWS Cloud Practitioner перед підготовкою до DEA-C01.
Практичний досвід vs теоретична підготовка — де баланс
Без практичного досвіду підготовка до сценарних запитань може бути значно складнішою. Теоретичне вивчення сервісів варто доповнювати практикою, щоб краще розуміти компроміси між вартістю, продуктивністю, надійністю, безпекою та складністю реалізації. Причина проста: scenario-based питання перевіряють розуміння компромісів, а не здатність відтворити документацію.
Якщо ви ніколи не будували ETL-пайплайн, не налаштовували permissions у Lake Formation і не діагностували та не усували помилки в AWS Glue Job — теорія дасть лише часткове розуміння.
Орієнтовний чекліст знань, які спростять підготовку:
- SQL на рівні intermediate — CTE, window functions, joins, базова оптимізація
- Python basics — функції, цикли, робота з файлами, розуміння boto3 на рівні “читаю код”
- Розуміння ETL/ELT — що таке пайплайн, де відбувається трансформація
- Базові AWS-сервіси — IAM, S3, VPC, EC2 на рівні впевненого користувача
- Концепція data warehouse — навіщо потрібен Redshift і чим він відрізняється від звичайної БД
- Batch vs streaming — розуміння різниці у підходах до обробки даних
- Базова робота з AWS Console — вміння створити bucket, запустити Lambda, переглянути CloudWatch logs
- Розуміння хмарної безпеки — що таке IAM role, як працює least privilege
- Досвід з будь-яким інструментом оркестрації — Airflow, Step Functions або хоча б розуміння DAG
- Знайомство з форматами даних — Parquet, JSON, CSV і чому columnar формати ефективніші для аналітики
Поряд із AWS-сервісами корисно мати загальне розуміння основних інструментів дата-інженера — це допомагає бачити AWS у контексті реального технічного стеку, а не як ізольовану систему.
Як підготуватись до AWS Certified Data Engineer: покроковий план
Реалістична тривалість підготовки — від 2 до 4 місяців залежно від поточного рівня. Людина з активним досвідом у data engineering та AWS може вкластись у 6–8 тижнів. Без практичного бекграунду — краще закласти 4–5 місяців.
Фаза 1 — Розуміння доменів і gap analysis (тижні 1–2)
Перший крок — завантажте офіційний AWS Exam Guide для DEA-C01 безпосередньо на сторінці docs.aws.amazon.com/aws-certification/latest/data-engineer-associate-01 — там завжди актуальна версія з усіма правками. 12 грудня 2025 року AWS опублікувала Exam Guide версії 1.1. До нього додали роботу з LLM у процесах обробки даних, відкриті табличні формати на кшталт Apache Iceberg, векторні індекси HNSW та IVF, Amazon Bedrock Knowledge Bases, Amazon SageMaker Unified Studio і Amazon SageMaker Catalog. До переліку сервісів у межах іспиту також додали Amazon Aurora, Amazon Q, Amazon Kendra, AWS Data Exchange та Amazon S3 Tables. Перед початком підготовки варто перевірити розділ Revisions, оскільки AWS публікує майбутні зміни приблизно за місяць до їх появи в іспиті.
Після прочитання зробіть чесний самоаналіз:
- Які домени ви знаєте на практиці?
- Де є лише теоретичне розуміння?
- Які сервіси ви ніколи не налаштовували самостійно?
На основі цього складіть персональний план: більше часу на слабкі домени, менше — на ті, де є реальний досвід
Фаза 2 — Теоретична підготовка та офіційні ресурси AWS (тижні 3–6)
Основні ресурси:
- AWS Skill Builder — офіційна навчальна платформа AWS. Для DEA-C01 варто почати з безкоштовного Exam Prep Course та Official Practice Question Set. За підпискою також доступні додаткові лабораторні роботи, тренувальні матеріали й Official Practice Exam. Склад і доступність окремих курсів можуть змінюватися, тому перед підготовкою потрібно перевіряти актуальний каталог AWS Skill Builder.
- AWS документація — первинне джерело істини. Особливо корисні: Getting Started guides для Glue, Redshift, Kinesis та Lake Formation.
- AWS Whitepapers та AWS Prescriptive Guidance — насамперед матеріали про AWS Well-Architected Framework, побудову сучасних data architectures, data lakes, аналітичні сервіси та безпеку даних. Іспит перевіряє знання best practices, і ці документи — їх офіційне джерело.
- Stephane Maarek на Udemy — популярний вибір серед кандидатів. Курс структурований, покриває більшість сервісів з практичними прикладами. Купуйте зі знижкою — на Udemy вони бувають регулярно.
- re:Invent talks на YouTube — безкоштовні технічні доповіді від AWS engineers. Особливо корисні для розуміння архітектурних рішень.
Фаза 3 — Практика в AWS Console і hands-on лаби (тижні 5–8)
Теорія без практики на цьому іспиті — недостатня основа. Мінімальний набір hands-on завдань:
- Побудуйте базовий ETL-пайплайн: S3 (raw data) → AWS Glue (трансформація) → Redshift (аналітика)
- Налаштуйте Amazon Data Firehose: streaming даних до S3 з базовою трансформацією через Lambda
- Створіть тестовий data lake з Amazon S3, AWS Glue Data Catalog і AWS Lake Formation: зареєструйте сховище, додайте таблиці через AWS Glue Crawler, налаштуйте дозволи та перевірте доступ до рядків або стовпців для різних ролей.
- Запустіть Athena queries: партиціонуйте дані в S3, порівняйте вартість запитів до і після
- Налаштуйте CloudWatch алерти: моніторинг Glue Job failures та Redshift query performance
Важлива порада щодо AWS Free Tier: більшість сервісів для практики виходять за межі Free Tier. Перед практикою налаштуйте AWS Budgets або сповіщення про розрахункові витрати, а також перевірте, у якому регіоні створюються ресурси. Встановіть невеликий персональний бюджет і видаляйте ресурси після завершення лабораторних робіт.
Фаза 4 — Practice exams і робота над слабкими місцями (тижні 7–10)
Practice tests — окремий інструмент навчання, а не просто перевірка готовності. Серед популярних сторонніх тренувальних матеріалів часто використовують practice tests від Tutorials Dojo. Водночас основними джерелами щодо актуального формату і змісту іспиту залишаються офіційний Exam Guide, Official Practice Question Set та Official Practice Exam від AWS.
- Алгоритм роботи з practice tests:
- Пройдіть повний mock exam у режимі з обмеженням часу (130 хвилин, 65 питань)
- Після завершення — аналізуйте кожне неправильне питання окремо
- Для кожної помилки: знайдіть відповідний розділ в AWS документації
- Через тиждень — повторіть питання, де помилилися
- Мінімум 2–3 повних mock exams перед реальним іспитом
Стабільний результат близько 80% або вище на кількох якісних пробних іспитах може бути позитивним показником готовності. Однак важливо не запам’ятовувати відповіді, а вміти пояснити, чому обране рішення краще за альтернативи.
Де шукати матеріали: офіційні та сторонні ресурси
| Ресурс | Тип | Вартість | Для чого |
|---|---|---|---|
| AWS Exam Guide DEA-C01 | Офіційний | Безкоштовно | Структура і зміст іспиту |
| AWS Skill Builder | Офіційний | Є безкоштовні та платні матеріали | Курси, лабораторні роботи та пробні завдання |
| AWS Whitepapers і Prescriptive Guidance | Офіційний | Безкоштовно | Практики та архітектурні рекомендації |
| Stephane Maarek на Udemy | Сторонній | Залежить від поточної ціни | Структурована теоретична підготовка |
| Tutorials Dojo | Сторонній | Залежить від поточної ціни | Пробні іспити |
| AWS re:Invent на YouTube | Офіційний | Безкоштовно | Технічні доповіді про сервіси AWS |
Спеціалізація Analytics & Data Engineer від Data Lab допомагає опанувати базові навички роботи з ETL-процесами, проєктуванням пайплайнів і хмарними сховищами даних, які також корисні під час підготовки до DEA-C01.
Типові помилки при підготовці до AWS DEA-C01 — і як їх уникнути
Помилка 1: вчити все, замість фокусу на вагових доменах
Домени мають різну вагу: 34%, 26%, 22%, 18%. Рівномірний розподіл часу на всі теми — неефективна стратегія. Якщо у вас є 8 тижнів, витратьте пропорційно більше часу на Домен 1 (інжиніринг) та Домен 2 (зберігання).
При цьому не ігноруйте Домен 4 (безпека) — він менший за вагою, але питання там конкретні і легко перевіряються.
Помилка 2: ігнорувати практику і обмежитись відео та конспектами
Пасивне навчання через відео та нотатки формує теоретичне розуміння, але іспит перевіряє сценарне мислення. Якщо ви ніколи не налаштовували Lake Formation permissions руками — питання про row-level security буде абстрактним навіть після вивчення теорії.
Значну частину часу підготовки варто приділити практичній роботі із сервісами AWS, особливо якщо раніше ви не будували та не підтримували дата-пайплайни у хмарі.
Помилка 3: плутати сервіси між собою (і чому AWS це любить перевіряти)
Іспит активно перевіряє розуміння різниці між схожими сервісами. Найчастіші плутанини:
- Kinesis Data Streams vs Amazon Data Firehose — перший дає більше контролю над споживачами та обробкою потоків, другий забезпечує керовану доставку даних до підтримуваних призначень із мінімальним обсягом власного коду.
- AWS Glue vs AWS EMR vs AWS Lambda — для трансформацій: Glue для managed ETL, EMR для великих Spark/Hadoop workloads, Lambda для легких event-driven трансформацій
- Amazon Redshift vs Amazon Athena vs Amazon RDS — Redshift для аналітичного warehouse, Athena для serverless queries по S3, RDS для OLTP
- AWS Glue Data Catalog vs AWS Lake Formation — Catalog зберігає метадані, Lake Formation управляє доступом і governance
Розрізнення схожих сервісів є важливою частиною підготовки, оскільки в сценарних запитаннях потрібно обирати рішення відповідно до вимог щодо вартості, затримки, керованості, масштабованості та операційної складності.
Помилка 4: ігнорувати AWS Well-Architected Framework
Іспит часто питає “яке найкраще рішення”, а не просто “яке рішення”. «Найкраще» рішення у сценаріях AWS зазвичай означає рішення, яке найкраще відповідає зазначеним вимогам і принципам AWS Well-Architected Framework: операційній досконалості, безпеці, надійності, ефективності продуктивності, оптимізації витрат і сталому розвитку.
Прочитайте офіційний whitepaper та подумайте, як ці принципи застосовуються до data engineering рішень.
FAQ: питання про AWS Certified Data Engineer
Питання: Що таке AWS Certified Data Engineer?
Відповідь: AWS Certified Data Engineer — це офіційна сертифікація від Amazon Web Services рівня Associate, яка підтверджує навички побудови, оптимізації та підтримки дата-пайплайнів у хмарі AWS. Сертифікація охоплює ключові data engineering сервіси: S3, Glue, Redshift, Kinesis, Lake Formation та інші. Сертифікація може слугувати додатковим підтвердженням знань і навичок роботи з data engineering сервісами AWS. Водночас вона не замінює практичного досвіду, портфоліо та технічної співбесіди.
Питання: Як підготуватись до іспиту AWS Certified Data Engineer Associate?
Відповідь: Підготовка включає чотири фази: gap analysis на основі офіційного exam guide, теоретичне вивчення через AWS Skill Builder та курси (наприклад, Stephane Maarek на Udemy), практику з ключовими сервісами (S3, Glue, Redshift, Kinesis, Lake Formation) та проходження practice exams від Tutorials Dojo. Рекомендований AWS профіль кандидата — приблизно 2–3 роки досвіду в інженерії даних або data architecture та щонайменше 1–2 роки практичної роботи із сервісами AWS, а також базові знання SQL та Python. Тривалість підготовки залежить від попереднього досвіду. Для фахівця з практичним досвідом AWS може бути достатньо кількох тижнів систематизації знань, тоді як початківцю можуть знадобитися декілька місяців на вивчення базових хмарних концепцій і практику.
Питання: Скільки коштує іспит AWS Certified Data Engineer?
Відповідь: Вартість іспиту AWS Certified Data Engineer Associate становить $150 USD. Іспит доступний через Pearson VUE: у тестовому центрі або у форматі онлайн-іспиту з прокторингом. Підготовчі матеріали на AWS Skill Builder частково безкоштовні, але повний доступ до практичних лабораторій коштує близько $29 на місяць. У разі невдалої спроби повторний іспит потрібно реєструвати й оплачувати окремо. Перед повторною реєстрацією варто перевірити чинні правила AWS щодо періоду очікування та доступних ваучерів. Discount vouchers іноді доступні через AWS Training та партнерські програми — варто перевірити перед реєстрацією.
Питання: Які помилки роблять при підготовці до AWS Certified Data Engineer?
Відповідь: Найпоширеніша помилка — зосередитись лише на теорії без практики з реальними AWS-сервісами. Іспит перевіряє сценарне мислення, і без hands-on досвіду навіть добре вивчена теорія не гарантує проходження. Кандидати також недооцінюють розділ з безпекою (IAM, шифрування, Lake Formation) і data governance, які активно перевіряються. Ще одна типова помилка — ігнорувати офіційний exam guide від AWS, де чітко прописані домени та їх ваги. І нарешті — йти на іспит без достатньої кількості practice tests.
Висновок
AWS Certified Data Engineer Associate — це сертифікація з реальною практичною цінністю для тих, хто вже працює або планує працювати з data pipelines у хмарі AWS. Вона підтверджує компетентність у побудові ETL-пайплайнів, роботі з Redshift, Glue, Kinesis та Lake Formation — тобто саме те, що потрібно в реальних проєктах.
Підготовка може зайняти від кількох тижнів до кількох місяців залежно від вашого досвіду в data engineering та AWS. Найефективніший підхід — поєднати офіційний Exam Guide, структуроване вивчення сервісів, практичні лабораторні роботи й аналіз помилок у пробних тестах.
Почніть із перевірки актуальної версії DEA-C01 Exam Guide, оцініть свої слабкі домени та побудуйте план підготовки навколо практичних сценаріїв. Сертифікація буде найбільш корисною тоді, коли вона доповнює реальні навички побудови, підтримки та захисту дата-пайплайнів в AWS.
Формат:онлайн 
Тривалість:2 місяці 
