PALDYNAI LAB
자격증
Databricks

해외해외 벤더 자격Databricks

Databricks GenAI Associate

Databricks Certified Generative AI Engineer Associate

난이도
응시자격은 없지만 생성형 AI 실무 6개월을 권장합니다.
취업
같은 등급이지만 신설이라 국내 공고 언급을 못 찾았습니다.
공식 페이지에서 일정·접수 확인

개요

Databricks를 써서 LLM 기반 솔루션을 설계하고 구현하는 능력을 잰다. 복잡한 요구사항을 다룰 수 있는 작업으로 쪼개는 문제 분해와, 지금의 생성형 AI 지형에서 알맞은 모델·도구·접근법을 고르는 판단을 함께 본다. 시험 가이드는 Vector Search, Model Serving, MLflow, Unity Catalog 같은 Databricks 고유 도구를 명시한다. 합격자는 이 도구들을 충분히 활용한 RAG 애플리케이션과 LLM 체인을 만들어 배포할 수 있는 사람으로 본다.

Databricks 위에서 LLM 애플리케이션을 만드는 데이터·ML 엔지니어와 개발자가 보는 시험이다.

과목

과목비중다루는 것
Design Applications (애플리케이션 설계)14%
  • 원하는 형식의 응답을 끌어내는 프롬프트 설계
  • 비즈니스 요구에 맞는 모델 태스크·체인 구성요소 선택
  • 다단계 추론을 위한 도구 정의와 순서
  • Agent Bricks(Knowledge Assistant·Multiagent Supervisor·Information Extraction)를 언제 쓸지 판단
Data Preparation (데이터 준비)14%
  • 문서 구조와 모델 제약에 맞는 청킹 전략
  • RAG 품질을 떨어뜨리는 불필요한 내용 걸러내기
  • 문서 추출용 Python 패키지 선택
  • 청킹한 텍스트를 Unity Catalog의 Delta Lake 테이블로 쓰기
  • 검색 성능 평가와 리랭킹의 역할
Application Development (애플리케이션 개발)30%
  • 가장 배점이 큰 영역. LangChain류 도구 선택
  • 사용자 입력 기반 프롬프트 보강
  • LLM 가드레일 구현
  • 애플리케이션 특성에 맞는 LLM과 임베딩 모델 컨텍스트 길이 선택
  • 모델 허브의 모델 카드로 모델 고르기
  • MLflow와 Agent Framework로 에이전트 시스템 개발
  • Genie Spaces 연동
Assembling and Deploying Applications (조립과 배포)22%
  • 인증 페이지 표기는 'Assembling and Deploying Apps'다. pyfunc 모델로 전·후처리를 낀 체인 코딩
  • RAG 구성요소(모델 flavor·임베딩 모델·retriever·의존성·입력 예시·모델 시그니처) 선택
  • MLflow로 Unity Catalog에 모델 등록
  • Vector Search 인덱스 생성과 질의
  • Foundation Model API 서빙
  • ai_query() 배치 추론
  • MCP 서버 연동
  • 프롬프트 버전 관리
  • CI/CD
Governance (거버넌스)8%
  • 성능 목표를 맞추는 마스킹 기법
  • 악의적 입력을 막는 가드레일 선택
  • 데이터 출처의 법률·라이선스 요건
  • 문제 있는 텍스트의 대안 제시
Evaluation and Monitoring (평가와 모니터링)12%
  • 정량 평가 지표로 LLM 크기·아키텍처 선택
  • 배포 시나리오별 모니터링 지표
  • MLflow 스코어링·트레이싱으로 에이전트 성능 평가
  • 추론 로깅과 inference table·Agent Monitoring
  • LLM 비용 통제
  • AI Gateway(Inference Tables·Usage Tables·rate limiting)
  • 커스텀 Scorer
  • SME 피드백 반영

시험 정보

치르는 방식

시행 주기정기 회차가 없다 — 응시자가 시험 시행 플랫폼에서 자기 시험 일정을 직접 예약한다.인증 페이지는 등록 방법을 "To register for a certification exam, please log in or create an account on our exam delivery platform" 한 문장으로만 안내하고, 그 링크가 webassessor.com/databricks다.다만 '연중 상시 시행'이라고 못 박은 문장은 인증 페이지·시험 가이드·약관 어디에도 없다.약관이 문장으로 못 박은 시간 규칙은 둘이다 — 예약한 시험 일정의 변경·취소는 72시간 전까지만 가능하고 그보다 늦으면 추가 비용이 붙을 수 있으며("I cannot reschedule or cancel my scheduled test session with less than seventy-two (72) hours notice"), 불합격하면 14일 뒤에 다시 볼 수 있고 이 14일 대기는 모든 응시 사이에 적용된다("There is a 14-day wait between all attempts").회차별 실제 날짜는 공식 일정 페이지에서 확인한다.
형식채점 문항 45개, 제한 시간 90분.문항 유형은 시험 가이드가 "45 multiple-choice or multiple-selection items"(객관식 단일선택 또는 복수선택), 인증 페이지가 "Question types: Multiple choice"로 서로 다르게 적는다.통계 수집용 비채점 문항이 섞여 나올 수 있는데 문제지에 표시되지 않고 점수에도 반영되지 않으며, 그만큼 시간이 더 배정되어 있다고 공식 가이드가 밝힌다.머신러닝 코드는 전부 Python으로 나오고 ML에 국한되지 않는 데이터 조작 코드는 SQL로 제시될 수 있다 — 이 문장은 인증 페이지에 있고 시험 가이드 PDF에는 없다.합격 기준 점수는 공식 페이지와 시험 가이드 어디에도 공개되어 있지 않다.

응시 조건

응시자격없음.공식 가이드가 "Prerequisite: None is required; related course attendance and six months of hands-on experience are highly recommended."라고 명시한다 — 필수 선행 요건은 없고 관련 교육 수강과 6개월간의 실무 경험을 강하게 권장한다.인증 페이지도 "Prerequisites: None, but related training highly recommended", "Recommended experience: 6+ months of hands-on experience"로 같다.
응시료US$200 (인증 페이지 "Registration fee: $200", 응시 1회 기준).공식 약관은 "Payment is required each time you take an exam"까지만 적는다 — 응시할 때마다 결제한다.

환불 비율을 못 박은 공식 문장이 없다. 시행사 Kryterion은 온라인 24시간 전·시험센터 72시간 전까지 취소하면 「Kryterion 수수료가 붙지 않는다」고만 하고 취소 규정은 시험 주관사 페이지를 보라고 넘기며, 주관사 Databricks 약관은 온라인·시험센터를 가리지 않고 72시간 미만 통보로는 변경도 취소도 할 수 없다고만 적는다.

자격 유지

유효기간2년.자격을 유지하려면 2년마다 재인증해야 하며, 재인증은 그 시점에 시행 중인 시험 전체를 다시 치르는 방식이다(시험 가이드 "you must take the full exam that is currently live", 인증 페이지 "you must take the current version of the exam").

시험 노트

8 / 31편개념 8/26 · 모의고사 0/5

개념 정리8 / 26

  1. 01Mosaic AI 스택과 Unity Catalog개념17 MIN

    시험이 전 영역에서 전제하는 도구 지도입니다. Unity Catalog 3단 네임스페이스와 권한, Delta Lake, Vector Search, Model Serving, MLflow, Agent Framework가 각각 어디를 맡는지 정리합니다.

  2. 02원하는 출력 형식을 끌어내는 프롬프트개념16 MIN

    설계 영역의 첫 출제 목표입니다. 프롬프트를 이루는 네 조각, 구분자와 역할 지정, few-shot 예시, response_format으로 JSON을 못 박는 법, 형식이 깨졌을 때 고치는 순서를 정리합니다.

  3. 03업무 요구를 모델 태스크와 체인으로 옮기기개념16 MIN

    말로 적힌 업무 요구를 다섯 태스크와 입력·출력 명세로 바꾸고, 프롬프트 템플릿·retriever·LLM·파서로 체인을 짜고, 프롬프트·RAG·파인튜닝 중 무엇을 고를지 판단하는 법입니다.

  4. 04다단계 추론용 도구 정의와 Agent Bricks개념16 MIN

    에이전트가 읽는 도구 이름·설명·파라미터 스키마를 어떻게 적는지, 지식 수집 도구와 행동 도구를 어떻게 가르는지, Agent Bricks 셋을 언제 쓰고 언제 쓰지 않는지 정리합니다.

  5. 05원본 문서 고르기와 추출 패키지 선택개념15 MIN

    RAG에 넣을 지식원을 어떻게 가려 내는지, PDF·HTML·DOCX·표에서 글을 뽑을 때 PyPDF·pdfplumber·Unstructured·BeautifulSoup 중 무엇을 고르는지, OCR과 잡음 제거를 언제 하는지 정리합니다.

  6. 06문서 구조와 모델 제약에 맞춘 청킹개념16 MIN

    고정 크기·문장·문단·재귀 분할의 차이, chunk size와 overlap을 정하는 법, 임베딩 모델의 최대 토큰 제약, 제목 기반 분할과 부모-자식 청크, 청크 수가 인덱스 한도에 걸릴 때의 대처를 정리합니다.

  7. 07Delta 테이블 적재와 검색 성능 평가개념15 MIN

    청크 테이블의 스키마와 기본키, Change Data Feed를 켜는 자리, 적재 연산의 순서, recall@k·precision@k·MRR·NDCG를 손으로 계산하는 법, 리랭킹과 cross-encoder 리랭커가 하는 일을 정리합니다.

  8. 08LangChain으로 체인 조립하기개념14 MIN

    LangChain 구성요소와 LCEL로 체인을 잇는 법, LlamaIndex와의 차이, ChatDatabricks·DatabricksVectorSearch 통합, retriever를 끼운 단순 RAG 체인을 요구사항대로 만드는 법을 정리합니다.

  9. 09사용자 입력으로 프롬프트 보강하고 응답 조정예정Application Development (애플리케이션 개발) · 30%
  10. 10응답 품질과 안전을 정성 평가하기예정Application Development (애플리케이션 개발) · 30%
  11. 11LLM 가드레일 구현하기예정Application Development (애플리케이션 개발) · 30%
  12. 12모델 카드와 실험 지표로 LLM 고르기예정Application Development (애플리케이션 개발) · 30%
  13. 13임베딩 모델 컨텍스트 길이와 청킹 재조정예정Application Development (애플리케이션 개발) · 30%
  14. 14Agent Framework와 멀티에이전트예정Application Development (애플리케이션 개발) · 30%
  15. 15pyfunc으로 전·후처리를 낀 체인예정Assembling and Deploying Applications (조립과 배포) · 22%
  16. 16RAG 구성요소 선택과 모델 등록예정Assembling and Deploying Applications (조립과 배포) · 22%
  17. 17Vector Search 인덱스 만들고 질의하기예정Assembling and Deploying Applications (조립과 배포) · 22%
  18. 18Model Serving과 배치 추론예정Assembling and Deploying Applications (조립과 배포) · 22%
  19. 19MCP 서버 세 갈래 연동예정Assembling and Deploying Applications (조립과 배포) · 22%
  20. 20에이전트 인터페이스와 영속 메모리예정Assembling and Deploying Applications (조립과 배포) · 22%
  21. 21프롬프트 버전 관리와 CI/CD예정Assembling and Deploying Applications (조립과 배포) · 22%
  22. 22마스킹·라이선스와 악의적 입력 방어예정Governance (거버넌스) · 8%
  23. 23정량 지표로 LLM 고르기와 판정자 선택예정Evaluation and Monitoring (평가와 모니터링) · 12%
  24. 24MLflow 트레이싱과 커스텀 Scorer예정Evaluation and Monitoring (평가와 모니터링) · 12%
  25. 25추론 로깅과 엔드포인트 모니터링예정Evaluation and Monitoring (평가와 모니터링) · 12%
  26. 26AI Gateway와 LLM 비용 통제예정Evaluation and Monitoring (평가와 모니터링) · 12%

모의고사0 / 5

개념을 다 쓴 뒤에 차례로 붙습니다.

  1. 01모의고사 1회예정
  2. 02모의고사 2회예정
  3. 03모의고사 3회예정
  4. 04모의고사 4회예정
  5. 05모의고사 5회예정

관련 있는 우리 글

시험을 겨냥해 쓴 글은 아니지만 같은 개념을 다룹니다. 과목이 막힐 때 곁에 두고 읽습니다.

Design Applications (애플리케이션 설계)

AI LAB파인튜닝·RAG·프롬프트 — 무엇이 어느 문제를 고치는가AI LAB추론 모델을 언제 쓸 것인가

Data Preparation (데이터 준비)

AI LABRAG의 구조: Naive에서 Modular까지AI LABRAG 청킹 전략 완전 정복: 문서를 어떻게 나눠야 하는가AI LABRAG 리랭킹: 검색 품질을 한 단계 끌어올리는 기술

Application Development (애플리케이션 개발)

AI LABLangChain과 LangGraph: 선형 체인에서 상태 그래프까지AI LAB프롬프트 레지스트리 — 버전·A/B·회귀 스위트AI LAB가드레일: 모델을 믿는 대신 둘러싸는 구조

Assembling and Deploying Applications (조립과 배포)

AI LAB프롬프트 레지스트리 — 버전·A/B·회귀 스위트AI LAB에이전트가 바깥과 연결되는 법: 도구 호출에서 MCP까지

Governance (거버넌스)

AI LAB가드레일을 테스트한다는 것

Evaluation and Monitoring (평가와 모니터링)

AI LABLLM 비용 — 청구서를 만드는 것과 줄이는 순서

알아 둘 것

  • 현행 버전은 2026년 3월 18일자 시험 가이드가 다루는 것이다. 같은 문단이 시험 2주 전에 최신 버전인지 다시 확인하라고 적어 둘 만큼 출제 범위가 자주 바뀐다 — Agent Bricks, MCP 서버 연동, 프롬프트 버전 관리, AI Gateway, 커스텀 Scorer 같은 최근 기능이 출제 목표에 들어와 있다.
  • 가이드 PDF 주소에 개정 시점(2026-03, Mar26)이 박혀 있어 개정되면 링크가 바뀐다. 우리 글에서는 PDF를 직접 걸지 말고 인증 페이지를 건다.
  • 한국어로 응시할 수 있다 — 인증 페이지가 언어를 "English, 日本語, Português BR, 한국어"로 안내한다.
  • 이름이 비슷한 무료 accreditation 셋(Databricks Fundamentals·Generative AI Fundamentals·AI Agent Fundamentals)과 헷갈리지 않게 한다. 이 자격증은 유료 감독 시험이다.
  • 인증 목록에 Databricks Certified Context Engineering Associate가 새로 올라와 생성형 AI 계열 Associate 시험이 둘로 늘었다 — 대체가 아니라 둘 다 현행이다.
  • 인증 페이지는 도구 이름을 "AI Search", 시험 가이드는 같은 자리를 "Vector Search"로 적는다. 출제 목표가 "Mosaic AI Vector Search"이므로 가이드 표기를 따랐다.

난이도와 취업 별은 시행처가 준 값이 아니라 위에 적은 근거로 매긴 값입니다. 공식 페이지는 2026-09-22에 확인했습니다. 시험 제도는 개편이 잦으니 접수 전에 시행처 안내를 한 번 더 보세요.