Chứng chỉ Generative AI Engineer Associate của Databricks: hơn nửa số điểm dành cho việc dựng và triển khai ứng dụng

Trong 45 câu tính điểm của kỳ thi Databricks Certified Generative AI Engineer Associate, khoảng 23 câu rơi vào chỉ hai phần: dựng ứng dụng và lắp ráp, triển khai ứng dụng. Thiết kế, chuẩn bị dữ liệu, đánh giá và quản trị cộng lại chưa bằng một nửa đề.

Khi khách hàng đã để dữ liệu trên Databricks, họ không cần bạn giảng lý thuyết LLM. Họ cần một agent truy xuất được tài liệu của họ, chạy được trên nền tảng họ đang trả tiền, và có người chịu trách nhiệm khi nó trả lời sai.

Đề thi đo cái gì, và đo nặng ở đâu?

Theo trang chứng chỉ chính thức, kỳ thi đánh giá năng lực thiết kế và triển khai giải pháp dùng LLM trên Databricks. Bạn có 90 phút cho 45 câu, tức khoảng hai phút mỗi câu, lệ phí 200 USD và chứng chỉ có hiệu lực 2 năm.

Phần đáng đọc kỹ nhất là bảng trọng số. Thử quy phần trăm ra số câu trên tổng 45 câu tính điểm:

Phần thi	Trọng số	Ước tính số câu / 45	Việc tương ứng ở site khách
Application Development	30%	khoảng 13–14	Viết chuỗi truy xuất, prompt, gọi tool
Assembling and Deploying Apps	22%	khoảng 10	Đóng gói agent, đưa lên môi trường của khách
Design Applications	14%	khoảng 6	Chọn kiến trúc cho bài toán khách nêu
Data Preparation	14%	khoảng 6	Phân tích tài liệu, chia chunk
Evaluation and Monitoring	12%	khoảng 5	Đo chất lượng, theo dõi sau khi chạy thật
Governance	8%	khoảng 3–4	Phân quyền, kiểm soát dữ liệu nhạy cảm

Hệ quả cho việc ôn thi khá rõ: nếu bạn mạnh về thiết kế nhưng chưa từng tự triển khai một agent, bạn đang yếu ở nhóm chiếm hơn nửa số điểm. Đó cũng là phần nên luyện trước, vì một agent chưa chạy được trên nền tảng của khách thì chưa giúp gì cho họ.

Học theo thứ tự nào?

Databricks khuyến nghị ít nhất 6 tháng thực hành các tác vụ trong exam guide trước khi thi. Vì thế lộ trình nên bắt đầu bằng việc tự tay làm.

Khóa chính là Generative AI Engineering with Databricks, cấp Associate, dài 16 giờ, chia bốn module mỗi module bốn giờ. Khóa nhắm tới data scientist, ML engineer và những người làm dữ liệu nói chung, nên một software engineer chưa quen hệ sinh thái Databricks cần dành thêm thời gian làm quen giao diện và khái niệm nền tảng.

Nếu muốn thử trước mà chưa tốn tiền, hãy bắt đầu với khóa miễn phí Building Retrieval Agents on Databricks. Databricks giới thiệu đây là khóa đầu tiên trong chuỗi Generative AI Engineering with Databricks. Các chủ đề của nó, từ chia chunk, Vector Search đến Agent Bricks, trùng phần lớn với Module 1, nên có thể coi đây là cách học thử trước khi quyết định theo cả chuỗi.

Trên diễn đàn cộng đồng, một nhân viên Databricks cho biết khóa này là bản cập nhật thay cho khóa Generative AI Solution Development, và khóa cũ đã chuyển sang chế độ bảo trì. Tài liệu ôn thi nào còn dẫn tên khóa cũ thì nên đối chiếu lại với nội dung hiện hành.

Bốn module là một vòng đời agent

Điều đáng học nhất ở khóa này nằm ở cách sắp xếp, không chỉ ở nội dung từng module. Module 1 dạy làm RAG với Agent Bricks: retrieval agent, phân tích tài liệu, chia chunk và Vector Search.

Module 2 chuyển sang agent: tool có quản trị qua Unity Catalog và MCP, hệ đơn agent và đa agent với OpenAI Agents SDK, supervisor agent, cùng MLflow tracing để quan sát agent chạy.

Module 3 dành trọn cho đánh giá agent bằng framework đánh giá của MLflow, gồm cả judge tự viết, đánh giá offline trên bộ dữ liệu chọn sẵn và giám sát online khi đã chạy thật. Module 4 mới đến triển khai: đưa agent lên Databricks Apps, tích hợp tool qua MCP, gắn MLflow Tracing và đo chất lượng trên production.

Thử hình dung một khách hàng bảo hiểm muốn agent trả lời câu hỏi về điều khoản hợp đồng. Vì đánh giá đứng trước triển khai trong lộ trình, bạn phải có câu trả lời cho “làm sao biết nó trả lời đúng” trước khi bàn chuyện đưa agent cho nhân viên dùng.

Ba ý đáng giữ lại

Ý đầu tiên: chunking là quyết định kỹ thuật, không phải bước mặc định. Khóa học xếp phân tích tài liệu và chia chunk ngay trong module đầu, vậy hãy coi đó là kỹ năng nền và thử vài cách cắt trên tài liệu thật của khách thay vì nhận cấu hình có sẵn.

Ý thứ hai: tool của agent nên đi qua lớp quản trị của nền tảng. Khóa dạy cấp tool qua Unity Catalog và MCP; ở site khách, hãy hỏi sớm ai đang quản lý quyền trên Unity Catalog, vì agent của bạn sẽ đi qua đúng lớp đó.

Ý thứ ba: đánh giá đứng trước triển khai. Phần Evaluation and Monitoring chỉ chiếm 12% đề thi, nhưng ở site khách nó là thứ giữ lòng tin sau tuần đầu tiên chạy thật.

Những lỗi hay gặp khi ôn

Lỗi đầu tiên là lao vào đề mẫu từ tuần đầu. Với khuyến nghị 6 tháng thực hành, đề mẫu chỉ nên dùng để kiểm tra lỗ hổng sau khi bạn đã tự dựng ít nhất một pipeline RAG và một agent có tool.

Lỗi thứ hai là học theo tên gọi cũ. Tài liệu chính thức hiện mô tả Agent Bricks là nền tảng phát triển agent của Databricks và nhắc đến chỉ mục AI Search khi nói về truy xuất dữ liệu, trong khi mô tả khóa học vẫn dùng tên Vector Search. Hãy đọc docs hiện hành song song với khóa học để không bỡ ngỡ khi mở workspace của khách.

Lỗi thứ ba là chia thời gian đều cho sáu phần thi. Bảng trọng số cho thấy dựng và triển khai ứng dụng nặng gấp nhiều lần quản trị; hãy ôn theo tỷ lệ đó, nhưng đừng bỏ hẳn phần nhỏ nào.

Chứng chỉ giúp gì cho hồ sơ FDE?

Nếu bạn đang nhắm tới vai trò FDE ở công ty có nhiều khách dùng Databricks, hãy tìm trong job description những từ như Unity Catalog, MCP, RAG hay agent evaluation.

Chứng chỉ cho nhà tuyển dụng biết bạn đã nắm các khái niệm và công cụ của nền tảng; một dòng CV mô tả pipeline RAG bạn đã tự dựng, có cách chia chunk và cách đo chất lượng, cho họ biết bạn đã thật sự làm.

Đừng coi kỳ thi là đích đến. Hãy coi bảng trọng số như một bản kiểm tra kỹ năng cho dự án kế tiếp: phần nào bạn chưa từng làm ở môi trường thật thì đó là việc cần tự làm trước khi khách hỏi đến.