AWS Certified Machine Learning Engineer – Associate合格への近道と、試験勉強法について解説します！
サッとお読みいただけるよう、シンプルかつ要点をまとめて記載しています！
AWS Certified Machine Learning Engineer – Associateとは
1. 試験概要
◆誰でも受験可能（受験資格なし。機械学習エンジニアリングまたは関連分野で1年以上の経験があり、AWSサービスを使用した実践経験が1年以上ある方が主な対象です）
◆試験コードはMLA-C01
◆選択式（単一選択・複数選択）65問／130分（採点対象50問＋採点対象外15問。採点対象外の問題は試験中に区別されません）
◆合格スコアは720点（100～1,000点のスケールドスコア）
◆AWSを使用して機械学習ソリューションとパイプラインを構築、運用、デプロイ、保守する能力が問われるAssociateレベルの試験
◆事前に読み込むケーススタディはなく、各設問内に提示される要件に対して最適な手法やAWSサービスを選択する形式
◆受験料：150 USD（為替レートや税金により日本円価格は変動）
◆試験は日本語でも受験可能
◆Pearson VUEテストセンターもしくは、オンライン監督付き試験で受験可能
◆有効期限は3年間
2. 出題範囲・受験対象者
受験対象者
AWS Certified Machine Learning Engineer – Associateは、AWSクラウドを使用して、機械学習ソリューションとMLパイプラインを構築、運用、デプロイ、保守する能力を証明する認定資格です。
主な対象者は、Amazon SageMaker AIをはじめとするAWSの機械学習サービスを利用して、本番環境向けのMLシステムを実装する機械学習エンジニア、MLOpsエンジニア、データサイエンティスト、データエンジニア、バックエンドエンジニアなどです。
試験では、単に機械学習アルゴリズムの知識だけではなく、データの収集と前処理、モデルの選定とトレーニング、ハイパーパラメーターチューニング、モデルのデプロイ、MLワークフローの自動化、モデルとインフラストラクチャの監視、セキュリティ、コスト最適化まで幅広く問われます。
複雑な数式の導出や、研究レベルの機械学習アルゴリズムの開発が中心の試験ではありません。一方で、AIや機械学習に関する用語を知っているだけでは対応が難しく、本番環境でMLモデルを継続的に運用するための実践的な知識が必要です。
出題範囲（全4セクション）
- 機械学習のためのデータ準備（Data Preparation for Machine Learning：28%） — MLモデルで使用するデータの取り込み、保存、変換、検証、特徴量エンジニアリングが問われます。Amazon S3、Amazon EBS、Amazon EFS、Amazon RDS、Amazon DynamoDBなどのデータ保存先に加え、Amazon Kinesis、Amazon Data Firehose、Amazon Managed Streaming for Apache Kafka、Amazon Managed Service for Apache Flinkなどを利用したストリーミングデータの取り込みも出題範囲です。AWS Glue、AWS Glue DataBrew、Amazon EMR、Amazon Athena、Amazon Redshift、Amazon SageMaker Processingなどを使用したデータ変換、データクレンジング、欠損値・外れ値への対応、データ形式の変換、データ品質の確認、特徴量の作成も重要です。また、Amazon SageMaker Feature Storeを利用した特徴量の保存・共有や、学習データと推論データの一貫性を維持する方法も問われます。
- MLモデルの開発（ML Model Development：26%） — ビジネス要件やデータの特性に応じた機械学習手法とアルゴリズムの選定、モデルのトレーニング、調整、評価が問われます。分類、回帰、クラスタリング、時系列予測、異常検知、自然言語処理、コンピュータービジョンなどのユースケースを理解し、適切なモデリング手法を選択する必要があります。Amazon SageMaker AIの組み込みアルゴリズム、独自のトレーニングコード、トレーニングジョブ、分散トレーニング、スポットトレーニング、Automatic Model Tuning、SageMaker Autopilotなども重要です。また、精度、適合率、再現率、F1スコア、ROC-AUC、平均二乗誤差などの評価指標、過学習と学習不足、クラス不均衡、交差検証、ハイパーパラメーターチューニング、モデルバージョン管理なども問われます。
- MLワークフローのデプロイとオーケストレーション（Deployment and Orchestration of ML Workflows：22%） — 要件に応じたモデルのデプロイ方法、推論エンドポイント、コンピューティングリソース、スケーリング方式の選定が問われます。Amazon SageMaker AIのリアルタイム推論、サーバーレス推論、非同期推論、バッチ変換の使い分けや、マルチモデルエンドポイント、推論パイプライン、Auto Scalingなどが重要です。また、SageMaker Pipelines、AWS Step Functions、Amazon EventBridge、Amazon Managed Workflows for Apache Airflowなどを利用したMLワークフローの自動化とオーケストレーションも出題範囲です。AWS CodePipeline、AWS CodeBuild、AWS CodeDeploy、Amazon ECR、AWS CloudFormation、AWS CDKなどを使用したCI/CDパイプライン、コンテナイメージ、Infrastructure as Code、モデルのバージョン管理、承認フロー、段階的なデプロイなども理解しておく必要があります。
- MLソリューションの監視、保守、セキュリティ（ML Solution Monitoring, Maintenance, and Security：24%） — 本番環境にデプロイしたモデル、データ、MLワークフロー、インフラストラクチャの監視と保守が問われます。Amazon SageMaker Model Monitorを利用したデータ品質、モデル品質、バイアス、特徴量属性ドリフトの監視や、データドリフト・コンセプトドリフトの検出が重要です。Amazon CloudWatch、CloudWatch Logs、AWS CloudTrail、AWS X-Rayなどを利用したメトリクス、ログ、アラーム、トラブルシューティングも出題範囲です。また、推論インスタンスやトレーニングジョブのコスト最適化、Auto Scaling、スポットインスタンス、リソース使用率の監視も問われます。セキュリティ分野では、IAMロール、最小権限、Amazon S3バケットポリシー、AWS KMSによる暗号化、AWS Secrets Manager、VPC、プライベートサブネット、セキュリティグループ、VPCエンドポイントなどを利用してMLリソースを保護する方法が重要です。
AWS Certified Machine Learning Engineer – Associateでは、機械学習のためのデータ準備とMLモデルの開発だけで全体の54%を占めます。そのため、データの取り込み、前処理、特徴量エンジニアリング、アルゴリズム選定、モデルトレーニング、評価指標、ハイパーパラメーターチューニングを優先して学習することが重要です。
ただし、本試験はモデルの作成だけを確認する試験ではありません。モデルを本番環境へデプロイし、継続的に監視・改善するまでのMLライフサイクル全体が出題範囲です。
例えば、「大量の推論リクエストを低レイテンシーで処理する」「不定期に発生する推論のコストを抑える」「データドリフトを検出して再トレーニングを開始する」「モデルの更新を自動化しながら安全に本番環境へ反映する」など、実際の運用を想定したシナリオ問題が出題されます。
そのため、単なる用語暗記ではなく、「この要件にはどのデータ処理方法が適しているか」「どの推論方式を選択するか」「モデルの精度低下をどのように検出するか」「どのサービスを使用してMLパイプラインを自動化するか」という観点で理解しておくと、本番問題に対応しやすくなります。
3. 受験申込方法
◆AWS Certified Machine Learning Engineer – Associateページより受験申し込みが可能です。
認定試験を申し込む
攻略法
1. まず伝えたいこと
AWSの機械学習サービスやAmazon SageMaker AIの機能は、継続的にアップデートされています。そのため、古い試験対策教材だけで勉強していると、現在のMLA-C01の出題範囲、サービス名、推奨されるMLワークフローに対応できない可能性があります。
本試験はAssociateレベルの試験ですが、AIや機械学習の基本用語だけを確認するAWS Certified AI Practitionerとは異なり、AWS上で実際にMLモデルを構築、デプロイ、運用するための技術的な知識が問われます。
特に重要なのは、Amazon SageMaker AI、Amazon S3、AWS Glue、Amazon Athena、Amazon EMR、SageMaker Feature Store、SageMaker Pipelines、SageMaker Model Registry、SageMaker Model Monitor、Amazon ECR、AWS Step Functions、Amazon CloudWatch、IAM、AWS KMSです。
これらのサービスや機能は単独で出題されるだけでなく、データ収集からモデルの監視までを構成するMLパイプラインの一部として頻繁に登場します。
また、本試験には事前に読み込むケーススタディはありませんが、各設問内にデータの種類、モデルの用途、推論頻度、レイテンシー、コスト、セキュリティ、運用方法などの要件が記載されます。その状況に対して、最も適した機械学習手法やAWSサービスを選択します。
そのため、問題文に記載された「最小の運用負荷」「最もコスト効率が高い」「リアルタイムで処理する」「モデルの再トレーニングを自動化する」「プライベートネットワーク内で処理する」といった条件を見落とさないことが重要です。
例えば、リアルタイム推論、サーバーレス推論、非同期推論、バッチ変換の違いや、SageMaker Model MonitorとAmazon CloudWatchの役割の違い、データドリフトとコンセプトドリフトの違い、精度・適合率・再現率・F1スコアの使い分けなどを比較しながら覚えると理解しやすくなります。
本サイトでは、AWS Certified Machine Learning Engineer – Associateの出題範囲に沿って、データ準備、モデル開発、デプロイ、MLワークフローの自動化、監視、セキュリティを理解しやすい解説付きの問題集を用意しておりますので、気になった方はぜひチェックしてみてください！（ページの一番下にもリンクがあります！）
2. 勉強方法
①AWS Skill Builder（公式学習）
↓
②AWS公式練習問題・模擬試験
↓
③試験対策問題集
私は上記の順番で勉強することをおすすめします！
各勉強方法の意図は、下記の通りです。
①AWS Skill Builder（AWS Certified Machine Learning Engineer – Associate Exam Prep）で、データ準備、モデル開発、デプロイ、MLOps、監視、セキュリティの全体像を学びます。
②AWS公式練習問題や公式模擬試験で、出題形式と問われ方を確認します。
③AWS Certified Machine Learning Engineer – Associate試験対策問題集で、実試験で出題される問題の感覚や、要件に適したMLサービス・機能を選定する考え方に慣れます。
AWS Skill Builderでは、試験範囲に沿って、AWS上での機械学習ライフサイクルを体系的に学べるため、最初のインプット教材としておすすめです。特にMLOpsを初めて学ぶ方は、データ準備、モデル作成、デプロイ、監視、再トレーニングという一連の流れを最初に整理しておくと理解が進みやすくなります。
可能であれば、Amazon SageMaker AIを利用して、データの準備、トレーニングジョブの実行、モデルのデプロイ、推論エンドポイントの作成までを実際に操作してみることもおすすめです。
試験自体は実技形式ではありませんが、SageMaker AIの各機能がMLライフサイクルのどの段階で利用されるのかを実際に確認することで、問題文に記載された構成をイメージしやすくなります。
AWS公式練習問題・模擬試験は、本番に近い文章量や出題形式を確認できる公式教材です。MLA-C01では、データの種類、モデル要件、推論方式、運用条件などが記載されたシナリオ問題が多いため、問題文から重要な条件を読み取る練習として、一度は取り組んでおきましょう。
そのうえで、試験対策問題集を使って、データ処理、アルゴリズム選定、評価指標、推論方式、MLOps、モデル監視、セキュリティの使い分けを反復練習することが重要です。
AWS Certified Machine Learning Engineer – Associateでは、選択肢の中に技術的には実現可能な方法が複数含まれることがあります。そのため、間違えた問題は単に正解だけを覚えるのではなく、「なぜこの方法が要件に最も適しているのか」「他の選択肢にはどのような欠点があるのか」「処理量やレイテンシーなどの条件が変わった場合はどの選択肢が正解になるのか」まで確認すると、得点が安定しやすくなります。
3. 当サイトの問題集
AWS Certified Machine Learning Engineer – Associateは、機械学習モデルを作成する知識だけでなく、データ処理、デプロイ、MLOps、監視、セキュリティまで幅広く問われる試験です。そのため、実試験形式で多くのシナリオ問題を解きながら、各選択肢が正解・不正解となる理由まで確認できる日本語の問題集を探すと、意外と時間がかかります。
当サイトの問題集には、以下4つの強みがあり、効率的に勉強を進めることが可能です。
①MLA-C01の出題範囲に対応
②データ準備・モデル開発・デプロイ・MLOps・監視・セキュリティの考え方を解説（解説には一次ソースを記載）
③10問単位でページがシンプルかつ広告が一切ない
④実際の試験問題の出題方式が分かるよう問題を作成（ラジオボタン方式、チェックボタン方式など）
まずは、はじめの10問を解いてみましょう！
