AWS Certified Machine Learning Engineer – Associate（MLA-C01）合格体験記

はじめに

「AWS Certified Machine Learning Engineer – Associate（MLA-C01）」の合格したので、その学習内容を紹介します。

AWSでの人工知能（AI）や機械学習（ML）について知識がなく、資格の取得のための勉強のハードルが高いと思っている方は多いのではないでしょうか？

実際、私もサンプルの問題を解いてみて、AIやMLの専門用語の知識やAWSのAI関連のサービス（特にSageMaker）の知識を問われることが多く、他の資格取得で習得した知識とマッチせず苦労しました。

そこで本記事では、私自身の経験をもとに、AIやMLの知識がない方でも合格できるよう、学習ポイントをわかりやすく紹介していきます。

この記事は以下の方におすすめです。

• ✅AWS Certified AI Practitioner（AIF）を取得して次のスキルアップに向けて勉強を始めたい方
• ✅AWSでAIを利用する上で実践的な内容（学習・デプロイ・運用）について知りたい方
• ✅AWSを利用してAIサービス公開したい方

記事では資格取得に向けた勉強法以下になります。

• 基本用語
• 機械学習のライフサイクル
• AWSのAI・ML関連サービス
• AWSの基本サービス

Machine Learning Engineer – Associate（MLA-C01）について

試験概要についてすでにご存じの方は読み飛ばしてください。

認定資格について

この資格を通じて、以下のような知識を習得できます。

• ✅ AWSのAI関連サービス（SageMaker、Bedrock、その他AI関連サービスなど）を使ったサービスを導入・運用するための知識
• ✅ AWSでAIに利用するデータの収集・保管・加工・利用方法

AIF（AWS Certified AI Practitioner）と比べるとより実践的な知識を取得できます。
AWSでAI関連サービスを利用したプロジェクトを進める方は取得したほうがよい資格です。

個人的には、以下の資格を事前に取得しておくことをお勧めします。

1. CLF（AWS Certified Cloud Practitioner）
2. SAA（AWS Certified Solutions Architect – Associate）
3. DVA（AWS Certified Developer – Associate）
4. AIF（AWS Certified AI Practitioner）

MLAの取得に向けて学習を進める上で、基本資格のAIF（AWS Certified AI Practitioner）の知識はもちろん、AWSの基本的な知識や、CI/CDの知識をベースとした問題も出題されます。
AWSでのML（機械学習）の導入・運用スキルは４つの資格でカバーをするのは難しいため、重点的に学習をすると効率よく学習を進めることができます。

以下はAWS Certified Machine Learning Engineer – Associate（MLA）の試験概要です。

詳細や最新情報はMLAの試験ガイドを参照してください。

受験前のレベルについて

簡単に私のAWSの業務経験、AIの知識、保有資格を紹介します。
AWSについてはそれなりの知識・業務経験はありますが、AIについては、最近関わり始めました

AWSの経験:AWSを使ったサーバレスWebサービスのインフラやアプリ設計業務（3年）
AIの経験:AIについては、Bedrockサービスを中心としたサービス開発（1年）、個人開発でChatGPTを使い、コード生成やプロンプト調整を行った程度の経験です。

保有資格:

学習方法

学習期間

学習期間は２週間（平日１時間、休日に２～３時間）です。
AWSの前提知識があったので、短期間で取得することができました。
「認定資格について」でも記載していますが、事前にベースとなる資格を取得を推奨します。
未取得の方や、AWSの基本知識に自信のない方は長めに学習期間（３～４か月）を確保するよう計画してみてください。

問題集を解く

利用した問題集は以下です。

問題数が少ないので、幅広く学習したい方はUdemyのAWS MLAの日本語問題集でカバー範囲広げてみてください。

不明点・関連技術の確認

問題集を解く中で不明点があれば、以下を実施していました。

• AWSのドキュメントで仕様や関連技術の確認
• ChatGPTで不明点の調査や情報整理、ユースケースの確認
• ハンズオンで実際の操作やできることを確認

仕様などの確実な情報が欲しいときはAWSのドキュメントを確認、概念などの抽象的な情報はChatGPTで確認していました。
より理解を深めたいものはハンズオンで実際の操作を確認していました。

ハンズオン

ハンズオンを実施することで実践面でのスキルも身につきます。
以下のハンズオンを実施することを推奨します。

• AWSのAIサービスのハンズオン
• RAGを利用したハンズオン
• AWSを利用したモデルの管理（構築/トレーニング/検証/デプロイ/運用）

本ブログで公開しているハンズオンは以下になります。学習の参考としてご利用ください。

実際の試験について

試験は約60分で1周できました。
見直し時間を含めても余裕をもって試験を終えられました。

個人的な主観ではありますが、難易度はAI Practitionerより簡単に感じました。
AIの専門用語などの細かい知識はあまり問われず、
問題の要件に対して、どのAWSのサービスをどう使うかを問われることが多かったです。
もともとAWSに慣れている身としては後者を問題のほうが取り組みやすく、AWSの基本サービスに慣れている方にとっては取り組みやすい可能性があります。

問題集で解いた問題の類似問題が何個か出てきたので、事前の学習は幅広くこなしていたほうが安心です。

試験結果は当日の２０時過ぎにAWS 認定試験に結果が更新されてました。

学習をしてみて

机上の知識としては、問題集やAWSのドキュメント、ChatGPTを活用することで十分に対応できました。サービス概要や用語整理といった基礎的な部分は、この方法でカバー可能です。

一方で、SageMakerに関しては理解を深めたい気持ちがありながらも、コスト体系が分かりにくく、むやみにハンズオンを実施すると費用がかさんでしまうのではないかという不安がありました。そのため、AIサービス系のハンズオンは進められたものの、SageMakerについては十分に取り組むことができませんでした。

本来であれば、SageMakerの主要機能（前処理・学習・デプロイ・モニタリング）をハンズオンで試すことで、試験で問われる内容をより具体的に理解できたはずです。私自身も、ここを補っておけばさらに自信をもって回答できただろうと感じています。

これから学習を進める方には、問題集や参考資料で基礎を固めつつ、SageMakerのハンズオンを計画的に実施することをおすすめします。その際は、無料枠の範囲やServerless Inferenceなどの低コストな選択肢を意識すれば、費用を抑えながら効率的にスキルを身につけられるでしょう。

まとめ

本記事では、AWS Certified Machine Learning Engineer – Associate（MLA-C01） に向けた学習のポイントを、私自身の経験をもとに紹介しました。

• 資格の概要：MLAはAWSでAI/MLを導入・運用する実践力を問う資格で、AI Practitioner（AIF）よりも一歩踏み込んだ内容が出題されます。
• 学習方法：問題集やAWSドキュメント、ChatGPTを組み合わせることで基礎知識を効率的に身につけられます。
• ハンズオンの重要性：机上の知識だけではイメージしにくい部分も多く、SageMakerを中心にハンズオンで実際に操作することが理解度向上につながります。費用面に注意しつつ、無料枠やServerless Inferenceなどを活用すればリスクを抑えて体験できます。

今回の学習を通じて感じたのは、「座学で知識を整理し、ハンズオンで実感を伴わせる」 ことが合格への最短ルートだということです。

これから受験を考えている方は、まずは基礎資格やAI Practitionerで土台を固め、問題集やドキュメントで知識を広げ、その上でSageMakerを中心としたハンズオンに挑戦してみてください。資格取得だけでなく、実際の業務やプロジェクトでAI/MLを活用する力にもつながります。

ハンズオンができない方は、UdemyのAWS MLA向けの講座でカバー範囲広げてみてください。

ぜひ本記事を参考に、MLA取得とその先の実践スキルアップを目指してみてください。