MLA-C01
AWS Certified Machine Learning Engineer – Associate
Associate出題設定
1問ごとに正解と解説を確認できます
出題ドメイン
問題数
最大 100 問出題可能
この試験について
MLA-C01（AWS Certified Machine Learning Engineer – Associate）は、AWSでMLシステムを実装・運用するエンジニアを対象としたAssociateレベルの試験です。SageMakerを中心としたML基盤の構築から、モデルのデプロイ・監視まで幅広い知識が問われます。ML実装の実務経験がある方や、AIF-C01取得後により深い技術知識を身に付けたい方に適しています。
| 対象者 | AWSでML/AIシステムを実装・運用するMLエンジニア・データサイエンティスト。AIF-C01取得者でAWS MLサービスを深く学びたい方にもおすすめです。 |
|---|---|
| 前提知識 | PythonとML基礎知識（教師あり学習・モデル評価など）、SAA-C03レベルのAWS知識があると学習がスムーズです。 |
| 総問題数 | 100問 |
| 試験時間 | 130分 |
| 出題数 | 65問 |
| 合格スコア | 720点（1000点満点） |
| 受験料 | 150 USD |
| 出題形式 | 選択式・複数選択式 |
おすすめ学習ステップ
- 1Domain 1「ML向けデータエンジニアリング」でデータ収集・前処理・特徴量エンジニアリングを理解する
- 2Domain 2「MLモデル開発」でSageMakerの組み込みアルゴリズム・ハイパーパラメータチューニングを学ぶ
- 3Domain 3「MLモデルのデプロイと運用化」でエンドポイント・バッチ変換・MLOpsパターンを整理する
- 4Domain 4「MLソリューションの監視とメンテナンス」でモデルドリフト検出・再学習パイプラインを把握する
- 5模擬試験モードで通しで解き、SageMakerの各機能の使い分けを確認する
ドメイン別攻略ポイント
- ▶Domain 1: S3・Glue・Kinesis・Feature Storeを使ったデータパイプラインの設計パターンと、データの前処理・バリデーション手法が頻出。
- ▶Domain 2: SageMakerの組み込みアルゴリズム（XGBoost・BlazingText等）の特性とAutoMLの使い所、ハイパーパラメータ最適化（HPO）の仕組みを理解する。
- ▶Domain 3: リアルタイム推論エンドポイントとバッチ変換の使い分け、A/Bテスト・カナリアデプロイの実装パターンが問われる。
- ▶Domain 4: Model Monitor・Clarifyを使ったデータドリフト・バイアス検出の手法、CloudWatchとの連携による監視設計を押さえる。
よくある質問
MLA-C01はAIF-C01と何が違いますか？▼
AIF-C01はAI・MLの概念を広く浅く問う入門試験ですが、MLA-C01はAWSでMLを実装するための技術的な深さが求められます。SageMakerの具体的な使い方や、MLOpsの設計パターンが中心です。
SageMakerを触ったことがないと難しいですか？▼
ハンズオン経験があると有利ですが、必須ではありません。SageMakerの各機能（Training Job・Endpoint・Pipeline等）の役割と使い分けを理解することが合格の鍵です。
合格に必要な学習時間の目安は？▼
ML実務経験者で60〜100時間が目安です。AWS MLサービスとMLOpsの概念の両方を押さえる必要があるため、計画的な学習が重要です。
試験の合格ラインは何点ですか？▼
720点（1000点満点）が合格ラインです。65問出題されます。
前提として取るべき資格はありますか？▼
必須ではありませんが、SAA-C03でAWSの基礎を固めてからMLA-C01に臨むと、データ基盤やストレージの問題がスムーズに理解できます。