2024年12月1日にAWS AI Practitioner（AIF-C01）を受験し、合格したものの、不甲斐ない成績に反省し、本当はどうすればより良かったのか、同じ資格を目指す方々に提案させていただきたいと思います。
私は、AWS資格試験に関してはCloud Licenseに絶大な信頼を寄せています。が、2024年12月1日現在ではAIF-C01はサポートしていません。
他の問題集としては、2024年12月1日時点ではUdemyとKindle本が確認できました。が、これらを丸覚えしただけでは合格は難しそうでした。とはいえ、内容は納得できるものでしたので、別の使用法を提案します。
以上を踏まえて、2024年12月時点で私の推奨する学習方法は次のとおりです。
１．退屈とは思いますが、日本語の試験ガイドには目を通して、出てくる用語は押さえておいたおいた方が良いと思います。下記に私なりに整理したものを掲載しておきます。
２．AWSの学習コンテンツには本家提供のskillbuilder（サインインが必要）というのがあって、これがデフォです。ここに問題集が用意されていますので、この時点での手応えをつかんでおくと良いと思います。(まぁ、英語は機械翻訳にお任せしましょう。）
３．AIF-C01のコースとしてはこれで、英語が主体ながら日本語で読めるものも多々あります。トータルの所要時間は１８時間超となっていて、なかなかヘビーです。このうち、最初に見るべき全体ガイドともいえるこれは８時間で英語のみです。Transcriptがありますので、これをAI翻訳して読んだ後に、理解を深める必要があると感じたテーマについてテーマ毎のコースを読んで深堀する、というのが多忙なビジネスマン／ウーマンの現実ラインかもしれません。コースの本体はModule3です。Module1は「この試験ってこういうものです」といった話、Module2もAWS Trainingの紹介で、わざわざ翻訳してまで読む必要はないでしょう。Module4以降は試験手続きとかなので、他を見た方がベターです。Module3はさらに5つのDomainから構成されています。各Domainの最後には2～3の演習問題と解説がありますので、どうしても時間が取れない方は、ここだけでも見ておいた方が良いと思います。
４．理解が進んだ、と思ったら、ここで、また問題集を使って理解度を確認するといいと思います。
５．納得できるまで３、４を繰り返えしましょう。
６．納得できたら、UdemyかKindle本で仕上げに入るといいと思います。
７．「手を動かしてみたい」という方は、ハンズオンセミナーがありますので、やってみるといいと思います。（AI系は多くないのと、AWSのアカウントを取る必要があるのと、無料枠を超えた分には支払いが発生します。）
試験ガイドに出てきたAWSサービス、用語を整理してみました。
AWSのAIサービス
| サービス名 | 概要 |
|---|---|
| Amazon SageMaker | 出来合いでは事足りない方向け スクラッチで楽にAI/MLを構築し学習させられるフルマネージド（インスタンスとかの整備はAWSがやっときます）サービス（群） 脳みそがソーセージの塊に見えてのネーミング？ |
| Amazon Transcribe | 音声からの文字おこし Alexaの耳担当 |
| Amazon Translate | 翻訳コンニャク（ただし音は出ない) |
| Amazon Comprehend | 文字データからcomprehend（理解する）ためのネタ（固有名詞とかキーワードとか）を抽出してくれる |
| Amazon Lex | Alexaのネタ担当 |
| Amazon Polly | Alexaの声担当 |
| Amazon Textract | 手書き文字の抽出 |
| Amazon Recognition | 画像分析 |
SageMaker Canvas（予測=回帰の機械学習）を構成するサービス
| サービス | 用途 |
|---|---|
| Amazon SageMaker Data Wrangler | 学習用データの準備 |
| Amazon SageMaker Feature Store | 学習後のパラメータ管理共有 |
| Amazon SageMaker Model Monitor | 本番環境で動作する学習済みのモデルのモニタ 学習に使用していたデータからドリフトして性能が下がっていないか |
AIサービスを作る/使う
| サービス | 用途 |
|---|---|
| Amazon SageMaker JumpStart | 数回のクリックでAWSが事前構築した機械学習ソリューションをデプロイできるサービス、Just Use It! |
| Amazon Bedrock | AWSのベンダ各社の生成AIをAWS環境で（組み合わせて）使えるようにするサービス、ファインチューン（固有の用途に適合するよう追加学習、例えば返答は名古屋弁にしたい、とか） ができる |
| PartyRock | 生成AIを組み込んだWebアプリケーションをローコードで作成 |
| Amazon Bedrock Playground | 複数のモデルの動作を試食（手軽に比較検討）できる |
| Amazon Q | AIを使ってあなたのAWS体験をハッピーにします、種類はいっぱい、For（ユーザ）とIn（AWSサービス）と無印（作業） |
AI向けデータベース
| サービス | 用途 |
|---|---|
| Amazon OpenSearch Service | これ自体はDBではない認識だが、各種データストアと連携して検索や分析を行えるようにする RAG（社内文書検索）などに使われるベクトル（セマンティック）サーチにも対応 |
| Amazon Aurora | DBの種類というより、マネージド（インスタンス立てなくても使える）DBサービス PostgreSQLとMySQLタイプあり |
| Amazon Neptune | グラフDB（NoSQL） グラフとは数学のグラフ理論のこと |
| Amazon DocumentDB | グラフDB（NoSQL） |
| Amazon RDS for PostgreSQL | 文字どおり Auroraがフルマネージドなのに対しこちらはリソース管理を各ユーザが行う |
独立系
| サービス | 用途 |
|---|---|
| Agent for Amazon Bedrock | Function Calling（Tool Use）のAWS版？ LLMとユーザの間に入ってLLMの機能を拡張 下図を参照 |
| Amazon Kendra | 社内文書検索システムを構築 ハンズオンセミナーも参照 |
評価
| サービス | 用途 |
|---|---|
| Amazon SageMaker Clatify | モデルの出力の評価、説明、バイアスの検知 |
| Amazon A2I | 機械学習のワークフローに人によるチェックを入れられるようにする（業界ではHuman in the Loopという） |
ガバナンス
| サービス | 用途 |
|---|---|
| Amazon SageMaker Model Cards | モデルの使用上の制約、注意を利用者に提示 |
| Amazon Macie | 学習データ等に含まれるクレジットカード番号のような情報を除去 |
| AWS PrivateLink | 実はAWSに立てたインスタンスとS3等のサービスの間は通常はインターネットを経由するが、それをAWSを出ないようにする |
| AWS Config | AWSに立てたサービスが自らの決めたルールに準拠しているか見てくれる |
| Amazon Inspector | セキュリティスキャナー |
| AWS Audit Manager | 業界標準等に対するコンプライアンスチェッカー |
| AWS CloudTrail | 誰が何のAPI使ったか、全て記録 |
| AWS Trusted Advisor | コスト削減、パフォーマンス、耐障害性の御相談承ります |
| AWS CloudWatch | ログ、アラート、パフォーマンスモニタ、イベントキャッチ |
２価分類問題の指標
| 名称 | 説明 | 範囲 | |
|---|---|---|---|
| 正答率 | 文字どおり | 0～1(=100％) | 高いほど良い |
| 適合率 | 「オオカミが来たぞ」と騒いだ時に嘘でなかった率 高いほど社会に適合しやすいから？ |
0～1(=100％) | 高いほど良い |
| 再現率 | オオカミが来ていた時に見逃さず「オオカミが来た」と騒いだ率 高いほど再現した時にありがたいから？ |
0～1(=100％) | 高いほど良い |
| F１スコア | F値ともいう 適合率と再現率の調和平均（逆数の平均をとって、さらに逆数にする） |
0～1(=100％) | 高いほど良い |
| AUC | 面積１の正方形の左下と右上の頂点を結ぶ右上がりのカーブ（ROCカーブという、曲線で階段状の折れ線） | 事実上0.5～1 （0.5より低い場合は逆張りしている） |
高いほど良い |
生成系言語モデルの指標（いずれも、0～1で高いほど良い）
| 名称 | 用途 | 説明・特徴 |
|---|---|---|
| ROUGE | 要約タスク Gはgist（要点）の頭文字 |
n-gram（nは数値で、gramは文字列の意味）を使用 |
| BLUE | 翻訳タスク BLはBilingual（バイリンガル）の略 |
n-gramを使用 |
| BERTScore | 生成系言語処理一般 BERTはChatGPTと同じようにTransformerという機構を採用 |
そもそもBERTは初めてTransformerを採用した言語モデルのこと Transformerで計算したベクトルを使用 前の２指標に比べると比較的新しい |
生成AIのプロンプトエンジニアリングについては解説を読んだだけ（or APIを使用しないWebUIからのアクセスしか経験がない）では理解がおぼつかない方もいるのではないかと思い、ごく簡単なJupyter Notebookを用意しました。
https://github.com/sin-gee/CohereCommandR-RAG-for-japanese
https://github.com/sin-gee/Cohere-Prompt-Engineering-for-japanese
生成AIの学習コンテンツとしては、deeplearning.aiのshort courseが無料で優れています。ただ、全てが英語で、扱っているネタも「テーラー・スイフトが．．．」だったりして、純国産の私には辛かったため、上記のNotebookを作りました。
skilbuilderを翻訳して練習問題を作ってくれるNotebookを作ってみました。いい感じの出力が得られるよう、プロンプトエンジニアリングしてみてください。（2024/12/22追加）
https://github.com/sin-gee/StudyWithLLM
以上、各位の健闘を祈っております