こんにちは、しろみです！
先日、AWSが提供している認定資格の一つ Machine Learning Engineer - Associate(以下 MLA-C01)に合格しました
一人アドベントカレンダーに参加したこともあり、2日目の今日はMLA-C01についての記事を執筆していこうと思います！
この記事で紹介する内容
具体的に、下記の内容を紹介していこうと思います。
- MLA-C01の試験概要
- MLA-C01を受験する前に取り組んでおくといいこと
この記事で紹介しない内容
下記については、紹介をしないように執筆をしていこうと思います。予めご了承ください。
- 具体的な試験問題について
- 具体的にどのような問題が出たか
理由といたしましては、AWSの認定試験を受験する際に「外部に問題を口外しないこと」のような誓約書に同意する必要がございます。そのため、本記事では具体的にどのような問題が出題されたかについては触れない形で執筆していこうと考えております。
MLA-C01の試験概要について
ここからはMLA-C01の試験ガイドを基に紹介をしていこうと思います
MLA-C01の試験ガイド
まず概要についてです。
はじめに
AWS Certified Machine Learning Engineer - Associate (MLA-C01) 試験では、AWS
クラウドを使用した機械学習 (ML) ソリューションとパイプラインの構築、運用化、
デプロイ、保守についての受験者の能力を検証します。
また、次のタスクについての能力も検証します。
• ML モデリングのためのデータの取り込み、変換、検証、準備
• 一般的なモデリングアプローチの選択、モデルのトレーニング、ハイパー
パラメータのチューニング、モデルのパフォーマンスの解析、モデルの
バージョン管理
• デプロイインフラストラクチャとエンドポイントの選択、コンピューティング
リソースのプロビジョニング、要件に基づいたオートスケーリングの設定
• 継続的インテグレーションおよび継続的デリバリー (CI/CD) パイプラインの
設定による、ML ワークフローのオーケストレーションの自動化
• モデル、データ、インフラストラクチャのモニタリングによる、問題の検出
• アクセスコントロール、コンプライアンス機能、ベストプラクティスを通じた
ML システムとリソースのセキュリティ確保
AWSの認定資格の中でも、機械学習についてを問う試験のため機械学習についての話が、概要だけでも様々な内容が記載されております。
また、「ML ワークフローのオーケストレーションの自動化」という文面からも読み取れるように、ただ機械学習用サービスを使用する以外にも各工程を自動化していくという話も出題されます。
MLA-C01を受験する前に取り組んでおくといいこと
ここからは、MLA-C01を受験する際にこういったことを取り組んでいくと合格に近づくという内容を紹介していこうと思います。
SageMakerについてを学ぶ
SageMakerと呼ばれる機械学習用のサービスをAWSは提供しております。また、SageMakerは機能が多岐にわたって存在します(モデルに学習させるためのデータの準備、モデルの作成・デプロイなど)
試験ガイドの中身を確認していくと、そういった様々なSageMakerの機能が出題対象として登場している様子を目にすることが出来ます。
そのため、下記の観点でSageMakerの学習をすることで合格に近づくと考えております。
- SageMakerで何が出来るのか
- そもそもどういった機能を備えたサービスなのか
- どの機能を使用することで何が実現できるのか
- モデルに使用するデータの準備
- 機械学習を使用するために必要な環境を手軽に作成できる
- コードの作成をせずとも必要なものが準備できる
ただし、機能が膨大なため全ての機能を完璧に理解しようとすると頭が破裂するかのような状態に陥ることもあります。(筆者も理解するまでに時間がかかりました)
そのため、まずはどんな機能があって何が実現できるかを軽く抑えたりするところから始めるのが一つの手と考えております。
また、実際に触ることでより理解が深まると感じるためハンズオンも実施するとより合格に近づくかもしれないです。
AWSの様々なジャンルのハンズオンをまとめた、「JP Contents Hub」というコンテンツがあります。こちらのコンテンツを活用しながら学習することで機械学習系のサービスやそのほかのジャンルのサービスについても理解が深まるかもしれません。
https://aws-samples.github.io/jp-contents-hub/
機械学習の用語についてを理解する
機械学習についての認定試験ということもあり、純粋な機械学習の知識や用語が頻出します。
試験に合格する一つの方法として、日本ディープラーニング協会さんが提供している「G検定」と呼ばれる認定試験を通じて用語や概念を押さえていくという方法がおすすめかと思います。
G検定とは
G検定とは、一般社団法人日本ディープラーニング協会（JDLA）が実施する、AI・ディープラーニングの活⽤リテラ>シー習得のための検定試験です。 AI・ディープラーニングに関わる全ての方が受験対象です。 AI・ディープラーニングについて体系的に学ぶことで、「AIで何ができて、何ができないのか」「どこにAIを活用すればよいか」「AIを活用するためには何が必要か」が理解でき、データを活用した新たな課題の発見やアイデアの創出が可能になる、デジタル施策の推進に自信が持てるようになるなど、あなたのビジネスやキャリアの可能性が飛躍的に広がります。
https://www.jdla.org/certificate/general/ より引用
SageMaker以外の機械学習サービスについてを学ぶ
SageMaker以外にも、AWSが提供しているサービスは様々なものがあります。実際にMLA-C01の公式ガイド内にて、出題対象とされているサービスは下記のものがあります。
- Amazon Augmented AI (Amazon A2I)
- Amazon Bedrock
- Amazon CodeGuru
- Amazon Comprehend
- Amazon Comprehend Medical
- Amazon DevOps Guru
- Amazon Fraud Detector
- AWS HealthLake
- Amazon Kendra
- Amazon Lex
- Amazon Lookout for Equipment
- Amazon Lookout for Metrics
- Amazon Lookout for Vision
- Amazon Mechanical Turk
- Amazon Personalize
- Amazon Polly
- Amazon Q
- Amazon Rekognition
- Amazon SageMaker
- Amazon Textract
- Amazon Transcribe
- Amazon Translate
これらについても、AWSが提供しているBlackbeltと呼ばれるコンテンツ等やハンズオンも実施しながら学習していくことで合格に近づくと考えております。
余談ですが、公式ドキュメントやBlackbeltでの説明が分かりずらいと感じる場合もあるかと思います。
AWS公式が提供しているコンテンツの一つに、「グラレコ」と呼ばれるコンテンツがあります。
すべてのAWSサービスを紹介しているコンテンツではないものの、分かりやすい語り口で解説されていたり、イラストや図も豊富で見やすいため、こちらのコンテンツを学習に活用してみるのもおすすめです。
最後に
機械学習の用語やSageMakerの機能について様々なものがあり、実際に受験してみて独特な試験だと感じたものがMLA-C01でした。
この記事が受験される方のお役に立ちましたら幸いです。
ここまでご拝読をいただきありがとうございます。