AWSを中心にためになるサイトを整理
特にAWS Certified Machine Learning Engineer - Associate 向けです
自身で勉強する中で、特にSageMakerの手触り感が少なかったため、動画や書籍で知識補強をしました。ほかの方の参考になればと思いブログに整理しています。
AWSより
【AWS Black Belt Online Seminar】Amazon SageMaker Basic Session
SageMaker全体の概要を網羅。マネージドなJupyter Notebook、学習ジョブ、推論、モニタリングなどの基本機能について紹介されており、初学者にも最適。
Amazon SageMaker 推論 Part1 推論の頻出課題とSageMakerによる解決方法【ML-Dark-03】【AWS Black Belt】
推論フェーズにおける典型的な課題（スケーラビリティ、レスポンス時間、コスト）と、それに対するSageMakerのソリューション（マルチモデルエンドポイントやエッジデプロイなど）を解説。
Amazon SageMaker 推論 Part2すぐにプロダクション利用できる！モデルをデプロイして推論する方法 【ML-Dark-04】【AWS Black Belt】
モデルのエンドポイント化、APIとしての公開、Auto Scaling設定など、実運用における「今すぐ使える」推論活用方法が学べる。
Amazon SageMaker 推論 Part3（前編）もう悩まない！機械学習モデルのデプロイパターンと戦略【ML-Dark-05a】【AWS Black Belt】
Blue/Greenデプロイ、A/Bテスト、マルチモデル対応など、デプロイメント戦略の選び方や設計指針を体系的に紹介。
Amazon SageMaker モニタリング Part1 【ML-Dark-07】【AWS Black Belt】
モデルデプロイ後の品質担保に重要なモニタリング（データドリフト検知、コンテナログ可視化、アラート設定など）についての解説。
Amazon SageMaker による実験管理【ML-Dark-02】【AWS Black Belt】
少し古めの情報だが、SageMaker Experimentsを使った実験管理の基本がわかる。
MLflowとの統合前の内容である点に注意。
Amazon Bedrock Overview 【Amazon Bedrock Series #01】【AWS Black Belt】
Amazon Bedrockの概要と、LLM（大規模言語モデル）をAPI経由で簡単に扱える仕組みについて紹介。ベンダーロックインを避けたマルチモデル活用がキーポイント。
AWS以外
【AWSとAIの基礎#4】SageMakerによる機械学習
SageMakerを使った実際の学習・推論フローを、ハンズオン形式で分かりやすく解説。ビジュアル多めで理解が進みやすい構成。
結局普通のエンジニアが今SageMaker使うと何ができるのかわかるLT
非MLエンジニア目線でのSageMaker活用例。現場寄りの実践的な内容で、導入に際しての心構えやコスト感が掴める。
【３分で分かるAI】Amazon Bedrockを使ったRAGアプリの作り方
Retrieval-Augmented Generation（RAG）の基本構造と、Amazon Bedrockを用いた簡易実装フローをサクッと紹介。
記事や書籍
[AWS Black Belt Online Seminar] Amazon AI Service
各種AIサービスの概要を体系的に網羅。スライドとして視覚的に理解したいときにおすすめ。
事例でわかるMLOps ―機械学習の成果をスケールさせる処方箋 (KS情報科学専門書)
国内事例を交えながら、MLOpsの要点（モデルの開発〜運用）を体系的に解説。事例ベースが多く、開発者(インフラエンジニア)としては具体があってわかりやすい。
現場で使える！機械学習システム構築実践ガイド
アーキテクチャ設計・開発・運用まで、現場で通用するMLシステム構築のノウハウを凝縮。デザインパターンを活用した設計の引き出しを増やしたい人におすすめ。建付けとしては上記と似ている印象
実践 AWSデータサイエンス ―エンドツーエンドのMLOpsパイプライン実装
AWSサービス（SageMaker, Step Functions, Feature Storeなど）を使って、E2EのMLOps基盤を構築する方法を実践ベースで学べる一冊。オライリーなので好みは分かれる