1.概要
またしても前回から間が空いてしまいました。
一ヶ月遅れでのご報告で恐縮ですが、
AWS Certified Data Engineer - Associate
AWS Certified Machine Learning Engineer - Associate
に合格したので、対策にあたって何をしたのかについて、覚えている限りでまとめます。
対策期間はそれぞれ１週間程度確保しました。
ちなみに投稿主はゴリゴリの文系学部出身なので、マシンラーニングもデータサイエンスも何のこっちゃからのスタートです。
2.使用した教材
DEAとMLAについて、それぞれ使用した教材を紹介します。
DEA
AWS認定データエンジニア - アソシエイト（DEA-C01）模擬試験問題集 2026年版
いつも利用させていただいていた方の模擬試験です。
今回はいつもと方針を変えて、UdemyとSkillBuilderを半々くらいで勉強を進めました。
結果的には、全6演習（うちNo.5とNo.6についてはボーナス10問を除きNo.1-4の再出題）のうちNo.1とNo.2のみを解きました。
No.1は55%、No.2は64%で2周目はやってません。基本的に間違えた問題について、解説を読みながら知らない知識があれば、ほーと思いながらなんとなく覚えるようなイメージでやっていました。
Official Practice Question Set: AWS Certified Data Engineer - Associate (DEA-C01 - 日本語)
Official Practice Exam: AWS Certified Data Engineer - Associate (DEA-C01 - 日本語)
こちらはAWSが提供する公式模擬試験です。
上が20問で無料で受けられる（はずの）もので、下が課金で受けられるようになる問題です。
こちらについても、1-2周して出てくる問題のイメージを掴みつつ、知らない知識があれば補強していた感じです。
MLA
【図解付き詳細解説】AWS MLA-C01完全攻略問題集 | 構成図＆グラフ解説付き
こちらもDEAと同じ方と同じ模試です。
方法もDEAの時と同じ方針で進めていたので、特筆することは特にありません。
Official Practice Question Set: AWS Certified Machine Learning Engineer - Associate (MLA-C01 - 日本語)
Official Pretest: AWS Certified Machine Learning Engineer - Associate (MLA-C01 - 日本語)
こちらも完全に同様の進め方だったため、特筆事項はなしです。
3.やっていたこと
基本形は
問題を解く→結果を見る→少しでも引っかかれば即GPTに質問
このループです。
聞き方はラフに問題の一部スクショをGPTに見せて、「これってつまりどういうこと？」
みたいな、お前頭使う気ゼロかみたいな聞き方をして、帰ってきた答えに対して、
つまりこういうこと？ 例えるとこう？みたいな自分の解釈をひたすら投げて、
ある程度修正されなくなるまで聞きまくるって感じです。
DEA
ひたっすらにDWHだったりETLの話をされます。
Redshiftを使うのかとか、EMRを使うのか、Glueを使うのかとかそんなものです。
問題を解いてみて、ぶっちゃけRedshiftとEMRって何が違うんだ？
データクレンジングって何？
そもそもETLって何度か聞くけど何の頭文字だ？
Glueとか他のAWS試験だとほぼ聞かれた記憶ないな。レイヤー感としてはStep Functionsと同じか？とか仮説を立てて、GPTに質問するみたいな感じです。
とは言え、基本的にサーバレスであること、人の手がかからんこと、安いことみたいな、Well-Architected Frameworkの思想はブレないので、それに沿って回答していれば大きく間違えることはない印象でした。
MLA
AIFとどの程度乖離しているのかなぁと思っていましたが、CLFとSAAほどは離れていない印象でした。
それだけAIFで聞かれる内容が基礎的だったのかもしれません。
最初の勉強で引っかかっていたのはSageMakerが扱う範囲でかすぎるだろ問題ですね。
聞き慣れない名前のサービス多すぎるのと、若干機械学習のOSSの知識とかも必要だったり、Pythonの話でてきたりとか、Associateの中でも結構異質な感じでした。
こちらについても、DEAの時とやることは変わらず、引っかかったポイントの掘り下げメインですね。
ちなみにこちらについては、以下の記事も大変に参考になりました。
基本的にMLAで聞かれる範囲のワードについてはこちらの記事が網羅されているのではないかと思います。
新しい試み
脱Udemyを意識していたので、GPTで試験のシラバスや公式ドキュメントを随時読み込んでもらって、
問題を作ってもらうということをやっていました。
試験直前になると、ちょっと物足りなさはありましたが、序盤のキーワードを掴む訓練にはなったかなと思います。
結局最後はUdemyの問題で復習をしていましたが……。
4.結論
当日結果が出るまでの手応えとしては
DEA→全く手応えねえな…。落ちたとは思わないけど点数低いんじゃね？
MLA→100%受かったでしょ。900点台あるかもな
はい、結果を見れば分かる通り。真逆です。
AWS試験ってマジで結果出るまでわからないんですよね。試験中の手応えとか、よほど高得点を取れる人でないなら全く当てになりません。
まぁ、どちらも一発で受かったので、そこは良かったかな。
オマケ
以下、MLAを勉強するときに問題作成するのに使ったプロンプトです。
ご参考になれば。
ちなみに、このプロンプトだと３０問としていますが、手間に目を瞑れるなら５問程度にすることをおすすめします。
あなたは AWS Certified Machine Learning Engineer - Associate（MLA-C01）の試験対策講師兼、AWS公式ドキュメント準拠の作問者です。
目的:
私は、長文シナリオ問題では問題文と選択肢からメタ読み・消去法である程度解けます。
一方で、サービス名・機能名・ML用語の定義をゼロベースで問われると弱い傾向があります。
そのため、MLA-C01対策として、知識の即答力を鍛えるための短問形式の問題セットを作成してください。
# 出題方針
以下の条件を必ず満たしてください。
- 1問1論点にする
- 問題文は短く、知識を直接問う形式にする
- 長文ケーススタディ問題にはしない
- メタ読みや雰囲気で解けないようにする
- 選択肢はすべて、MLA-C01範囲内の実在するサービス・機能・用語にする
- 正解以外の選択肢も、似た用途・混同しやすいものを配置する
- 「知らないと解けない」「定義を正確に覚えていないと迷う」問題にする
- 本番よりやや細かい粒度にする
- AWS公式試験ガイドおよびAWS公式ドキュメントで検証可能な範囲に限定する
- 架空サービス、架空機能、存在しない制限値は出さない
- 数値制限・料金・リージョンなど変わりやすい情報は原則として問わない
- どうしても問う場合は、最新公式確認が必要であることを明記する
# 対象範囲
AWS Certified Machine Learning Engineer - Associate（MLA-C01）の公式試験範囲に限定してください。
特に以下を重点的に出題してください。
1. SageMaker / SageMaker AI
- Training Jobs
- Processing Jobs
- Batch Transform
- Real-time Inference
- Serverless Inference
- Asynchronous Inference
- Multi-model Endpoint
- Multi-container Endpoint
- Production Variant
- Shadow Testing
- Blue/Green Deployment
- Canary / Linear / Rolling Deployment
- Model Registry
- Model Package
- Model Approval
- SageMaker Pipelines
- SageMaker Experiments
- SageMaker Feature Store
- Data Wrangler
- Clarify
- Model Monitor
- Debugger
- Autopilot
- Canvas
- Ground Truth
- JumpStart
2. データ準備・データ基盤
- S3
- Glue
- Glue Data Catalog
- Glue Crawler
- Glue ETL
- DataBrew
- Athena
- Redshift
- Redshift ML
- EMR
- Kinesis Data Streams
- Data Firehose
- Lake Formation
- Step Functions
- EventBridge
- Lambda
3. MLOps・監視・セキュリティ
- CodePipeline
- CodeBuild
- CodeDeploy
- CloudFormation
- CDK
- CloudWatch
- CloudWatch Logs
- CloudTrail
- AWS Config
- IAM
- KMS
- VPC
- PrivateLink
- Secrets Manager
- Parameter Store
- Data Capture
- Data Drift
- Concept Drift
- Model Drift
- Bias Drift
- Feature Attribution Drift
4. ML基礎・評価指標
- 教師あり学習
- 教師なし学習
- 回帰
- 分類
- クラスタリング
- 特徴量
- ラベル
- train / validation / test
- 過学習
- 未学習
- 正則化
- L1正則化
- L2正則化
- ハイパーパラメータ
- HPO
- 交差検証
- データリーク
- クラス不均衡
- Accuracy
- Precision
- Recall
- F1
- ROC-AUC
- PR-AUC
- Confusion Matrix
- RMSE
- MAE
- MSE
- R2
- PCA
- エンコーディング
- 標準化
- 正規化
5. 生成AI・AIサービス
- Amazon Bedrock
- Foundation Model
- RAG
- Embedding
- Vector Database
- Knowledge Bases for Amazon Bedrock
- Agents for Amazon Bedrock
- Guardrails for Amazon Bedrock
- Fine-tuning
- Continued Pre-training
- Amazon Q
- Comprehend
- Kendra
- Lex
- Personalize
- Polly
- Rekognition
- Textract
- Transcribe
- Translate
# 問題形式
以下の形式を混在させてください。
## 形式A: 定義選択問題
例:
「次のうち、L1正則化の説明として最も適切なものはどれか。」
## 形式B: 逆引き問題
例:
「異なるフレームワークの複数モデルを、1つのSageMakerエンドポイント上の複数コンテナとして直接呼び出したい。最も適切な機能はどれか。」
## 形式C: 比較境界問題
例:
「Multi-model Endpoint と Multi-container Endpoint の違いとして正しいものはどれか。」
## 形式D: 誤説明検出問題
例:
「次のうち、SageMaker Feature Storeの説明として誤っているものはどれか。」
## 形式E: 用語対応問題
例:
「次の説明に対応する用語として最も適切なものはどれか。」
# 問題数
まずは 30問 作成してください。
内訳は以下を目安にしてください。
- SageMaker / SageMaker AI: 12問
- データ準備・データ基盤: 5問
- MLOps・監視・セキュリティ: 5問
- ML基礎・評価指標: 6問
- 生成AI・AIサービス: 2問
# 選択肢ルール
- 各問4択または5択にしてください
- 正解は1つにしてください
- 選択肢の正解位置は A/B/C/D/E に偏らないよう分散してください
- 正解以外の選択肢も、必ず実在するサービス・機能・用語にしてください
- 選択肢には、似た名前・似た用途・混同しやすい概念を優先して入れてください
- 明らかに無関係な選択肢は避けてください
- “それっぽいが実在しない用語”は禁止です
- 問題文だけで正解が露骨に推測できる表現は避けてください
# 出力形式
まず「問題のみ」を出力してください。
解答・解説はまだ出力しないでください。
出力形式は以下に厳密に従ってください。
Q1. 問題文
A. 選択肢
B. 選択肢
C. 選択肢
D. 選択肢
Q2. 問題文
A. 選択肢
B. 選択肢
C. 選択肢
D. 選択肢
...
# 採点時の指示
私が回答をまとめて送った後、以下の形式で採点してください。
## 採点結果
- 正答数:
- 正答率:
- 合否目安:
- 苦手領域:
## 各問レビュー
各問について、以下を出力してください。
Q番号:
- 私の回答:
- 正解:
- 判定:
- 論点:
- 正解の解説:
- 他の選択肢の解説:
- A:
- B:
- C:
- D:
- E: ※5択の場合のみ
- 覚えるべき一言:
- 関連して混同しやすい用語:
- 試験での問われ方:
# 解説ルール
解説では、正解だけでなく、選択肢に出てきたすべてのサービス・機能・用語について説明してください。
特に以下を必ず含めてください。
- それは何か
- いつ使うか
- なぜ正解または不正解なのか
- 似た用語との違い
- MLA-C01でどう問われやすいか
- 初学者向けの一言説明
# 難易度
- 本番相当〜本番よりやや細かいレベル
- ただし、研究論文レベル・実装内部レベル・公式試験範囲外の深掘りは禁止
- 「AWSサービス選定」「SageMaker機能の境界」「ML基礎用語の定義」を正確に覚えているかを重視する
# 重要
この問題セットの目的は、長文読解力ではなく、知識の即答力を鍛えることです。
そのため、問題文は短くし、選択肢の比較で誤魔化せないようにしてください。