AWSの3つのAI・機械学習認定試験をこれから受ける人のためのガイド - プラクティショナー(AIF)/アソシエイト(MLA)/スペシャルティ(MLS)

quiver

2024.09.15

2024年8月からAWSのAI/ML関連の認定試験には、従来の専門レベルに加え、初級および中級向けのベータ試験が新たに追加され、試験の種類は合計3つになりました。

私は8月27日と9月1日に新しいベータ試験に合格し、現在取得可能なすべてのAWS認定資格を取得しました。この経験をもとに、AWSのAI/ML系認定資格の学習方法についてご紹介します。

AI/MLの需要の高まっているので、ぜひ挑戦してみましょう。 日本語での受験も可能です。

AWS認定試験について

AWSは技術スキルとクラウドの専門知識を検証する認定試験を提供しており、次の4つのカテゴリーが存在します。

初級(foundational)
中級(associate)
上級(professional)
専門(specialty)

aws-certs-overview

※ キャプチャは公式ページから

クラウドプラクティショナー(初級) → ソリューションアーキテクトアソシエイト(中級) → ソリューションアーキテクトプロフェッショナル(上級)とステップアップして受験した人も多いのではないかと思います。

AWS AI/ML試験について

プロフェッショナルとスペシャリティの違いこそありますが、AI/ML系資格にも同様に3つのレベルが存在します。

NEW:初級:AI Practitioner(AIF)
NEW:中級:Machine Learning Engineer - Associate(MLA)
専門:Machine Learning - Specialty(MLS)

手を出しづらかったAI/ML分野にやさしいレベルが2つも追加されました。

試験名	AI Practitioner	Machine Learning Engineer – Associate	Machine Learning – Specialty
レベル	Foundational	Associate	Specialty
対象受験者	AWS の AI/ML テクノロジーを使用するソリューションを熟知してはいるが、必ずしも構築するわけではないという個人	Amazon SageMaker およびその他の ML エンジニアリング AWS サービスの使用経験が少なくとも 1 年ある個人	開発またはデータサイエンスの担当者で、AWS クラウドでの機械学習 (ML)/深層学習ワークロードの開発、アーキテクチャ設計、実行において 1 年以上の実践経験を持つ個人
経験年数	半年	1年	2年
試験料金	1万円	1万円	4万円
試験時間	120(※)	170(※)	180
質問数	85(※)	85(※)	65
分野と試験比重	1. AI と ML の基礎 (20%) 2. 生成 AI の基礎 (24%) 3. 基盤モデルの応用(28%) 4. 責任ある AI に関するガイドライン (14%) 5. AI ソリューションのセキュリティ、コンプライアンス、ガバナンス(14%)	1. 機械学習 (ML) のためのデータ準備(28%) 2. ML モデルの開発(26%) 3. ML ワークフローのデプロイとオーケストレーション(22%) 4. ML ソリューションのモニタリング、保守、セキュリティ(24%)	1. データエンジニアリング(20%) 2. 探索的データ分析(24%) 3. モデリング(36%) 4. 機械学習の実装と運用(20%)
試験ガイド	https://d1.awsstatic.com/ja_JP/training-and-certification/docs-ai-practitioner/AWS-Certified-AI-Practitioner_Exam-Guide.pdf	https://d1.awsstatic.com/ja_JP/training-and-certification/docs-machine-learning-engineer-associate/AWS-Certified-Machine-Learning-Engineer-Associate_Exam-Guide.pdf	https://d1.awsstatic.com/ja_JP/training-and-certification/docs-ml/AWS-Certified-Machine-Learning-Specialty_Exam-Guide.pdf

※AIFとMLAのベータ試験終了後は試験時間・問題数ともに減ると思われます。

AWS Certified AI Practitioner について

AWS Certified AI PractitionerはAWS の AI/ML テクノロジーを使用するソリューションを熟知してはいるが、必ずしも構築するわけではないという個人向けの試験です。

各分野の比重は以下の通りです。

AI と ML の基礎(20%)
1.1. AI の基本的な概念と用語を説明する。
1.2. AI の実用的なユースケースを特定する。
1.3. ML 開発ライフサイクルについて説明する。
生成 AI の基礎 (24%)
2.1. 生成 AI の基本概念を説明する。
2.2. ビジネス上の問題解決に生成 AI を使用する場合の可能性と限界を理解する。
2.3. 生成 AI アプリケーションを構築するための AWS インフラストラクチャとテクノロジーについて説明する。
基盤モデルの応用(28%)
3.1. 基盤モデルを使用するアプリケーションの設計上の考慮事項を説明する。
3.2. 効果的なプロンプトエンジニアリング手法を選択する。
3.3. 基盤モデルのトレーニングとファインチューニングのプロセスを説明する。
3.4. 基盤モデルのパフォーマンスを評価する方法を説明する。
責任ある AI に関するガイドライン(14%)
4.1. 責任ある AI システムの開発について説明する。
4.2. 透明性の高い説明可能なモデルの重要性を認識する。
AI ソリューションのセキュリティ、コンプライアンス、ガバナンス(14%)
5.1. AI システムを保護する方法を説明する。
5.2. AI システムのガバナンスとコンプライアンス規制を認識する。

「第1分野:AI と ML の基礎」の比重は20%ですが、残り4分野の礎です。後続の試験のためにも、しっかり学習しましょう。

aif-domain

新興の生成AIと基盤モデルの2分野だけで50%を超えている点は注目に値します。Amazon BedrockやAmazon Qも試験対象のAWSサービスです。
AIの実社会への応用が急速に進む中、単純な技術的な好奇心だけではなく、第4分野と第5分野のようなAIと社会についても重視されることに注意しましょう。

AWS Skill Builderの公式模擬試験で試験の雰囲気を知りましょう。

AWSの主要なサービスとして以下が挙げられています

Amazon EC2
Amazon S3
AWS Lambda
Amazon SageMaker

一方で、以下のようなAI/MLのエンジニアリングは問われません。

AI/ML モデルまたはアルゴリズムの開発またはコーディング
データエンジニアリング手法や特徴量エンジニアリング手法の実装
ハイパーパラメータのチューニングまたはモデル最適化の実行
AI/ML パイプラインまたはインフラストラクチャの構築とデプロイ
AI/ML モデルの数学的または統計的分析の実施
AI/ML システムのセキュリティまたはコンプライアンスプロトコルの実装
AI/ML ソリューションのガバナンスフレームワークとポリシーの開発と実装

次の試験ガイドにある概念・用語・AWSサービスを説明できるようになりましょう。

AWS Skill Builderには公式の13コース・18時間からなる試験準備講座「Standard Exam Prep Plan: AWS Certified AI Practitioner (AIF-C01)」があります

「E-1QWZ84:機械学習とAIの基礎(Fundamentals of Machine Learning and Artificial)」)といったコースが存在します。

skill-builder-aif

AIFは現在はベータ試験ですが、10月8日からは本試験を予約可能になる予定です。

AWS Certified Machine Learning Engineer – Associate について

AWS Certified Machine Learning Engineer – AssociateはAmazon SageMaker およびその他の ML エンジニアリング AWS サービスの使用経験が少なくとも 1 年ある個人向けの試験です。

各分野の比重は以下の通りです。

機械学習 (ML) のためのデータ準備(28%)
1.1. データを取り込んで保存する。
1.2. データを変換し、特徴量エンジニアリングを実行する。
1.3. データの完全性を確保し、モデリングに向けてデータを準備する。
ML モデルの開発(26%)
2.1. モデリングアプローチを選択する。
2.2. モデルをトレーニングおよび改良する。
2.3. モデルのパフォーマンスを分析する。
ML ワークフローのデプロイとオーケストレーション(22%)
3.1. 既存のアーキテクチャと要件に基づいてデプロイインフラストラクチャを選択する。
3.2. 既存のアーキテクチャと要件に基づいてインフラストラクチャを作成し、スクリプト化する。
3.3. 自動オーケストレーションツールを使用して、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) パイプラインを設定する。
ML ソリューションのモニタリング、保守、セキュリティ(24%)
4.1. モデル推論をモニタリングする。
4.2. インフラストラクチャとコストをモニタリングおよび最適化する。
4.3. AWS リソースのセキュリティを確保する。

公式の対象受験者の説明に「Amazon SageMaker」が含まれている通り、SageMakerが細かく問われます。第1分野のデータエンジニアリングが約3割を占めているため、AWS Certified Data Engineer Associateとの相性も良いです。

AWS上のML・データエンジニアリング力が試される試験です。

AWS Skill Builderの公式模擬試験で試験の雰囲気を知りましょう。

AWS Skill Builderには公式の5コース・7.5時間からなる試験準備講座「Standard Exam Prep Plan: AWS Certified Machine Learning - Associate (MLA-C01)」があります

現在はベータ試験ですが、10月29日からは本試験を予約可能になる予定です。

AWS Certified Machine Learning – Specialty について

AWS Certified Machine Learning – Specialtyは開発またはデータサイエンスの担当者で、AWS クラウドでの機械学習 (ML)/深層学習ワークロードの開発、アーキテクチャ設計、実行において 1 年以上の実践経験を持つ個人向けの試験です。

各分野の比重は以下の通りです。

データエンジニアリング(20%)
1.1: 機械学習用のデータリポジトリを作成する。
1.2: データ取り込みソリューションを特定および実装する。
1.3: データ変換ソリューションを特定および実装する。
探索的データ分析(24%)
2.1: モデリング用のデータをサニタイズおよび準備する。
2.2: 特徴量エンジニアリングを実行する。
2.3: 機械学習のデータを分析および視覚化する。
モデリング(36%)
3.1: ビジネス上の問題を機械学習の問題として捉える。
3.2: 特定の機械学習問題に適したモデルを選択する。
3.3: 機械学習モデルをトレーニングする。
3.4: ハイパーパラメータの最適化を実行する。
3.5: 機械学習モデルを評価する。
機械学習の実装と運用(20%)
4.1: パフォーマンス、可用性、スケーラビリティ、回復性、耐障害性を備えた機械学習ソリューションを構築する。
4.2: 特定の問題に対して適切な機械学習サービスと特徴量を推奨し、実装する。
4.3: 基本的な AWS セキュリティプラクティスを機械学習ソリューションに適用する。
4.4: 機械学習ソリューションをデプロイし、運用可能にする。

データ分析とモデリングで6割を占め、アソシエイトに比べてより専門的な知識が求められています。

この試験は2019年の3月から存在し、ある程度の時間が経過しています。試験ガイド(2.4 MLS-C01版)を見ると、3.2に「 language models(LLMs)」が含まれていたり、Amazon QやAmazon Bedrockも試験範囲に含まれるなど、細かくアップデートされているようです。

AWS Skill Builderの公式模擬試験で試験の雰囲気を知りましょう。

AWS Skill Builderには公式の9コース・11時間からなる試験準備講座「Standard Exam Prep Plan: AWS Certified Machine Learning - Associate (MLA-C01)」があります

AI/ML系資格試験の学習方法

3つあるAI/ML系試験の勉強方法はどれも同じです。

まず、AWS Skill Builderが提供する模擬問題集(Practice Question Set)を受け

どのくらいAI/MLの知識が不足しているのか?
どのくらいAWSの知識が不足しているのか?

求められる知識と自分とのギャップを確認しましょう。

プラクティショナーレベルのAIFの模擬問題でも、少なくない人が大きく負け越してしまうかもしれません。特に、AI/ML系の試験対策を探しているような人は、AI/ML学習の比重が大きいかもしれません。初心に戻って一から学習するのが一番です。

aif-3-areas

AWS Skill Builderには試験範囲と連動する網羅的な学習コンテンツが存在します

https://explore.skillbuilder.aws/

AI/MLの知識が不足している場合は、 グーグルが提供する無償の「機械学習集中講座(crash course)」もオススメです。

AWS試験で必要とされる以上のコンテンツが盛り込まれているため、余力のある人は冒頭から、忙しい人は試験ガイドに載っている馴染みのない概念や用語のセクションをピックアップして学習するとよいでしょう。

AWS全般の知識が圧倒的に不足している場合は、 まずクラウドプラクティショナーやソリューションアーキテクトアソシエイトの取得を目指しましょう。急がば回れです。

AI/ML系のAWSサービスの知識が不足している場合は、 AWS公式のサービス別資料、公式ドキュメント、AWS公式のワークショップ資料、AWS Summit Japanやre:Inventといったイベントのセッション資料、DevelopersIOのような技術ブログを活用しましょう。

特に、AWSサービス別資料は、程よい粒度でサービスの概要を知れるのでオススメです。

GitHubで公開されているAWSと生成AIのユースケースを眺めると、点が線で繋がり、具体的なイメージをもてるようになります。

AI/ML系資格試験を取得する順番

次に、AI/ML系資格試験の取得順について解説します。

繰り返しとなりますが、AI/ML系の試験は独自性が強いです。

AWSの一般論(ソリューションアーキテクト資格)をベースに、プラスアルファの学習でAWSの資格試験を受けている人の場合(私です)、このアルファの領域が大きいことを意味します。AWSの初級・中級の試験を受けるというよりも、AI/MLの試験を受けるつもりで挑むのが無難です。

仮にAWSの資格をすべて取りたい場合、クラウド・プラクティショナー → AI プラクティショナー → ソリューションアーキテクトアソシエイト ... というように低いレベルから順に取得するよりも、どこかのタイミングでAI/ML系をまとめて取得したほうが学習しやすいと思います。

以下は、AWSが提供している学習パスを参考に独自にアレンジしたものです。

非技術職の場合

aws-ai-ml-path-for-non-engineer

学習リソースが豊富なクラウドプラクティショナーやソリューションアーキテクトアソシエイトの取得をまずは目指しましょう。

ソリューションアーキテクトアソシエイトはスキップ可能です。

ソリューションアーキテクトの場合

aws-ai-ml-path-for-architect

普段AI/MLと無縁な仕事をしている人にとっては、Fundamental・Associate・Specialtyのレベルの違いよりも、AI/ML分野の独自性の壁を高く感じるのではないかと思います。

ソリューションアーキテクトアソシエイトやソリューションアーキテクトプロフェッショナルを取得した後に、3つのAI/ML系資格をまとめて取得しましょう。

AI/ML・データエンジニアの場合

aws-ai-ml-path-for-engineer

事業会社でエンジニアリングをしていると、利用されている特定のサービス以外を触る機会が少ないかもしれません。

AWSの試験ではAWSの幅広い知識が求められるので、AI/ML系資格と一緒にオーバーラップするところも多いData Engineer Associateも取得すると、データエンジニアリングの引き出しが増えるでしょう。

MLS保有者のためのAIF・MLA受験

上級資格のAWS Certified Machine Learning – Specialty(MLS)は2019年3月から存在し、その後のAI/MLやAWSの発展も大きいため、上級のMLSが初級のAIFや中級のMLAを含むわけではありません。

MLS保持者がAIFを受験した時に感じる難しさの要因の一つです。

違いをかいつまんでみていきましょう。

AIF/MLAでのSageMakerの圧倒的な存在感

わかりやすい例として、試験ガイド内でのSageMakerの出現回数は、MLSとAIF/MLAで大きく異なります。

MLSでは"Amazon SageMaker"と"Amazon SageMaker built-in algorithms"の合計2回だけ登場するのに対し、AIFでは19回、MLAでは23回も登場します。

AIFとMLAでそれぞれ出現するSageMaker関連のサービスを列挙します。

SageMaker系サービス	AIF	MLA
Clarify	O	O
Data Wrangler	O	O
Feature Store	O	O
Ground Truth		O
Inference Recommender		O
JumpStart		O
Model Cards	O
Model Debugger	O	O
Model Monitor	O	O
Neo		O
Pipelines		O
Role Manager		O
Savings Plans		O
Script Mode		O
Studio		O

SageMakerと友達になりましょう。

MLSとAIFの範囲の違い

初級のAIFと上級のMLSは分野レベルでも全く異なります。

AIFの第1分野「AI と ML の基礎」の知識は、MLSでも既知として扱われるものの、以下の残り4分野ではMLSに対応する分野･タスクが存在しません。

第2分野: 生成AIの基礎
第3分野: 基盤モデルの応用
第4分野: 責任あるAIに関するガイドライン
第5分野: AIソリューションのセキュリティ、コンプライアンス、ガバナンス

5年前の古い知識ではAIFに太刀打ちできないことも、AIFの難しさかもしれません。

なお、MLS-C01のバージョン 2.4の試験ガイドにある範囲内の機械学習系サービスを確認すると、Amazon Bedrockのような新しいサービスも含まれており、AIFとMLSに目立った差分はありませんでした。

MLSとMLAの範囲の違い

MLSでは「第4分野: 機械学習の実装とその運用」(20%)として存在していたものが、MLAでは
「第3分野: ML ワークフローのデプロイとオーケストレーション」(22%)と「第4分野: ML ソリューションのモニタリング、保守、セキュリティ」(24%)に分割され、機械学習実行基盤の運用が細かく問われます。そのため、MLSではほとんど登場しなかったパイプライン、CI/CD、ワークフロー、IaCといったMLOps系のキーワードがMLAの試験ガイドでは何度も登場します。