AWS Machine Learning Engineer Associate MLA-C01 — 学習ガイド
学びながら練習しましょう。 すべての概念はAmazon試験ハブの検証済みの解答付き実試験問題に対応しています。または、ExamRoll.ioの時間制限付き練習で試験全体を演習しましょう。
このガイドはMLA-C01の各ドメインを詳しく解説します。深く学びたいドメインを選ぶか、順番に進めてください。
ドメイン
- データエンジニアリングと特徴量エンジニアリング — MLのためのデータエンジニアリングとは、リーケージと運用負荷を最小限に抑えながら、モデルのトレーニングと推論のために再現可能で監査可能な入力を生成することです。その中核となるのは、一貫した取り込みセマンティクス（イベント時間、レコード識別子、スキーマ）、正規のメタデータカタログ、そしてモデルトレーニ
- モデルのトレーニングとハイパーパラメータの最適化 — Amazon
- モデルの評価と選択 — 正確なモデル評価は、ビジネス目標とクラス/ラベルの特性に合ったメトリクスを選択することから始まります。二項分類では、混同行列（真陽性、偽陽性、偽陰性、真陰性）が基本的な要素であり、そこから適合率 (TP / (TP+FP))、再現率または感度 (TP / (TP+FN))、特異度 (TN /
- モデルのデプロイと推論 — サーバーレス推論はインスタンス管理を不要にし、エンドポイントレベルでServerlessConfigを使用して設定され、各ProductionVariantに対してMemorySizeInMBとMaxConcurrencyを指定します。SageMakerがコンテナのプロビジョニングを管理し、アイドル
- MLOps とモデルのライフサイクル管理 — AWSにおけるモデルライフサイクル管理は、モデルをバージョン管理されたアーティファクトとして扱い、監査可能なリネージ、自動化された昇格ゲート、再現性のあるパイプラインを確保することに重点を置いています。Amazon
- モデルのモニタリングと可観測性 — ベースラインは通常、トレーニング（および検証）データの代表的なスナップショットから、記述統計と制約ファイルを用いて生成されます。AWS
- セキュリティ、ガバナンス、コンプライアンス — 一時的な開発者アクセスや人間による承認には、長期的なIAMユーザーキーの代わりに、AWS STSを介して引き受けられる短期的な認証情報を持つIAMロールを使用することが望ましいです。複数人によるレビューと職務の分離の徹底は、IAMのアクセス許可の境界、AWS Single
- 生成 AI と基盤モデル — 基盤モデルは、通常Transformerベースの大規模な事前学習済みネットワークであり、汎用的な言語、ビジョン、またはマルチモーダルな表現を提供します。実用的な本番環境への導入には、これら広範な能力をアプリケーション固有の振る舞いに変えるため、3つの直交する手段が必要です。すなわち、推論時のプロンプ
- ML ワークロードのコスト最適化 — 運用テクニックは、これらの手段を実践に移すものです。マネージドスポットトレーニングとチェックポイントを使用して、オンデマンドと比較してトレーニングのコンピューティングコストを最大70%削減します。ただし、チェックポイント (CreateTrainingJob パラメータの
- コンピュータービジョン、NLP、特化型 ML — モデル構築の選択肢は、特化したAWSサービスに対応しています。Amazon SageMakerは、組み込みアルゴリズム（XGBoost, Linear Learner, Random Cut Forest）やフレームワーク（MXNet, TensorFlow,
練習の準備はできましたか？
- 検証済みの解答ですべての問題を見る → — 無料、解説付き。
- ExamRoll.ioで時間制限付き模擬試験を始める → — 20以上の言語で提供される全問題バンク。
Pass the whole exam — not just this question
You found this answer. Get every verified question and explanation in one place, and save hours of prep. Free to start.
試験に合格する →