CloudCamp｜クラウド資格のWEB問題集
AWS Certified Machine Learning Engineer – Associate
（MLA-C01）完全対策
AWS Certified Machine Learning Engineer – Associate は、SageMaker を中核とした機械学習パイプラインの実装力を問う試験。データ準備、モデル開発、デプロイ、運用監視まで、ML エンジニアの実務スキルを体系的に証明できます。
500問収録
ドメイン別演習
模擬試験対応
24時間AIメンター
問題のサンプル（クリックで正解表示）
ML エンジニアリング
CloudCampでは、こんなシナリオベースの問題と詳しい解説で実力をつけられます。
MLA-C01 サンプル #1
クラス不均衡（陽性 5% / 陰性 95%）のラベル付きデータセットで、陽性クラスを精度よく予測したい。最も効果的な手法は？
A. データを正規化する
B. 学習率を下げる
C. SMOTE で陽性クラスをアップサンプリングする
D. モデルのレイヤー数を増やす
B. 学習率を下げる
C. SMOTE で陽性クラスをアップサンプリングする
D. モデルのレイヤー数を増やす
正解：C
SMOTE（Synthetic Minority Over-sampling Technique）は少数派クラスの合成サンプルを生成し、クラス不均衡を緩和する代表的手法。アップサンプリングにより陽性クラスの再現率（Recall）が大きく改善します。
MLA-C01 サンプル #2
予測リクエストが 1 日数百件、レイテンシ要件は緩く、コストを最小化したい ML 推論サービスの最適デプロイ方式は？
A. SageMaker Real-time Endpoint（ml.m5.large 常時起動）
B. SageMaker Serverless Inference
C. SageMaker Batch Transform を 1 時間ごとに実行
D. ECS Fargate に推論コンテナを常時起動
B. SageMaker Serverless Inference
C. SageMaker Batch Transform を 1 時間ごとに実行
D. ECS Fargate に推論コンテナを常時起動
正解：B
SageMaker Serverless Inference は、リクエスト発生時のみ自動スケールし、未使用時はゼロインスタンスに縮小されます。低頻度・コスト最優先のユースケースで最適です。
MLA-C01 サンプル #3
本番環境にデプロイしたモデルの予測精度が時間経過とともに劣化しています。原因の自動検出に最適な機能は？
A. CloudWatch アラーム
B. SageMaker Model Monitor
C. SageMaker Pipelines
D. SageMaker Studio Notebook
B. SageMaker Model Monitor
C. SageMaker Pipelines
D. SageMaker Studio Notebook
正解：B
SageMaker Model Monitor は、入力データ統計と本番予測のドリフトを継続監視し、Data Drift・Model Quality 劣化を自動検出します。劣化検知時に再学習パイプラインを起動する MLOps の中核機能です。
ドメイン別問題演習
MLA-C01の出題範囲に沿って、苦手なドメインから集中的に学習できます。各カードから該当するWEB問題集ページへ移動します。
CloudCampの特徴
公式試験ガイド準拠
4ドメイン・出題比率を公式準拠で配分
詳しい解説
正解の根拠・比較表・不正解理由まで
有料会員
24時間AIメンター
疑問点をいつでもAIに質問・即解決
有料会員
本番形式の模擬試験
タイマー付き模試で実力測定
スマホ対応
通勤・休憩中にスキマ学習
最新版に対応
MLA-C01最新出題傾向を反映
AWS Certified Machine Learning Engineer – Associate（MLA-C01）とは
AWS Certified Machine Learning Engineer – Associate（MLA-C01）は、Amazon Web Servicesが提供するアソシエイトレベルの認定資格です。SageMaker による ML パイプラインの設計・実装・運用力を体系的に証明する資格として、業界で広く認知されています。
なぜ今、MLA-C01が注目されているのか
AI / ML プロジェクトの本番運用フェーズが急増する中、SageMaker を使いこなす ML エンジニアの需要は爆発的に増加しています。MLA-C01 は 2024 年に新設されたアソシエイト試験で、保持者の希少性が高く、転職市場で大きな評価を得られます。MLS-C01（スペシャリティ）への登竜門としても位置づけられます。
- ML エンジニア：実装スキルの体系的な証明
- データサイエンティスト：モデルの本番化スキルを補強
- バックエンドエンジニア：ML 領域への業務拡張
- AI / ML 学習者：MLS-C01 への前段として最適
MLA-C01 試験概要（2026年最新版）
| 項目 | 内容 |
|---|---|
| 試験コード | MLA-C01 |
| 正式名称 | AWS Certified Machine Learning Engineer – Associate |
| レベル | ASSOCIATE（アソシエイト） |
| 受験料 | 150 USD（税抜） |
| 試験時間 | 130分 |
| 問題数 | 65問 |
| 出題形式 | 単一選択、複数選択、ケーススタディ |
| 合格スコア | 720/1000（約72%） |
| 受験言語 | 日本語、英語、中国語、韓国語、ポルトガル語等 |
| 受験方法 | ピアソンVUEテストセンター / オンライン監督試験 |
| 認定有効期間 | 3年間 |
| 前提資格 | なし |
⚠️ 試験料・試験範囲は変更される場合があります。最新情報は必ずAWS公式サイトでご確認ください。
出題範囲：4つのドメインを完全解説
MLA-C01は4つのドメインから出題されます。各ドメインの出題比率と頻出ポイントを把握して、メリハリのある学習を進めましょう。
ドメイン1：ML のためのデータ準備 ── 最重要
出題比率 28%
頻出キーワード
- 特徴量エンジニアリング（標準化、One-Hot Encoding、Embedding）
- Glue DataBrew・SageMaker Data Wrangler
- SageMaker Feature Store
- データ品質・データバランス（SMOTE、アンダーサンプリング）
- S3 / Lake Formation での ML データセット管理
💡 学習のコツ：特徴量エンジニアリングは『なぜそれが必要か』を理解する。標準化 vs 正規化、欠損値補完戦略の選択基準は頻出。
ドメイン2：ML モデル開発
出題比率 26%
頻出キーワード
- SageMaker Built-in アルゴリズム（XGBoost、Linear Learner、Random Cut Forest）
- SageMaker Training Jobs・Hyperparameter Tuning（HPO）
- Distributed Training（Data Parallel / Model Parallel）
- Transfer Learning・JumpStart モデル
- 評価指標（AUC、F1、RMSE、MAPE）
💡 学習のコツ：アルゴリズムごとの『得意なタスク』を表で整理。HPO はベイズ最適化を中心に、探索空間の設計方法も押さえる。
ドメイン3：ML ワークフローのデプロイ
出題比率 22%
頻出キーワード
- SageMaker Endpoints（Real-time / Serverless / Async）
- Batch Transform・Multi-Model Endpoints
- Model Registry・MLOps
- A/B Testing・Canary Deployment
- Container（BYOC）対応
💡 学習のコツ：Real-time / Serverless / Async / Batch の使い分けは頻出。レイテンシ要件・コスト・トラフィックパターンで機械的に選べるように。
ドメイン4：ML ソリューションの監視
出題比率 24%
頻出キーワード
- SageMaker Model Monitor（Data Drift / Model Drift）
- SageMaker Clarify（バイアス検出 / 説明可能性）
- CloudWatch メトリクス・ログ
- Automated Retraining Pipeline
- Cost Optimization（Spot Training、Right-Sizing）
💡 学習のコツ：Drift の 4 種類（Data Quality / Model Quality / Bias / Feature Attribution）の違いを明確に。Retraining トリガー設計が出題される。
学習レベル別・想定勉強時間
| あなたの状況 | 想定勉強時間 | 勉強期間の目安 |
|---|---|---|
| ML 未経験・AWS 初学 | 120〜150時間 | 3〜4ヶ月 |
| AIF-C01 取得済み・実装未経験 | 80〜100時間 | 2〜3ヶ月 |
| Python + scikit-learn 経験あり | 60〜80時間 | 1.5〜2ヶ月 |
| ML エンジニア実務経験 1 年 | 40〜60時間 | 1〜1.5ヶ月 |
| SageMaker 業務経験あり | 20〜30時間 | 3〜4週間 |
合格までの最短勉強法（4ステップ）
STEP 1
試験ガイドを読み込む
所要時間：1〜2時間
最初にやるべきことはAWS公式の試験ガイド（Exam Guide）の精読です。各ドメインで何が問われるか、対象となるAWSサービスは何か、試験の意図が明確に書かれています。これを読まずに学習を始めると、的外れな範囲に時間を費やすことになります。
STEP 2
基礎知識のインプット
所要時間：20〜40時間
推奨教材
- AWS Skill Builder（無料）：「Exam Prep Standard Course: AWS Certified Machine Learning Engineer – Associate」が公式提供。試験範囲を体系的に学べます。
- AWS Black Belt：主要サービスごとの技術解説資料。実装イメージを掴むのに最適。
- 書籍：日本語のMLA-C01対策本は近年充実。最新版を選んで通読しましょう。
STEP 3
問題演習で知識を定着 ── 最重要
所要時間：40〜80時間
SageMaker の各種機能（Built-in アルゴリズム、HPO、Endpoints、Pipeline、Model Monitor）の使い分けが合格の鍵。CloudCamp の MLA-C01 問題集（500問収録）は、本試験と同レベルの実践的シナリオで SageMaker 全機能を網羅します。
- 1周目：全問題を時間をかけて解き、解説を熟読する
- 2周目：間違えた問題のみ再演習、知識の穴を埋める
- 3周目：正答率85%以上を目指して総仕上げ
💡 3周完了して正答率85%安定 = 合格圏内の目安です。本試験の合格スコアに対して余裕を持たせた基準で、これを超えれば合格率は90%以上になります。
STEP 4
模擬試験で時間配分を体感
所要時間：3〜5時間
本試験は130分で65問、1問あたりの目安時間を意識する訓練が必要です。わかる問題は素早く処理し、迷う問題に時間を残しましょう。
- AWS公式の練習問題（Official Practice Question Set）を時間計測して解く
- CloudCampの模擬試験で本番同様の時間配分を体感する
- 試験の前日は新しい問題に手を出さず、間違えた問題の見直しに集中する
関連資格との違いと、おすすめ取得順序
MLA-C01 vs AIF-C01
AIF-C01 は概念理解、MLA-C01 は実装スキルを問う上位資格。AIF-C01 合格後、実装力を証明したい人が MLA-C01 へ進むのが王道です。
MLA-C01 vs MLS-C01（旧 Machine Learning Specialty）
MLS-C01 はより理論・統計寄り、MLA-C01 はクラウド実装寄り。両方取得で『理論＋実装』を完全にカバーできます。
MLA-C01 vs DEA-C01
DEA-C01 はデータ基盤、MLA-C01 はモデル開発・運用。データから ML までのパイプライン全体を扱う ML エンジニアには両方の取得が強く推奨されます。
おすすめ取得順序
- ML エンジニア志望：AIF-C01 → MLA-C01 → MLS-C01
- データエンジニアからの拡張：DEA-C01 → MLA-C01
- AWS 設計＋ML：SAA-C03 → MLA-C01
よくある質問（FAQ）
MLA-C01 は数学の知識がどれくらい必要ですか？
高度な微積分や線形代数の証明問題は出ません。ただし、勾配降下法・正則化・交差検証など機械学習の基本概念を理解する程度の数学知識（高校〜大学初年度レベル）は必要です。
Python のコーディング問題は出ますか？
実装問題は出ませんが、SageMaker SDK / Boto3 のコードを読む問題は出題されます。SageMaker Estimator・Transformer の基本構文は読めるようにしておきましょう。
AIF-C01 を持っていないと厳しいですか？
前提資格はありませんが、AI / ML の基礎概念（教師あり学習、評価指標、過学習）は前提知識として必要です。AIF-C01 レベルの知識を先に固めてから MLA-C01 へ進むとスムーズです。
MLS-C01 と MLA-C01 はどちらを先に受験すべき？
MLA-C01 をおすすめします。アソシエイト → スペシャリティの順が AWS の意図する流れで、MLA-C01 で SageMaker の実装基礎を固めてから MLS-C01 で理論深掘りすると効率的です。
試験時間 130 分は足りますか？
シナリオ問題が多いため 1 問 2 分のペース配分が目安。SageMaker サービス名が大量に出るので、知らないサービスで時間を消費しないよう注意。
認定の有効期限はありますか？
3 年間有効。期限前に同等以上の資格に合格すれば自動更新されます。
不合格の場合、すぐに再受験できますか？
14 日間の待機期間が必要です。SageMaker 関連の弱点機能を集中復習しましょう。