CloudCamp｜クラウド資格のWEB問題集
AWS Certified Machine Learning – Specialty
（MLS-C01）完全対策
機械学習の理論・統計・実装を深く問うスペシャリティ試験。SageMaker による実装に加えて、統計学・アルゴリズム選定・モデル評価・本番運用までを総合的に評価。500問で MLS-C01 の高度な内容を完全網羅します。
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）
機械学習スペシャリティ
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。
MLS-C01 サンプル #1
顧客の購買履歴から『次に購入される可能性が高い商品 5 つ』を推薦したい。最適な SageMaker Built-in アルゴリズムは？
A. XGBoost
B. Factorization Machines
C. K-Means
D. Linear Learner
B. Factorization Machines
C. K-Means
D. Linear Learner
正解：B
Factorization Machines はスパースなレコメンデーションタスクに最適化された SageMaker Built-in。ユーザー × アイテムのインタラクション行列から潜在因子を学習し、推薦・クリック予測などのタスクに最適です。
MLS-C01 サンプル #2
SageMaker Hyperparameter Tuning でモデルの精度を最大化したい。最も効率的な探索戦略は？
A. Grid Search
B. Random Search
C. Bayesian Optimization
D. 手動チューニング
B. Random Search
C. Bayesian Optimization
D. 手動チューニング
正解：C
Bayesian Optimization は過去の評価結果を活用して次の探索点を確率的に選択し、Grid / Random より大幅に少ない試行で最適値に到達します。SageMaker HPO のデフォルト戦略です。
MLS-C01 サンプル #3
本番デプロイ済みモデルの精度が低下している原因を自動検出したい。最適な機能は？
A. CloudWatch Alarm
B. SageMaker Model Monitor
C. SageMaker Studio
D. SageMaker Autopilot
B. SageMaker Model Monitor
C. SageMaker Studio
D. SageMaker Autopilot
正解：B
SageMaker Model Monitor は Data Quality / Model Quality / Bias Drift / Feature Attribution Drift の 4 種類のドリフトを自動検出します。Drift 検知から再学習パイプライン起動まで自動化できる MLOps の中核機能です。
ドメイン別問題演習
MLS-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
MLS-C01最新出題傾向を反映
AWS Certified Machine Learning – Specialty（MLS-C01）とは
AWS Certified Machine Learning – Specialty（MLS-C01）は、Amazon Web Servicesが提供する専門知識レベルの認定資格です。ML の理論・統計・SageMaker 実装を統合した高度なスキル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、MLS-C01が注目されているのか
AI / ML プロジェクトの本番運用が普及する中、SageMaker を理論レベルから使いこなせるエンジニアの希少性は極めて高い状況です。MLS-C01 保持者は ML 専門職として年収アップ・キャリアアップに直結する評価を得られます。
- シニア ML エンジニア：理論と実装の両面で証明
- データサイエンティスト：本番化スキルを補強
- 研究職・大学院卒：実務スキルアピール
- AI コンサルタント：提案信頼性の確保
MLS-C01 試験概要（2026年最新版）
| 項目 | 内容 |
|---|---|
| 試験コード | MLS-C01 |
| 正式名称 | AWS Certified Machine Learning – Specialty |
| レベル | SPECIALTY（専門知識） |
| 受験料 | 300 USD（税抜） |
| 試験時間 | 180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 | 750/1000（約75%） |
| 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
MLS-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：データエンジニアリング
出題比率 20%
頻出キーワード
- Kinesis Data Streams / Firehose
- Glue・Athena・EMR Spark
- S3 データレイク・Parquet / ORC
- DynamoDB Streams・Lambda
- Redshift Spectrum・Glue Crawler
- データ取り込みアーキテクチャ
💡 学習のコツ：ML 向けのデータパイプライン設計（バッチ・ストリーミング）。Glue DataBrew や SageMaker Data Wrangler との使い分けも頻出。
ドメイン2：探索的データ分析
出題比率 24%
頻出キーワード
- 特徴量エンジニアリング（標準化 / One-Hot / Embedding）
- 欠損値補完・外れ値検出
- ヒストグラム・箱ひげ図・相関行列
- 次元削減（PCA / t-SNE / UMAP）
- クラス不均衡対応（SMOTE / Class Weight）
- QuickSight・SageMaker Data Wrangler
💡 学習のコツ：PCA / t-SNE / UMAP の使い分け（線形 / 非線形・可視化 vs 次元削減）。クラス不均衡対応は手法の長所短所を整理する。
ドメイン3：モデリング ── 最重要
出題比率 36%
頻出キーワード
- SageMaker Built-in（XGBoost / Linear Learner / DeepAR / Object2Vec 等）
- Hyperparameter Tuning（HPO）・ベイズ最適化
- 評価指標（Precision / Recall / F1 / AUC / RMSE）
- Cross Validation・k-Fold
- 深層学習（CNN / RNN / Transformer）
- 強化学習（SageMaker RL）
💡 学習のコツ：MLS-C01 の最重要ドメイン。各アルゴリズムの『どのタスクに適しているか』を表で整理する。HPO はベイズ最適化と Random / Grid Search の違いを理解。
ドメイン4：ML 実装と運用
出題比率 20%
頻出キーワード
- SageMaker Endpoints・Multi-Model Endpoint
- SageMaker Pipelines・MLflow 統合
- Model Monitor・Clarify
- Auto Scaling・Spot Training
- Edge デプロイ（Neo / Greengrass）
- セキュリティ（IAM・VPC・KMS）
💡 学習のコツ：MLOps の自動化パターン。Drift 検出から再学習までのフローは頻出。Edge ML（Greengrass + Neo）は近年出題増。
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 完全未経験 | 200〜250時間 | 5〜7ヶ月 |
| MLA-C01 取得済み・統計弱め | 120〜150時間 | 3〜4ヶ月 |
| Python + scikit-learn 経験あり | 100〜130時間 | 2.5〜3.5ヶ月 |
| ML エンジニア実務 1 年以上 | 60〜80時間 | 1.5〜2ヶ月 |
| 研究職・院卒（ML 理論あり） | 50〜70時間 | 1.5〜2ヶ月 |
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 – Specialty」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MLS-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
MLS-C01 は『理論的に正しいアルゴリズム選定』を問う問題が中心。CloudCamp の MLS-C01 問題集（500問収録）は、統計・アルゴリズム・SageMaker・MLOps を統合した高度シナリオを完全網羅します。
- 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180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
MLS-C01 vs MLA-C01
MLA-C01 はクラウド実装中心、MLS-C01 は理論・統計を深掘り。両方取得することで、理論と実装を完全に網羅した ML エンジニアとして高い評価が得られます。
MLS-C01 vs AIF-C01
AIF-C01 は概念理解の入門資格、MLS-C01 は最上位の機械学習認定。難易度の差は大きく、AIF-C01 → MLA-C01 → MLS-C01 とステップアップするのが王道です。
MLS-C01 vs Google Cloud Professional ML Engineer
Vertex AI 中心の Google Cloud Professional ML Engineer と、SageMaker 中心の MLS-C01。両方取得することでマルチクラウド ML 人材としての差別化が可能です。
おすすめ取得順序
- ML エンジニア志望：AIF-C01 → MLA-C01 → MLS-C01
- データサイエンティスト：DEA-C01 → MLA-C01 → MLS-C01
- マルチクラウド ML：MLS-C01 → GCP Professional ML Engineer
よくある質問（FAQ）
MLS-C01 は数学・統計の知識がどれくらい必要ですか？
高度な証明問題は出ませんが、確率分布、仮説検定、回帰分析、最適化（勾配降下法）など、大学初年度〜2 年生レベルの数学・統計知識は必須です。
Python の実装経験は必須ですか？
コード問題は出ませんが、scikit-learn / pandas / numpy の基本機能、SageMaker SDK の呼び出しパターンは理解が必要。最低 1 つの ML プロジェクトを Python で実装した経験を強く推奨。
MLA-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、MLA-C01 → MLS-C01 の順がおすすめ。MLA-C01 で SageMaker の基本操作を固めてから、MLS-C01 で理論と高度な機能を深掘りすると効率的です。
試験時間 180 分は足りますか？
1 問 2 分半のペース配分。長文シナリオが多いため、論点を素早く抽出する読解力が必要です。
実機経験はどれくらい必要ですか？
ML プロジェクト 1〜2 件分の実装経験を強く推奨。SageMaker での学習・デプロイ経験、Spark / EMR でのデータ前処理経験があると合格率が大きく上がります。
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。再受験料も高額（300 USD）のため、しっかり準備してから挑戦を。