機械学習エンジニア(MLA) 【MLA-C01】無料模試 全20問｜AWS認定 機械学習エンジニア 本番形式の演習問題と解説
AWS認定 機械学習エンジニア(MLA-C01)の無料模試。4ドメインを網羅した本番形式のシナリオ問題20問を、解答後に解説が開くインタラクティブ形式で出題。実力チェックと弱点の発見に。
2026-06
機械学習エンジニア(MLA) 
機械学習エンジニア(MLA) 【MLA-C01】AWSリソースのセキュリティ｜IAM最小権限・KMS・Macie・Secrets Manager・VPCを図解
AWS認定 機械学習エンジニア(MLA-C01)ドメイン4。IAMの最小権限とSageMaker Role Manager、KMSによる暗号化、Macieによる PII検出、Secrets Managerの機密管理、VPCによるネットワーク隔離まで図とクイズで解説します。
機械学習エンジニア(MLA) 【MLA-C01】インフラ・コストの監視と最適化｜CloudWatch/X-Ray/CloudTrail・購入オプションを図解
AWS認定 機械学習エンジニア(MLA-C01)ドメイン4。CloudWatch/X-Ray/CloudTrailの使い分け、インスタンス選定(Inference Recommender/Compute Optimizer)、購入オプション(スポット/Savings Plans)、タグ戦略によるコスト配分まで図とクイズで解説します。
機械学習エンジニア(MLA) 【MLA-C01】推論の監視とドリフト検知｜SageMaker Model Monitorの4種・A/Bテストを図解
AWS認定 機械学習エンジニア(MLA-C01)ドメイン4。ドリフトの概念、SageMaker Model Monitorの4種(データ品質・モデル品質・バイアスドリフト・特徴量寄与ドリフト)、A/Bテストとシャドウテストの違いまで図とクイズで解説します。
機械学習エンジニア(MLA) 【MLA-C01】CI/CDパイプライン｜CodePipeline・SageMaker Pipelinesとblue/green・canary・linearを図解
AWS認定 機械学習エンジニア(MLA-C01)ドメイン3。CodePipeline/CodeBuild/CodeDeployの役割、SageMaker Pipelines、blue/green・canary・linearのデプロイ戦略、EventBridgeによる再学習自動化まで図とクイズで解説します。
機械学習エンジニア(MLA) 【MLA-C01】インフラのコード化とオートスケール｜CloudFormation/CDK・自動スケーリング・BYOC・VPCを図解
AWS認定 機械学習エンジニア(MLA-C01)ドメイン3。IaC(CloudFormation/CDK)による再現可能なインフラ、SageMakerエンドポイントのオートスケーリング、BYOC、スポット、VPC内エンドポイントまで図とクイズで解説します。
機械学習エンジニア(MLA) 【MLA-C01】デプロイ基盤の選択｜リアルタイム/サーバーレス/非同期/バッチ・マルチモデルを図解
AWS認定 機械学習エンジニア(MLA-C01)ドメイン3。SageMakerの4つの推論方式(リアルタイム/サーバーレス/非同期/バッチ変換)の使い分け、マルチモデルエンドポイント、BYOC、SageMaker Neoまで図とクイズで解説します。
機械学習エンジニア(MLA) 【MLA-C01】モデル性能の評価｜混同行列・precision/recall・F1・RMSE・ROC/AUCの使い分けを図解
AWS認定 機械学習エンジニア(MLA-C01)ドメイン2。混同行列、precision/recall/F1の使い分け、ROC/AUC、回帰のRMSE、シャドウテスト、SageMaker Clarify/Model Debuggerまで図とクイズで解説します。
機械学習エンジニア(MLA) 【MLA-C01】学習とハイパーパラメータ調整｜過学習対策・自動モデルチューニング・アンサンブルを図解
AWS認定 機械学習エンジニア(MLA-C01)ドメイン2。過学習/未学習の見分けと正則化(dropout/L1/L2)・早期終了、SageMaker自動モデルチューニング(AMT/ベイズ最適化)、アンサンブル、分散学習、Model Registryまで図とクイズで解説します。
機械学習エンジニア(MLA) 【MLA-C01】モデリングアプローチの選択｜AIサービス/JumpStart/組み込みアルゴリズムの使い分けを図解
AWS認定 機械学習エンジニア(MLA-C01)ドメイン2。AIサービス・JumpStart・SageMaker組み込みアルゴリズム・フルカスタムの使い分けと、XGBoost/Factorization Machines/K-Means/Linear Learnerの用途、解釈性・コストの観点まで図とクイズで解説します。