AWS Certified Machine Learning Engineer – Associate（MLA-C01）は、機械学習のソリューションとパイプラインをAWS上で構築・運用・デプロイ・保守する力を証明するアソシエイト認定です（主役は Amazon SageMaker）。このページはMLA-C01対策のハブ。公式シラバスの全範囲（4ドメイン・全12テーマ）の解説記事と演習に、ここから直接アクセスできます。試験概要・難易度・申込は 受験ガイド、勉強法は 勉強法ガイド、教材は 参考書ガイド にまとめています。
おすすめの学習順：最大配点のドメイン1（データ準備28%）を土台に、2（モデル開発）→3（デプロイ）→4（監視・セキュリティ）で運用まで一気通貫に学ぶのがバランス良好です。各テーマは「教科書的な解説＋インタラクティブ演習」で構成しています。ML未経験の方は、先に AIプラクティショナー(AIF-C01) から始めるとスムーズです。
ドメイン1：データ準備 （配点28%・最大）
公式Task：1.1 取り込みと保存／1.2 変換と特徴量エンジニアリング／1.3 整合性とバイアス対策
- ✅ M1-1 データの取り込みと保存（S3／EFS／FSx・Kinesis／Firehose・Parquet／ORC／Avro）
- ✅ M1-2 データ変換と特徴量エンジニアリング（Glue／DataBrew・Data Wrangler・Feature Store）
- ✅ M1-3 データ整合性とバイアス対策（CI／DPL・SageMaker Clarify・暗号化／PII）
ドメイン2：モデル開発 （配点26%）
公式Task：2.1 アプローチの選択／2.2 学習と改善／2.3 性能の分析
- ✅ M2-1 モデリングアプローチの選択（組み込みアルゴリズム・JumpStart・AIサービス・解釈性）
- ✅ M2-2 学習とハイパーパラメータ調整（正則化・自動モデルチューニング・アンサンブル・Model Registry）
- ✅ M2-3 モデル性能の評価（混同行列・F1・ROC／AUC・Clarify・Model Debugger）
ドメイン3：デプロイと運用自動化 （配点22%）
公式Task：3.1 デプロイ基盤の選択／3.2 インフラのコード化／3.3 CI/CDパイプライン
- ✅ M3-1 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・Neo）
- ✅ M3-2 インフラのコード化とオートスケール（CloudFormation／CDK・オートスケール・BYOC・VPC）
- ✅ M3-3 CI/CDパイプライン（CodePipeline・SageMaker Pipelines・blue/green／canary／linear）
ドメイン4：監視・保守・セキュリティ （配点24%）
公式Task：4.1 推論の監視／4.2 インフラとコストの監視・最適化／4.3 リソースの保護
- ✅ M4-1 推論の監視とドリフト検知（Model Monitor・Clarify・A/Bテスト）
- ✅ M4-2 インフラ・コストの監視と最適化（CloudWatch／X-Ray／CloudTrail・Spot／Savings Plans・Inference Recommender）
- ✅ M4-3 AWSリソースのセキュリティ（IAM最小権限・Role Manager・KMS・Macie・VPC）
🎯 理解できたら腕試し
※本マップはAWS公式試験ガイド(MLA-C01)の4ドメイン構成に基づき、エンジニアKが作成しています。全4ドメインの解説記事は公開済みです。本サイトはAmazon Web Services, Inc.の公式サイトではありません。AWSは同社の商標です。