AWS ML Engineer Associate (MLA-C01): 新しい認定資格に何を期待するか

MLA-C01は2024年8月にGAとなり、静かにAWS ML認定資格の中で最も時間をかける価値のあるものとなりました。これは2024年に廃止された古いMachine Learning Specialty (MLS-C01) に取って代わるものです — ただし、インターネットがAWSのスケジュールに合わせて更新されないため、MLS-C01は古い学習ガイドにまだ掲載されています。MLS-C01とMLA-C01のどちらを勉強すべきかを知るためにここに来たのなら、答えはMLA-C01です。古い認定資格はもうありません。

興味深いのは、そのスコープの変化です。MLS-C01はデータサイエンス側に大きく傾倒していました — アルゴリズムの選択、ハイパーパラメータチューニング、XGBoostとニューラルネットの使い分けに関する数学などです。MLA-C01は全く逆の方向に大きく振れています。これはエンジニアリングの試験です。SageMakerのデプロイ、MLOpsパイプライン、ドリフトの監視、エンドポイントのデバッグなど。モデルをトレーニングできるかをテストする認定資格が欲しかったのなら、これは違います。モデルを出荷して運用できるかをテストする認定資格が欲しかったのなら、MLA-C01がまさにそれです。

形式

65問、170分、150ドル、合格スコアは720/1000（スケールスコア）。4つのドメインがあります。

• MLのためのデータ準備 (28%)
• MLモデル開発 (26%)
• MLワークフローのデプロイとオーケストレーション (22%)
• MLソリューションの監視、メンテナンス、セキュリティ (24%)

この配分は、一見すると誤解を招きます。「MLモデル開発」はモデルのトレーニングのように聞こえますが、MLA-C01では実際には組み込みのSageMakerアルゴリズムを選択し、トレーニングジョブを設定することについてです。トランスフォーマーをゼロから設計するよう求められることはありません。

この認定資格は誰のためか

正直なところ、3つのグループが対象です。

MLに巻き込まれたデータエンジニア。 パイプラインを構築しましたね。今、あなたのチームはAPI Gatewayの背後にSageMakerエンドポイントを必要としており、あなたがそれを接続する担当者です。MLA-C01はこの作業に密接に対応しています。

ML機能をリリースするバックエンドエンジニア。 あなたはモデルをトレーニングしません。データサイエンティストからモデルアーティファクトを受け取り、それをデプロイし、監視し、再トレーニングし、ドリフトが発生した場合はロールバックする必要があります。これがそのための認定資格です。

MLプラットフォームに方向転換するクラウドエンジニア。 IAM、VPC、S3ライフサイクル、CloudWatchにはすでに慣れていますね。次に、SageMakerの構造を学ぶ必要があります。MLA-C01は、それを集中的に行う方法です。

これはモデルの研究開発を行うデータサイエンティスト向けの認定資格ではありません。彼らは別の認定資格 — おそらくAWSに特化したものではないか、あるいはクラウドのシグナルを全く求めないのならGCP Professional ML Engineerかもしれません。AWSの純粋なML認定資格はなくなりました。AIF-C01 (AI Practitioner) は基礎的でより軽量です。AIP-C01 (GenAI Developer Pro) はプロフェッショナル層の新しいヘビーML認定資格です。

実際に出題される内容

• SageMaker、徹底的に。 SageMaker Studio、トレーニングジョブ（組み込みアルゴリズム、BYOコンテナ、スクリプトモード）、処理ジョブ、バッチ変換、モデルレジストリ、エンドポイント（リアルタイム、サーバーレス、非同期、マルチモデル）、シャドウテスト、A/Bモデルバリアント、オートスケーリング。また、基盤モデル用のSageMaker Canvas、SageMaker JumpStart、オーケストレーション用のSageMaker Pipelinesも含まれます。

すべての組み込みアルゴリズムを暗記する必要はありません。線形学習器、XGBoost、DeepAR、Object2Vecをいつ使うべきかのおおよその目安と、Spot、分散トレーニング、マネージドウォームプールを使用するようにトレーニングジョブを設定する方法を知っておく必要があります。

• AWSでのデータ準備。 AWS Glue、Glue DataBrew、EMR、Kinesis Data Streams / Firehose / Analytics、Athena、SageMaker Data Wrangler、SageMaker Feature Store。多くのデータエンジニアリングの知識がこの試験に流れ込みます。DEA-C01を受験したことがあるなら、MLA-C01の約25%は馴染み深く感じるでしょう。

• MLOpsパターン。 SageMaker Pipelines、AWS Step Functions、トリガーのためのEventBridge、CodePipeline連携、ブルー/グリーンモデルデプロイ、カナリアリリース、モデルレジストリ承認、MLのためのCI/CD。純粋なCI/CDに関してはDOP-C02ほど深くはありませんが、しっかりカバーされています。

• 監視とドリフト。 SageMaker Model Monitor（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）、バイアスと説明性のためのSageMaker Clarify、Model Dashboard。エンドポイントのCloudWatchメトリクス。これは過小評価されがちなトピックの一つです — ほとんどの受験者は監視が退屈に聞こえるため軽く流しますが、本番試験では12問がこれに関するものです。

• セキュリティ。 SageMakerのためのIAM、トレーニングデータとモデルアーティファクトのためのKMS暗号化、SageMakerのためのVPCモード、ネットワーク分離、SageMaker Role Manager、エンドポイントのためのPrivateLink、監査ロギング。

あまり出題されない内容（朗報）

• 純粋なML理論。 微積分は必要ありません。バックプロパゲーションを導出する必要もありません。どのオプティマイザが優れているかを尋ねられることもありません。
• 深層学習アーキテクチャ設計。 トランスフォーマーのヘッド数を決定する問題はありません。
• 統計的仮説検定。 旧MLS-C01にはありましたが、MLA-C01ではほとんど削除されました。
• 生成AIの具体的な内容。 それはAIF-C01（基礎）とAIP-C01（プロ）の範囲です。MLA-C01ではJumpStartとBedrockについて言及しますが、それは統合レベルであり、深くは掘り下げられません。

学習方法

リソースはまだ成熟段階です — この認定資格はまだ約20ヶ月しか経っていません。2026年4月現在：

• AWS Skill Builderには公式のMLA-C01学習パスがあります。これは良質で、アカウントがあれば無料で利用できます。
• Stephane MaarekはUdemyでMLA-C01コースを提供しており、良いペースで学べます。
• Adrian Cantrillは2025年後半の時点ではMLA-C01のフルコースをリリースしていませんでした — 現在存在するかどうか確認してください。もしあれば、最も深い選択肢となるでしょう。
• Tutorials Dojoは模擬試験と解説を提供しています。品質は確かです。
• Skill Builder上のAWS公式模擬試験。本番に最も近いです。

SAA-C03よりもハンズオンが重要です。SageMaker Studioドメインを立ち上げ、Kaggleデータセットで組み込みアルゴリズムをトレーニングし、リアルタイムエンドポイントにデプロイし、curlでアクセスした後、同じモデルをサーバーレスエンドポイントにデプロイしてコールドスタートに注目してください。エンドポイントにModel Monitorを設定し、ドリフトアラートをトリガーします。この一連の演習にかかるAWS費用は5ドルから15ドルで、試験の30%を学ぶことができます。

学習時間目安：

• ML経験のあるデータエンジニアまたはバックエンドエンジニア: 週10時間で6〜8週間。
• MLのバックグラウンドがないクラウドエンジニア: 12週間。何か実際に構築してみる。
• AWS側を学ぶデータサイエンティスト: 6〜10週間、主にデプロイと運用に関するトピック。

キャリアシグナル：まだ発展途上

ここでは不確実性について正直に述べます。MLA-C01は、明確な給与データを得るには新しすぎます。levels.fyiやGlassdoorでは、まだこれを独立した資格として分類していません — 2026年現在、「MLエンジニア」の役割のほとんどは、いまだにMLS-C01（もはや存在しない）を挙げているか、AWS認定資格を全く挙げていません。MLA-C01に言及する求人情報は、正式なMLプラットフォームチームを持つ中堅から大企業に集中しています。

非公式なデータや会話から言えることは、2026年の米国の主要都市圏におけるシニアMLエンジニアは、基本給が18万ドル〜28万ドルであり、FAANGクラスの企業では総報酬（TC）が40万ドル以上になることもあります。MLA-C01自体がその数字を大きく動かすことはありません — 経験が重要です。この認定資格は、SAA-C03がSAの役割においてそうであるのと同じように、知識の基準を超えたことを採用担当者に示すシグナルとして、おそらく5千ドル〜1万5千ドルの価値があるでしょう。

MLA-C01が明確に示唆するものは：ノートブックから本番エンドポイントまで、システムを壊すことなくモデルを移行できる能力です。これは、MLプラットフォームチームの採用マネージャーであれば、まさに知りたいことでしょう。

比較：MLA-C01と代替資格

• AIF-C01は基礎的な認定資格です。非エンジニアリング職向けの一般的なAIのシグナルが欲しい場合に取得してください。MLA-C01の代わりにはなりません。
• AIP-C01はプロフェッショナル層のGenAI Developer認定資格です。生成AIの統合（Bedrock、プロンプトエンジニアリング、RAGパターン）に重点が置かれています。LLM機能をデプロイする仕事をしているなら取得してください。MLとGenAIの両方のシグナルが欲しいなら、MLA-C01の後に重ねて取得するのが良いでしょう。
• DEA-C01 (Data Engineer Associate) は、データ準備の側面でMLA-C01と約25%重複しています。両方を受験する場合は、まずDEA-C01を受験することをお勧めします。
• **GCP Professional ML Engineer (PMLE)**はGoogle Cloudにおける最も近い同等資格です。Vertex AIとTPUの具体的な内容に重点が置かれています。互換性はありませんが、形は似ています。

まとめ

MLA-C01は、MLプラットフォームエンジニアやMLOpsエンジニアといった実際の職務に密接に対応する、集中的でかなり難しいAssociate試験です。もしあなたがその仕事をしているなら、取得してください。バックエンドの経験からMLに参入しようとしていて、採用担当者に能力を示す一つの認定資格が欲しいなら、これがそれです。給与データはまだ発展途上ですが、その動向は明らかに上昇傾向にあり、2026年にはMLエンジニアリングの職務が急速に採用されています。

勉強しているなら、CertLabProでMLA-C01の問題集を閲覧するか、制限時間付き試験を開始することをお勧めします。そして、今週中にSageMakerエンドポイントを立ち上げてみてください。ハンズオン作業こそが、試験を分かりやすくするものです。