AWS Certified AI Practitioner 教科書

AWS Certified AI Practitioner(AIF-C01) は AWS 認定の Foundational(基礎)レベル に位置し、Cloud Practitioner(CLF-C02)の AI 版 として 2024 年に追加された比較的新しい認定です。Specialty(専門)の Machine Learning Specialty(MLS-C01) や、Associate の Machine Learning Engineer Associate より入門的です。

• 主催: Amazon Web Services(AWS)
• 形式: CBT(Pearson VUE 試験会場)or オンライン監督試験
• 問題数 / 時間: 65 問 / 90 分
• 回答方式: 選択式(単一 / 複数)+ 順序付け / マッチング
• 合格スコア: 700 / 1000(参考)
• 有効期限: 3 年(再認定が必要)
• 受験料: 100 USD(参考)
• 言語: 英語 ・ 日本語など複数言語対応

出題分野(公式試験ガイド)

1. Domain 1: AI と ML の基礎(約 20%)
2. Domain 2: 生成 AI の基礎(約 24%)
3. Domain 3: 基盤モデルのアプリケーション(約 28%)
4. Domain 4: 責任ある AI のためのガイドライン(約 14%)
5. Domain 5: AI ソリューションの安全性 ・ コンプライアンス(約 14%)

推奨前提

• AWS の 基本的なクラウド概念(IAM / S3 / EC2 など)を知っている
• AI / 機械学習の 概要(教師あり / 教師なし / 強化学習)を理解している
• 生成 AI(ChatGPT 等)に触れたことがある
• プログラミングは 読めるレベル で十分(コードを書く問題はほぼなし)

60 〜 80 時間プラン

1. Week 1: AI / ML の基礎(本サイトの[G 検定 教科書](/certs/g-test/textbook)で補強可能)
2. Week 2: 生成 AI の基礎(本サイトの[生成 AI パスポート 教科書](/certs/genai-passport/textbook)も併用)
3. Week 3 〜 4: AWS の AI / ML サービス群を一通り(SageMaker / Bedrock / Comprehend / Rekognition 等)
4. Week 5: 責任ある AI とコンプライアンス
5. Week 6: 演習 + 模擬試験

3 つの学習方式

• 教師あり学習: ラベル付きデータ → 分類 ・ 回帰
• 教師なし学習: ラベルなし → クラスタリング ・ 次元削減 ・ 異常検知
• 強化学習: 報酬信号で行動を最適化(SageMaker RL)
• 自己教師あり学習: データ自身から擬似ラベル(LLM 事前学習)

• 分類: Accuracy / Precision / Recall / F1 / ROC-AUC
• 回帰: MSE / RMSE / MAE / R²
• 不均衡データ: PR-AUC / F1 / Recall を重視
• 生成 AI: BLEU / ROUGE / Perplexity / ヒューマン評価

代表的なユースケース → アルゴリズム

• スパム判定: バイナリ分類(ロジスティック回帰 / GBDT)
• 売上予測: 回帰 / 時系列(Prophet / DeepAR)
• 顧客セグメント化: クラスタリング(k-means)
• 異常検知: Isolation Forest / Autoencoder
• レコメンド: 協調フィルタリング / Two-Tower
• チャットボット: LLM(Bedrock / Lex)
• 画像分類: CNN / Vision Transformer

AWS の AI / ML サービスは大きく 3 層 に分かれます。上位ほど開発工数が小さく、下位ほどカスタマイズ性が高い構造です。

1. AI Services(最上位): 学習済モデルを API で呼ぶだけ。Rekognition / Comprehend / Transcribe / Polly / Translate / Forecast / Personalize / Textract
2. ML Services(中位): 自分のデータでカスタムモデル構築。Amazon SageMaker がフラッグシップ
3. ML Frameworks & Infrastructure(下位): TensorFlow / PyTorch / MXNet を EC2 / EKS / Inferentia / Trainium で動かす

• Amazon Rekognition: 画像 ・ 動画分析(物体検出 ・ 顔検出 ・ コンテンツモデレーション)
• Amazon Comprehend: 自然言語処理(感情 ・ エンティティ ・ トピック ・ 言語検出)
• Amazon Comprehend Medical: 医療文書から PHI / 疾患 ・ 投薬を抽出
• Amazon Transcribe: 音声 → テキスト変換
• Amazon Polly: テキスト → 音声合成
• Amazon Translate: 機械翻訳
• Amazon Textract: 文書 / 表 / フォームの OCR + 構造抽出
• Amazon Forecast: 時系列予測(マネージド)
• Amazon Personalize: レコメンドエンジン
• Amazon Lex: チャットボット
• Amazon Kendra: エンタープライズ検索(セマンティック検索)
• Amazon Fraud Detector: 不正検知

Amazon SageMaker は ML のライフサイクル全体(準備 → 学習 → デプロイ → 監視)をカバーするマネージドサービス群です。AIF-C01 では概要把握が中心で、深い実装はマシンラーニングスペシャリティ試験の範囲です。

• SageMaker Studio: 統合開発環境(JupyterLab ベース)
• SageMaker Canvas: ノーコード ML(ビジネスサイド向け)
• SageMaker Autopilot: AutoML
• SageMaker Ground Truth: ラベル付け管理
• SageMaker Data Wrangler: データ準備
• SageMaker Feature Store: 特徴量管理
• SageMaker Pipelines: ML パイプライン
• SageMaker Model Registry: モデル管理
• SageMaker Endpoints: 推論デプロイ(リアルタイム / バッチ / サーバレス / 非同期)
• SageMaker Model Monitor: ドリフト検出
• SageMaker Clarify: バイアス検出 / 説明可能性
• SageMaker JumpStart: 学習済モデル + 微調整テンプレート

Amazon Bedrock は、複数の 基盤モデル(Foundation Model, FM) を 単一の API で利用できるマネージドサービス。データを AWS 環境内に閉じる 設計で、エンタープライズ用途での生成 AI 採用が進みやすい構造になっています。

Bedrock で利用可能な代表モデル

• Anthropic Claude(3, 3.5, Opus): 文章生成 ・ コーディング ・ 推論で評価が高い
• Amazon Titan: AWS 自家製。テキスト生成 ・ 埋め込み ・ 画像生成
• Meta Llama: オープンモデルの代表
• Mistral / Mixtral: 欧州系の高性能モデル
• Cohere: 埋め込み ・ 多言語
• Stability AI: 画像生成(Stable Diffusion 系)

Bedrock の主要機能

• Knowledge Bases: マネージド RAG(Bedrock + ベクトル DB 連携)
• Agents: ツール使用と行動計画ができるエージェント機能
• Guardrails: 危険トピック ・ 個人情報 ・ 不適切コンテンツの遮断
• Model Evaluation: 複数モデルの比較評価
• Custom Model Import: カスタムモデルの取り込み

応用テクニック

• Zero-shot / Few-shot: 例なし / 少数例提示
• Chain-of-Thought(CoT): 思考過程を出させる
• Self-Consistency: 多回試行で多数決
• ReAct: 推論 + 行動の交互
• ToT(Tree of Thoughts): 思考を木構造で探索

RAG(Retrieval Augmented Generation) は、(1) ユーザの質問を 埋め込みベクトルに変換、(2) ベクトル DB で類似文書を検索、(3) 検索結果をプロンプトに含めて LLM に渡す、という 3 段階で動作します。

• 埋め込みモデル: Titan Embeddings / Cohere Embed
• ベクトル DB: OpenSearch / Aurora pgvector / Pinecone(マネージド)
• チャンク戦略: 固定長 / 段落 / 意味単位の分割
• ハイブリッド検索: ベクトル + キーワード
• リランキング: 検索結果の再順序付け

• データソース: S3(主流) / RDS / Redshift / DynamoDB / Glue
• データ形式: CSV / Parquet / TFRecord / RecordIO
• SageMaker Ground Truth: マネージドラベリング(人間 + ML 補助)
• SageMaker Data Wrangler: GUI でデータ前処理
• AWS Glue: ETL マネージド
• EMR: 大規模データ処理(Spark / Hive)

• SageMaker Training Jobs: マネージド学習(GPU / CPU 自動プロビジョン)
• Built-in アルゴリズム: XGBoost / Linear Learner / DeepAR / Random Cut Forest など
• Bring Your Own Container(BYOC): 任意のコンテナで学習
• SageMaker Autopilot / Canvas: AutoML
• ハイパーパラメータチューニング: ベイズ最適化 / グリッド / ランダム
• Distributed Training: データ並列 / モデル並列
• Spot Instance: コスト最大 90% 削減

推論オプション

• Real-time Inference: 低遅延 ・ 常時稼働
• Serverless Inference: 自動スケール ・ 従量課金
• Batch Transform: 大量データの一括推論
• Asynchronous Inference: 大ペイロード ・ 長時間処理
• Edge: SageMaker Edge Manager(IoT デバイス)

監視

• SageMaker Model Monitor: データドリフト ・ モデル品質ドリフト ・ バイアスドリフト
• CloudWatch: メトリクス ・ ログ ・ アラーム
• A/B テスト ・ シャドーデプロイ: 安全な新モデル投入

• 公平性(Fairness): 性別 / 人種 / 年齢などへの不当な偏りがない
• 説明可能性(Explainability): 判断根拠を人間が理解できる
• プライバシー: 個人情報の保護 ・ データ最小化
• 安全性 / セキュリティ: 誤動作 / 不正利用への対策
• 透明性 / ガバナンス: モデルカード / データカード / 監査ログ

AWS では SageMaker Clarify がバイアス検出と説明可能性(SHAP ベース)を提供。Bedrock Guardrails が生成 AI の不適切出力を制御。これらは AIF-C01 で頻出のサービス名です。

• IAM: 最小権限の原則
• KMS: 暗号鍵管理(保存時暗号化)
• VPC エンドポイント: AI サービスをプライベート接続で利用
• Macie: S3 内の個人情報自動検出
• CloudTrail: API 呼び出しの監査ログ
• AWS PrivateLink: Bedrock を VPC 内のみで利用可能

• Spot Instance: 中断耐性ある学習でコスト 90% 削減
• Savings Plans: 1 / 3 年コミットで割引
• Inferentia / Trainium: AWS 自家製 AI チップで価格性能比改善
• Multi-Model Endpoint: 1 エンドポイントに複数モデル同居
• Serverless Inference: 不定期 ・ 低トラフィック向け
• バッチ推論: リアルタイム不要なら大幅安価
• モデル軽量化: 量子化 / 蒸留 / プルーニング

• On-Demand: 入力 / 出力トークン課金。試験 ・ PoC に最適
• Provisioned Throughput: スループットを事前確保。本番大規模で割安
• Batch: 50% 割引(処理に時間許容)
• プロンプト圧縮: 不要な指示 / 冗長な例示を削減
• プロンプトキャッシング: 共通システムプロンプトを再利用
• より小さいモデル: Haiku / Mini 系を試す

• 社内 FAQ チャットボット: Bedrock Knowledge Bases(RAG)+ S3 + OpenSearch
• コールセンター音声分析: Transcribe → Comprehend(感情)→ QuickSight
• 請求書 / 領収書の OCR + 自動仕訳: Textract + Comprehend + Step Functions
• 異常検知 ・ 不正検知: Lookout for Metrics / Fraud Detector
• 需要予測: Forecast / SageMaker DeepAR
• レコメンド: Personalize
• 翻訳付き多言語対応: Translate + Polly
• 画像内容モデレーション: Rekognition Content Moderation
• コードアシスタント: Amazon Q Developer
• ビジネス問い合わせ ・ 業務支援: Amazon Q Business

• Amazon Q Developer: コード補完 / 説明 / セキュリティ脆弱性検出 / リファクタリング
• Amazon Q Business: 社内データに繋いで業務質問に回答
• Amazon Q in QuickSight: BI ダッシュボード作成補助
• Amazon Q in Connect: コンタクトセンター向け回答提案

Amazon Q は AWS が提供する AI アシスタントブランド で、職種ごとに最適化されたバリエーションを持ちます。試験では『この職種ならどの Q を選ぶか』が問われます。

1. 第 2 章: AI ⊃ ML ⊃ DL ⊃ Gen AI / 教師あり-なし-強化 / 評価指標
2. 第 3 章: AI Services 一覧と各サービスの 守備範囲(Rekognition / Comprehend / Transcribe / Polly / Translate / Textract / Forecast / Personalize / Kendra)
3. 第 4 章: Bedrock + 提供モデル + Knowledge Bases + Agents + Guardrails
4. 第 5 章: プロンプトの 5 要素 + Few-shot / CoT / RAG
5. 第 6 章: SageMaker Studio / Canvas / Autopilot / Pipelines / Endpoints / Model Monitor
6. 第 7 章: 責任ある AI 5 本柱 / SageMaker Clarify / Guardrails / IAM / KMS
7. 第 8 章: Spot / Inferentia / Bedrock 課金モデル / プロンプト最適化
8. 第 9 章: ユースケース → 適切なサービスの即答パターン / Amazon Q ファミリ

試験当日のコツ

• 65 問 / 90 分 = 1 問 約 1.4 分。長文ユースケース問題は慎重に
• サービス名のスペル: 英語版受験では正確なサービス名選択が必須
• 消去法: AWS の他サービス(EC2 / Lambda)が混じる選択肢は AI 文脈で誤答
• 生成 AI / Bedrock 関連が出題増加中: Domain 2-3 で半分超

AIF-C01 合格 → AWS Certified Machine Learning Engineer Associate(MLA-C01) または Machine Learning Specialty(MLS-C01) が王道。クラウド全般を強化したいなら Solutions Architect Associate(SAA-C03) へ進むのも有力です。