導入
AWS 認定機械学習エンジニア・アソシエイト（AWS Certified Machine Learning Engineer – Associate、以下 MLA）は、2024 年 8 月に新設されたアソシエイト級の機械学習資格です。旧 MLS-C01（Machine Learning Specialty、2026 年 3 月末で廃止）の実質的な後継として位置づけられ、SageMaker・Bedrock・MLOps を中心とした ML モデル開発・デプロイ・監視 を扱う ML エンジニア向けの中核資格になっています。
一方で、MLA-C01 は 日本語参考書が 2026 年 8 月時点で未出版（DEA と同じ状況）。学習の主軸は Udemy 講座と AWS Skill Builder の組み合わせで、参考書に頼る従来型の学習法が使えません。加えて MLS-C01 廃止からの移行者 も学習者層に含まれるため、旧試験との差分理解が重要になります。
本記事では、MLA-C01 合格に向けて どれくらいの学習時間が必要か・何をどの順で学ぶか・どの教材を選ぶべきか を、公式試験ガイドと公開されている合格者傾向をもとに整理します。「ML エンジニア志望」「AIF 取得済層」「MLS-C01 廃止からの移行者」を主な想定読者として、状況別のロードマップも提示します。
なお本サイトは、プロダクトマネージャー（AWS 実務 5 年以上）の視点から公式情報・教材データを整理する形で運営しています。
AWS MLA の試験概要
まず、MLA-C01 の試験の基本情報を整理します（出典: AWS 公式試験ガイド MLA-C01）。
| 項目 | 内容 |
|---|---|
| 試験コード | MLA-C01（2024 年 8 月新設、MLS-C01 廃止後継） |
| 問題数 | 65 問（採点対象 50 問 + 未採点 15 問） |
| 試験時間 | 170 分（2 時間 50 分） |
| 合格ライン | 720 / 1000 スケールドスコア（72%） |
| 受験料 | 300 USD（約 45,000 円、為替による） |
| 受験形式 | テストセンター（Pearson VUE）または オンライン監督付き（OnVUE） |
| 言語 | 日本語対応（2027 年初頭まで MLA-C01 で受験可、その後 MLA-C02 へ移行） |
| 有効期限 | 3 年間 |
注記: 2026 年 9 月 1 日よりベータ版 MLA-C02 開始、英語での MLA-C01 最終受験日は 9 月 28 日。日本語受験者は 2026 年 9 月末までに MLA-C01 受験推奨、以降は MLA-C02 での受験となります。
試験範囲 4 領域と出題比率
MLA-C01 の試験範囲は 4 領域に分かれており、出題比率は以下の通りです。
| Domain | 領域 | 出題比率 |
|---|---|---|
| Domain 1 | ML Data Preparation（ML 用データ準備） | 28% |
| Domain 2 | ML Model Development（ML モデル開発） | 26% |
| Domain 3 | ML Workflow Deployment and Orchestration（ML パイプラインのデプロイと監視） | 22% |
| Domain 4 | ML Solution Monitoring, Maintenance, and Security（ML ソリューション監視・保守・セキュリティ） | 24% |
Domain 1・2 で 54% を占める。データ準備フェーズの重要性が DEA 同様に高く、ML パイプライン全体（データ準備 → モデル開発 → デプロイ → 監視）を等配分でカバーする設計になっています。
前提知識別 勉強時間の目安
MLA に必要な学習時間は 前提知識によって大きく変わります。合格者ブログや公開されている学習体験談から傾向を整理すると、以下の 3 パターンに分けられます（あくまで目安であり、個人差があります）。
| 前提知識 | 目安学習時間 | コメント |
|---|---|---|
| 完全未経験（ML 経験なし、AWS 未経験） | 80〜120 時間 | 機械学習理論・SageMaker・Bedrock の全方位学習。3 ヶ月以上が現実的 |
| ML 理論経験あり（AWS 未経験） | 50〜80 時間 | 統計・アルゴリズム基礎があるため、SageMaker・Bedrock の AWS 固有部分に集中。1.5〜2 ヶ月 |
| AWS ML 実務経験あり（SageMaker 触った、AIF 取得済） | 10〜30 時間 | AIF 直後の短期受験で 10 時間の例あり。スコア 874 点で余裕合格も報告 |
注記: MLA-C01 は DEA-C01 より短期合格例が多い（10〜20 時間報告）傾向があります。ただし基礎理論の理解不足で落ちるケースもあるため、統計・機械学習の基礎確認が重要です。
学習ステップ（推奨ロードマップ）
学習の全体像は以下 4 ステップです。
- 機械学習基礎理論：教師あり/なし、深層学習、モデル評価指標（精度・精密度・再現率・F1・AUC-ROC）、過学習・正則化（Domain 2 基礎）
- AWS ML サービスの学習：SageMaker 全系（ノート・Training・Inference・Feature Store・Data Wrangler）、Rekognition、Comprehend、Textract、Bedrock（Domain 1・2・3 主軸）
- ML パイプライン・デプロイ・監視：SageMaker Pipelines（MLOps）、モデルレジストリ、A/B テスト、SageMaker Model Monitor（データドリフト・モデルドリフト）（Domain 3・4）
- 問題演習・弱点補強：Udemy 模擬試験を複数周、AWS Skill Builder 公式模試（20 問）で本番形式確認
週の学習時間別 学習シナリオ
自分の使える時間に合わせて学習ペースを設計しましょう。
| コース | 週の学習時間 | 期間目安 | 学習リズム |
|---|---|---|---|
| じっくりコース | 5 時間 | 4〜6 ヶ月 | 平日 1 時間 × 2 日、土日各 1〜2 時間 |
| 標準コース | 10 時間 | 2〜3 ヶ月 | 平日 1 時間 × 3 日、土日各 3〜4 時間 |
| 短期集中コース | 20 時間以上 | 1〜1.5 ヶ月 | 平日 2 時間 × 5 日、土日各 5 時間 |
AIF 取得済＋AWS ML 実務経験ありは短期集中（実質 2〜3 週間で完了例も）、ML 理論経験ありは標準、完全未経験はじっくりが多くの合格者の選択です。
※本記事のリンクの一部はアフィリエイトプログラムを利用しており、リンク経由での購入時に当サイトに紹介料が発生することがあります。掲載内容は公式情報と教材データをもとに公平に整理しており、リンクの有無で評価を変えていません。
おすすめ教材の比較整理
MLA の学習教材は大きく Udemy 講座・AWS 公式リソース の 2 カテゴリに分かれます。日本語参考書が未出版（2026-08 時点）のため、書籍学習派は他資格のような選択肢がありません。
Udemy 講座（主要 4 講座）
| 講座名 | 講師 | 特徴 |
|---|---|---|
| 演習テスト: AWS 認定 機械学習エンジニア アソシエイト (MLA-C01) | Stephane Maarek・Abhishek Singh | 世界的定番講師共作、実試験想定の難易度、詳細解説・AWS 公式リンク付き |
| AWS 認定 Machine Learning Engineer Associate（MLA-C01）試験対策トレーニング | Maruchin Tech | 約 20h 総合型、受講者 1,544 名、SageMaker 中心の学習 |
| 【最短合格！2026 年版】AWS 認定 Machine Learning Engineer – Associate 模擬試験 | VARONTO | 本試験想定シミュレーション、採点対象外 15 問も含む |
| AWS 認定 Machine Learning Engineer Associate (MLA-C01) 演習テスト | – | 基礎から応用まで体系的、ML パイプライン全体カバー |
Udemy は 定期的にセールがあり、通常 2,000〜3,000 円台で購入可能。動画総合型（Maruchin Tech）と模擬試験型（Stephane Maarek）の 2 本立てが標準的な組み合わせです。
AWS 公式リソース（無料〜有料）
- AWS Skill Builder：AWS 公式のオンライン学習プラットフォーム
- Exam Prep Standard: MLA-C01：公式試験対策プラン（無料コース＋ 20 問公式模擬試験）
- AWS Official Practice Exam：公式模擬試験（有料、数十 USD）
- AWS Blackbelt オンデマンド：「Amazon SageMaker」「Amazon Bedrock」「SageMaker Feature Store」等の詳細解説動画
- AWS 公式ドキュメント：SageMaker・Rekognition・Comprehend・Bedrock の API・ベストプラクティス
AWS Skill Builder は Bedrock 等の生成 AI サービス解説も充実。MLA の Domain 2（ML Model Development）で Bedrock の位置づけを問われる出題があるため、公式リソースは必修。
日本語参考書（2026-08 時点：未出版）
MLA-C01 対応の日本語参考書は現時点で存在しません（MLS-C01 時代の参考書も実務用途に限定、MLA-C01 試験対策には不適）。代替リソースとして Udemy 講座＋AWS Skill Builder＋AWS Blackbelt の組み合わせが実質標準。
教材選びの判断フロー
- 動画で全体を学びたい？ → Maruchin Tech（20 時間、日本語総合型）
- 問題演習量を最大化したい？ → Stephane Maarek（世界的定番）＋VARONTO＋演習テスト
- AWS 公式で系統的に学びたい？ → AWS Skill Builder Exam Prep Standard
- 短期集中で受かりたい（AIF 取得済）？ → Stephane Maarek 演習テスト＋AWS Skill Builder のみ
「Maruchin Tech 総合型 + Stephane Maarek 演習テスト + AWS Skill Builder」の 3 点セットが最も再現性の高い組み合わせです。
学習でつまずきやすいポイント（一般傾向）
合格者ブログや学習コミュニティで頻出する「詰まりやすいポイント」を整理しました。
1. SageMaker Endpoints の 3 つのモード
Real-Time Endpoints: 低遅延・常時稼働、コスト高（アイドルコスト）。Serverless Inference: スケーリング自動・コスト低、コールドスタート遅延あり。Async Endpoints: 非同期処理・大容量推論、バッチ処理向け。対策: レイテンシ・コスト・スケーラビリティマトリックスで比較演習。
2. Bedrock vs SageMaker（生成 AI サービスの役割分担）
Bedrock: 基盤モデル API アクセス、プロンプトエンジニアリング、RAG・知識ベース統合。SageMaker: カスタムモデル構築・トレーニング・ファインチューニング、MLOps。対策: 「既成モデル API（Bedrock）vs 自社モデル構築（SageMaker）」のユースケース分類。MLA-C01 では Bedrock の概要のみ、詳細は AIF・AIP で深化。
3. Rekognition vs 汎用 Computer Vision（カスタム ML との棲み分け）
Rekognition: 物体検出・顔認識・テキスト抽出、プリトレーニド、API 一発。SageMaker + Custom Vision: 独自データでのファインチューニング、所有権・カスタマイズ性。対策: ユースケース（公開データ vs ドメイン固有）で分類。
4. ML パイプライン監視・ドリフト検知
データドリフト: 学習データと本番入力の分布変化。モデルドリフト: モデル予測精度の時系列低下。SageMaker Model Monitor: ベースライン設定 → 監視 → アラート。対策: SageMaker Pipelines の「スケジュール実行 + 自動検証 + 再学習」フローを図解。
5. ハイパーパラメータチューニング（Bayesian vs Hyperband）
Bayesian Optimization: 確率モデル使用、サンプル効率良い、時間かかる傾向。Hyperband: リソース割り当て動的最適化、高速。Random Search: ベースライン。対策: 学習時間・試行回数・モデル複雑度の 3 軸で選択基準を整理。
MLS-C01 廃止からの移行
MLS-C01（Machine Learning Specialty）は 2026 年 3 月 31 日で最終受験終了、現行 MLA-C01 が実質後継です。
| 項目 | MLS-C01 | MLA-C01 |
|---|---|---|
| 試験コード | MLS-C01 | MLA-C01 |
| 廃止 | 2026-03-31 最終受験 | 2027 年初頭まで日本語受験可、後継 MLA-C02 へ |
| フォーカス | Model Building・Deployment・Operations | MLOps・Bedrock・生成 AI カバレッジ拡大 |
| 難易度 | Specialty（上級） | Associate（中級） |
| 受験料 | 300 USD | 300 USD |
移行方針:
- MLS-C01 取得済み者は再受験不要（有効期限内、取得日から 3 年間有効）
- 新規受験者は MLA-C01（2026 年 9 月末までに） 推奨、以降は MLA-C02
- MLS 保有者なら 30〜50 時間の追加学習で MLA 合格可（既存の ML 理論知識を活用）
DEA と MLA の使い分け（推奨取得順序）
| 適性 | DEA（データエンジニア） | MLA（機械学習エンジニア） |
|---|---|---|
| 職務 | パイプライン構築・ETL・ストレージ最適化 | モデル開発・トレーニング・デプロイ・監視 |
| 技術スキル | SQL・Spark・スキーマ設計・ストレージ | Python・ML アルゴリズム・SageMaker・Bedrock |
推奨取得順序: DEA → MLA（学習データの準備 → モデル学習の自然な流れ）。詳細は AWS DEA 勉強法 と 生成 AI 資格ロードマップ をご覧ください。
PM 視点：MLA 取得が実務でどう役立つか（一般論）
MLA は「ML エンジニア向け」と思われがちですが、プロダクトマネージャー・AI プロダクト企画者にも実務メリットが大きい資格 です。
1. AI プロダクト企画の共通言語ができる
要件定義で、エンジニアが「SageMaker Endpoints でリアルタイム推論する」「Model Monitor でドリフト検知する」と言った時に、サービスの特性を理解した上で議論できる ようになります。
2. モデル運用コストの妥当性を評価できる
SageMaker Endpoints の 3 モード（Real-Time・Serverless・Async）や、Bedrock のトークン単価計算を理解すると、エンジニアからのアーキテクチャ提案を評価できる ようになります。
3. AI プロダクト品質管理の設計力
ハルシネーション・データドリフト・バイアス・モデル監視の観点を持つと、「AI プロダクトを継続的に運用する」設計力 が身に付きます。生成 AI プロダクトが本番運用フェーズに入る 2026 年以降、この観点は必須。
次のキャリア分岐（MLA 取得後）
MLA 取得後、キャリアの目標に応じて次のステップを選びましょう。
- 生成 AI アプリ開発者へ → AIP-C01（プロフェッショナル、Bedrock・RAG・Agents）
- データエンジニアへ広げる → DEA-C01（データ準備 ↔ モデル開発の双方向）
- アーキテクトへ広げる → SAP-C02（大規模 ML システム設計）
- AI 全般キャリア → 生成 AI 資格ロードマップ で目的別ルート確認
各資格の全体像は AWS 認定資格 12 種の全体マップ と 生成 AI 資格ロードマップ で整理しています。
まとめ
AWS MLA は 前提知識に応じて 10〜120 時間 の学習で合格を目指せる、AWS 認定資格の中核 ML エンジニア資格（旧 MLS-C01 の後継）です。ポイントは:
- 自分の前提知識に合わせて学習時間を見積もる（未経験なら 80〜120 時間、AIF 取得済＋AWS 実務ありなら 10〜30 時間）
- 教材は「Udemy 総合型講座＋模擬試験＋AWS Skill Builder」の 3 点セットが定番（日本語参考書ゼロ）
- Domain 1・2 で 54% を占める — データ準備とモデル開発を重点学習
- SageMaker Endpoints 3 モード、Bedrock vs SageMaker、ドリフト検知 が特に詰まりやすいポイント
- MLS-C01 廃止（2026-03）→ MLA-C01 移行が進行中、MLS 保有者は 30-50h の追加学習で合格可
- DEA → MLA の順で取得が推奨（データ準備 → モデル学習の自然な流れ）
- MLA 取得後は AIP（生成 AI プロフェッショナル）へが定番キャリアパス
生成 AI × ML のキャリアパスを見たい場合は 生成 AI 資格ロードマップ を参照してください。
コメント