Zenn
✨

AWS Certified AI Practitioner【AIF-C01】受験体験記

2024/11/26に公開
AWS 認定試験
idea

概要

AWS Certified AI Practitioner【AIF-C01】を受験し合格したので、
その際に使用したコンテンツ・学習方法など自分なりにまとめてみました。

背景

  • AWS認定資格全冠目指してCloud Practitionerを2024/7月に取得（1個目）
  • Solutions Architect ASSOCIATEに進もうと思ったけど、
    AI Practitionerが新設されたので先にPractitionerは取得しておきたかったため
  • 2025年2月15日まで再受験無料キャンペーン中
  • 新設されたばかりなので取得者も少ないかなとかそのあたりです

想定対象者

  • AWS初心者（Cloud Practitionerの知識があればいいかも）
  • AI/ML初心者（ほぼ知識ゼロの状態）

学習に使用したコンテンツ（すべて日本語対応）

  • まずはサンプル問題（無料で作成できるaws skill builderアカウントが必要です）
  • 座学（上記同様アカウントは必要ですが、これで体感的に8割くらいの知識は得られると思います。）
  • Udemyコンテンツ
  • AWS（アカウント持ってなくて受験される方はあまりいないかと思いますが一応）
    • Amazon Bedrock
      • 各企業のモデルが問われることはないと思いますが、ガードレールとかエージェント機能は知っておくといいと思います。
    • Amazon SageMaker
      • ハンズオン程度しか触れてないですが、Bedrockよりかはこちらを重点的に学習するのがおすすめです。

勉強方法および受験体験談

  1. まずはどういった問題が出題されるのかを試験ガイドの確認や上記のサンプル問題を解いてみる
  2. 次に座学として無料で受講できるaws skill builderのコンテンツで学習
    各セクションごとにサンプル問題もあります。
    ※最初英語しかないのかと思ってたけどちゃんと日本語版あります。
  3. [NEW] Ultimate AWS Certified AI Practitioner AIF-C01を受講
  4. この時点で1回目をオンライン受験（再受験キャンペーンもあったので）し、25点足りず不合格
  5. 不明な用語やユースケースの問題が不足していると感じたため、Udemyで模擬試験問題集を購入
  6. 問題集を2週～3週程度してテストセンターにて再受験して合格ラインの+19点でなんとか合格。。体感的にはもう少し取れてると思ったのですが。。

意識しておくといいかもしれないキーワード（座学ベース+α）

  • 機械学習の基礎

    • ラベル付き、ラベルなしデータ（それぞれどういうデータ？）
    • 教師あり学習、教師なし学習、強化学習（どんな時に使う？）
    • バッチ推論、リアルタイム推論（どんな時に使う？）
    • ニューラルネットワーク（隠れ層って？）
    • モデルの種類（マルチモーダルとかGANとか）
    • プロンプトエンジニアリング（要素、パラメータ、攻撃手法など）
      • ネガティブプロンプト
      • ゼロショットプロンプティング
      • フューショットプロンプティング
      • 思考の連鎖プロンプティング
      • 推論パラメータ
        • 温度（高いとどうなる？低いとどうなる？）
        • トップP（指定した数値でどうなる？）
        • トップK（指定した数値でどうなる？）
      • 攻撃手法
        • ポイズニング
        • プロンプトインジェクション
        • エクスポージャー
        • プロンプトリーク
        • ジェイルブレイク
          あたりは押さえておきたい　また、防御手法についても知っておくといいかもしれない
    • ファインチューニング（どんな時に使いどう効果がある？）
    • 検索拡張生成（RAG）（どんな時に使いどう効果がある？）

  • 人工知能のユースケースとアプリケーション

    • 生成AIのビジネスメトリクス（何があってどういう内容？）

  • 責任あるAI

    • バイアスとバリアンス（高いとどうなる？低いとどうなる？両方だと？）
    • 解釈可能性、説明可能性（それぞれどういう意味？）

  • 機械学習のライフサイクル（フローの理解が大事）

    • データの前処理、特徴量エンジニアリングってなに？
    • データ拡張とは？
    • モデル評価、デプロイやモニタリングのタイミングは？
    • モデルトレーニングの内訳（トレニンーグセット、検証セット、テストセット）

  • 【超重要】Amazon SageMaker（※以下、Amazon SageMaker〇〇となるので〇〇の部分のみ記載）

    • データの収集、分析、準備
      • Data Wrangler
      • Processing API
    • 特徴量エンジニアリング
      • Feature Store
        • オンライン、オフラインだとそれぞれ何がある？
    • モデルのトレーニングと評価
      • Canvas　結構大事かも
      • JumpStart　結構大事かも
      • Experiments　結構大事かも
    • モニタリング
      • Model Monitor
      • Model Dashboard
    • ガバナンス他
      • Studio
      • Model Cards
      • Role Manager
      • Clarify　結構大事かも
      • Autopilot
      • Ground Truth
      • Model Registry

  • 【超重要】機械学習のアルゴリズム　どういう内容までかを理解しておくのが望ましいです



  • 以下それ以外に思いついたもの

  • 分類メトリクス

    • 正解率
    • 適合率
    • 再現率
    • F1
    • AUC-ROC

  • 回帰メトリクス

    • 平均二乗誤差（MSE）
    • 決定係数

  • 評価メトリクス

    • ROUGE
    • BLEU
    • BERTSCORE

  • トークン（の意味）

  • エポック（の意味）

  • 学習率（高いとどうなる？低いとどうなる？）

  • バッチサイズ（大きいとどうなる？）

  • LLMの学習に最適なEC2のインスタンスタイプ（環境面ではどう？）

  • インテント（の意味）

  • ハイパーパラメータ

  • AMAZON A2I（Amazon Augmented AI）

  • AI Service Card

  • MLOps

  • Amazon Q Business

  • Amazon Q Developer

  • 【超重要】AWSのサービス　※サービス名を問われる問題は確実に取りたい

    • AI/ML関連のサービス
    • ガバナンス関連
      • AWS Config
      • Amazon Inspector
      • AWS Audit Manager
      • AWS Artifact
      • AWS CloudTrail
      • AWS Trusted Advisor

  • ベクトルデータベース

    • Amazon OpenSearch Service,Serverless
    • Amazon RDS
    • Amazon Aurora

  • ユースケース

    • 医療業界
    • カスタマーサポートのチャットボット

最後にまとめ

  • AWS公式の無料の座学コンテンツと何らかの問題集があると合格できるのではないかと思います。
    問題集はユースケースとして問われたときに座学で学んだ知識で回答できるかを判断するのに重要でした。
    AI/ML関連は実務経験がある方ならそこまで苦労はしないのかな。
    自分は知識ゼロからだったためなかなか苦労しました。。

  • また、自身の受験環境についても簡単に触れておきます。
    地方在住のため、テストセンターまで車で高速利用で1時間程度のところにあり、
    Cloud Practitioner受験の際はこちらを利用しました。
    今回は、再受験キャンペーンもあるので最初は自宅でオンライン受験をしましたが、
    （環境的に）事前準備が必要なのとちょっとした物音でも試験を中断されることがあったので、
    集中して試験に臨めなかったのもあり、再受験の際は、テストセンターにて受験することにしました。
    （規約には部屋にいる・いないに関わらず第三者の存在が確認された場合、試験を強制中止とかなんとかって記載もあり）
    余計なことに時間と気を使わなくて良かったので可能な限りテストセンターでの受験が望ましいかと思いました。

Discussion