AWS Machine Learning Engineer - Associate（MLA-C01）とは｜MLA-C02 への切り替え時期と出題範囲を公式で確認する

AWS AI Practitioner（AIF-C01）の記事を書いたときに、「では実装側の Machine Learning Engineer - Associate はどうなっているのか」を宿題にして終えていました。その記事では「MLA の試験ガイドは別途ご自身で確認してください」と書いたきりだったので、今回は自分で試験ガイドを開いて確認しました。

調べ始めてすぐ、想定していなかった話が出てきました。この試験、いま切り替えの真っ最中です。

最初にお断りしておきます。私が取得しているのは SAA と SAP だけで、MLA-C01 は受験していません。この記事は合格体験記ではなく、AWS 公式の試験ページと、公式の試験ガイド（MLA-C01 Version 1.0、PDF）を読んで整理した調査記事です。数字はすべて 2026年8月2日時点に確認した公表値なので、受験を決めた時点で必ずご自身で公式を確認してください。

AWS認定全体の並びと受ける順番はAWS認定はどれから受けるべきかにまとめています。

先に結論

いちばん実務的に効くのは 2 と 3 の差です。英語で受けるつもりの人と、日本語で受けるつもりの人とで、締切がまったく違います。

MLA-C02 への切り替えで決まっていること

公式ページの告知を、日付順に整理します。

項目	内容
更新版の試験コード	MLA-C02
MLA-C02 の登録開始	2026年9月1日
MLA-C01（英語）の最終受験日	2026年9月28日
MLA-C01（韓国語・日本語・簡体字中国語）	MLA-C02 の一般提供まで受験可能
ベータ試験のコード	ME1-C02（英語のみ）
一般提供時の対応言語	英語・韓国語・日本語・簡体字中国語
MLA-C02 の詳細	2026年9月1日に公式ページで公開予定と案内

注意したいのは、日本語版の「いつまで受けられるか」に具体的な日付が出ていないことです。公式の書き方は「MLA-C02 が一般提供されるまで引き続き受験できます」であって、◯月◯日まで という形ではありません。つまり日本語受験組の締切は、MLA-C02 の一般提供日に連動して後から決まります。

なお、この「試験コードが上がる」「名称や構成が変わる」という動きは、AWS認定ではそこまで珍しいことではありません。直近では SysOps Administrator - Associate が CloudOps Engineer - Associate（SOA-C03）へ切り替わっており、そちらはAWS SysOps はなくなったのかに整理しています。切り替え時に何を確認すべきかという観点では、読み方が近い記事です。

いま MLA-C01 を受けるか、MLA-C02 を待つか

公式が「どちらを受けるべきか」を示しているわけではないので、ここは判断材料の整理にとどめます。

MLA-C01 を今受けることに向くケースは、日本語で受験する予定ですでに学習が進んでいる、手元の教材が MLA-C01 向けで買い直したくない、社内評価や案件要件で認定そのものを早く取りたい、といった場合です。

MLA-C02 を待つことに向くケースは、これから学習を始めて2〜3か月以上かかりそう、英語受験で9月28日までに仕上げるのが現実的でない、出題範囲が固まってから教材を選びたい、といった場合になります。

私見を1つだけ書くと、これから学習を始めるなら、9月1日の情報公開を待ってから教材を買うほうが無駄が少ないと思います。試験ガイドが改訂されると、対象サービスの一覧や配点が動く可能性があるためです。逆に、すでに学習が仕上がりつつあるなら、範囲が確定している MLA-C01 で決着させるほうが計画は立てやすいはずです。

MLA-C01 の試験概要

AWS 公式の試験ページと試験ガイド（Version 1.0）から数字を拾います。

項目	内容
試験コード	MLA-C01
レベル	Associate
試験時間	130分
問題数	65問（採点対象50問＋非採点15問）
受験料	150 USD
合格ライン	720点（100〜1000点スケール）
受験方法	ピアソンVUE テストセンター、またはオンライン監督付き試験
対応言語	英語・日本語・韓国語・中国語（簡体字）
有効期間	3年

Associate レベルなので、時間・問題数・受験料は SAA と同じ枠組みです。受験料の全体像はAWS認定の受験料まとめに、有効期限と再認定の考え方はAWS認定の有効期限と再認定に書いています。

問題形式が SAA と違う

ここは見落としやすいので独立させます。試験ガイドには、出題される問題形式として次の5種類が挙げられています。

1. 多肢選択（Multiple choice）：正解1つ、誤答3つ
2. 複数選択（Multiple response）：5つ以上の選択肢から2つ以上の正解をすべて選ぶ
3. 順序（Ordering）：3〜5個の選択肢を正しい順番に並べる
4. マッチング（Matching）：3〜7個の設問に対して選択肢を対応づける
5. ケーススタディ（Case study）：1つのシナリオに複数問。各問は個別に採点される

SAA を受けたときの感覚で言うと、3と4は明確に別物です。多肢選択なら「明らかに違う選択肢を2つ落として残り2つで悩む」という戦い方ができますが、順序問題やマッチングは部分点がありません。試験ガイドにも、順序問題は「正しい選択肢を正しい順序で並べた場合に得点」、マッチングは「すべての組み合わせを正しく対応づけた場合に得点」と書かれています。つまり、手順の流れを曖昧に覚えている状態が、そのまま失点になる形式です。

なお、未回答は誤答として採点され、当て推量に対するペナルティはないとも明記されています。分からない問題も必ず埋める、という基本は他のAWS認定と同じです。

想定受験者：経験1年 × 2つ

試験ガイドの「Target candidate description」には、次の2つが並んで書かれています。

• Amazon SageMaker とその他の AWS サービスを ML エンジニアリングに使った経験が、少なくとも1年
• バックエンドソフトウェア開発者、DevOps 開発者、データエンジニア、データサイエンティストといった関連ロールの経験が、少なくとも1年

公式の試験ページ側では、受験者の役割例として「バックエンドソフトウェア開発者、DevOps エンジニア、データエンジニア、MLOps エンジニア、データサイエンティスト」が挙げられています。

読み取れるのは、この試験が「機械学習を勉強した人」ではなく「ソフトウェアを作って運用している人が ML を扱う」側に寄っているということです。推奨知識の一覧を見ると、その傾向はもっとはっきりします。

推奨される一般 IT 知識として挙がっているのは、ML アルゴリズムとユースケースの基本的な理解、データエンジニアリングの基礎、データのクエリと変換、モジュール化・再利用可能なコードの開発とデバッグ、ML リソースのプロビジョニングとモニタリング、CI/CD パイプラインと IaC、バージョン管理のためのコードリポジトリの経験です。推奨される AWS 知識は、SageMaker の機能とアルゴリズム、データストレージ・処理サービス、アプリケーションとインフラのデプロイ、モニタリングツール、CI/CD の自動化、ID・アクセス管理／暗号化／データ保護のベストプラクティスです。

数学やアルゴリズムの深い理解ではなく、CI/CD・IaC・Git・監視といった「作って運用する」側の語彙が推奨知識に並んでいるのが特徴です。この点は、同じく推奨知識にコンテナと CI/CD が明記された CloudOps（SOA-C03）と方向が似ています。

「対象外」とされているタスク

試験ガイドには、想定受験者ができることを求められていないタスクも列挙されています。範囲を広げすぎないために、こちらのほうが重要かもしれません。

「全体設計」と「戦略」が外れている点は、Associate らしい線引きだと思います。与えられた要件のなかで実装して回すのが問われる範囲、という読み方になります。

出題4分野と配点

試験ガイドに記載されている配点は次のとおりです。いずれも採点対象コンテンツに対する比率です。

分野	内容	配点
分野1	機械学習のためのデータ準備	28%
分野2	ML モデル開発	26%
分野3	ML ワークフローのデプロイとオーケストレーション	22%
分野4	ML ソリューションのモニタリング・保守・セキュリティ	24%

大きな偏りはありませんが、分野1と分野2で54%です。データを整える工程とモデルを作る工程で半分を超えます。

以下、各分野のタスクステートメントから要点を拾います。網羅ではないので、学習計画を立てるときは必ず試験ガイド本体を確認してください。

分野1：機械学習のためのデータ準備（28%）

タスクステートメントは「データの取り込みと保存」「データ変換と特徴量エンジニアリング」「データ整合性の確保とモデリング準備」の3つです。

データ形式（Parquet、JSON、CSV、ORC、Avro、RecordIO）、S3 / EFS / FSx といったデータソース、Kinesis / Apache Flink / Apache Kafka によるストリーミング取り込みが挙がっています。変換側は外れ値処理・欠損値補完・重複排除といったクリーニングと、スケーリング・ビニング・one-hot エンコーディングなどの特徴量エンジニアリングで、ツールは Glue、Glue DataBrew、EMR 上の Spark、SageMaker Data Wrangler、ラベリングの SageMaker Ground Truth が名指しされています。

3つ目には、学習前バイアスの指標（クラス不均衡 CI、ラベル比率の差 DPL）、暗号化、匿名化・マスキング、PII / PHI やデータ所在地といったコンプライアンス要件が並びます。バイアスとコンプライアンスが明示的に配点対象という点は、この試験の性格をよく表しています。

分野2：ML モデル開発（26%）

「モデリングアプローチの選択」「トレーニングと改良」「モデル性能の分析」の3つです。

Translate / Transcribe / Rekognition / Bedrock といった AI サービスの使いどころ、SageMaker 組み込みアルゴリズムの選択に加え、スキルには「コストに基づくモデル／アルゴリズムの選択」も含まれます。学習側はエポック・バッチサイズ、早期停止、分散学習、正則化、ハイパーパラメータチューニング、SageMaker script mode での TensorFlow / PyTorch のトレーニング、Bedrock や JumpStart の事前学習済みモデルのファインチューニング、Model Registry でのバージョン管理です。

評価は混同行列、F1、適合率、再現率、RMSE、ROC、AUC と、過学習・未学習の検出、SageMaker Clarify による解釈、Model Debugger でのデバッグまでです。

分野3：ML ワークフローのデプロイとオーケストレーション（22%）

「デプロイインフラの選択」「インフラの構築とスクリプト化」「CI/CD パイプラインの構築」の3つです。

サーバーレス／リアルタイム／非同期エンドポイントとバッチ推論の使い分け、デプロイ先としての SageMaker エンドポイント・Kubernetes・ECS・EKS・Lambda、オーケストレータの Apache Airflow と SageMaker Pipelines が挙がっています。構築側は CloudFormation と AWS CDK のトレードオフ、オートスケーリング、VPC 内でのエンドポイント設定、コンテナ運用、BYOC、Spot によるコスト最適化です。

CI/CD では CodePipeline / CodeBuild / CodeDeploy、Gitflow や GitHub Flow、ブルー／グリーン・カナリア・リニアといったデプロイ戦略とロールバック、そして再トレーニングの仕組みの構築と統合が明記されています。ここは純粋な MLOps 領域で、ML というよりソフトウェアの継続的デリバリの知識がそのまま問われる部分です。

分野4：モニタリング・保守・セキュリティ（24%）

「モデル推論のモニタリング」「インフラとコストの監視・最適化」「AWS リソースのセキュリティ確保」の3つです。

モデルのドリフト検出には SageMaker Model Monitor、データ分布の変化検出には SageMaker Clarify、本番性能の監視には A/B テストが挙がっています。インフラ側は X-Ray、CloudWatch Logs Insights、CloudTrail によるログ記録と再トレーニングの起動。コストは Cost Explorer、Budgets、Trusted Advisor、タグによるコスト配分、Inference Recommender と Compute Optimizer でのライトサイジング、Spot / リザーブド / Savings Plans の選択まで含まれます。セキュリティは IAM のロール・ポリシー、最小権限、VPC・セキュリティグループによる分離です。

分野4だけで24%あり、その中身の多くが監視・コスト・IAM・VPC です。ML の知識よりも、AWS の運用知識がそのまま得点になる分野と言えます。SAA や CloudOps の学習範囲と重なるのはここです。

付録の「対象サービス一覧」を学習範囲リストとして使う

試験ガイドの付録には、対象内の AWS サービスと対象外の AWS サービスが両方リストアップされています（網羅的ではなく変更の可能性があるという但し書き付き）。学習範囲を絞るのに使える一次情報です。対象内のうち Machine Learning カテゴリに挙がっているのは次のとおりです。

Amazon Augmented AI (A2I) / Amazon Bedrock / Amazon Comprehend / Amazon Fraud Detector / Amazon Kendra / Amazon Lex / Amazon Lookout シリーズ / Amazon Mechanical Turk / Amazon Personalize / Amazon Polly / Amazon Q / Amazon Rekognition / Amazon SageMaker / Amazon Textract / Amazon Transcribe / Amazon Translate ほか

ML 以外でも、Athena / EMR / Glue / Kinesis / Redshift（分析）、EventBridge / SNS / SQS / Step Functions（アプリケーション統合）、EC2 / Lambda（コンピューティング）、ECR / ECS / EKS（コンテナ）、CDK / CodeBuild / CodePipeline / X-Ray（開発者ツール）、CloudFormation / CloudTrail / CloudWatch / Systems Manager（管理とガバナンス）、API Gateway / CloudFront / VPC（ネットワーク）、IAM / KMS / Secrets Manager（セキュリティ）、EBS / EFS / S3（ストレージ）などが対象として並んでいます。

一方、対象外として明示されているものには、AWS DeepRacer、HealthImaging、HealthOmics、Monitron、Panorama（ML カテゴリ）や、Cognito、GuardDuty、Inspector、Security Hub、Shield、WAF、ACM、Route 53、Elastic Beanstalk、Lightsail、Amplify、AppSync といった名前が並びます。

教材を選ぶときの注意点

MLA-C01 と MLA-C02 の教材が、これから確実に混在します。 2026年9月1日に MLA-C02 の情報が公開されるとされている以上、それ以降に出てくる教材は C02 向けが増えていきます。一方で、すでに市場にある教材の大半は C01 向けです。購入前に確認したいのは、その教材がどちらの試験コードを対象にしているか、改訂日はいつか、自分が受けるのは英語か日本語か（締切が違います）の3点です。

公式のデジタル教材としては AWS Skill Builder（公式） があります。ML 領域はサービス側の更新が速いので、受講前に対象の試験コードと最終更新日を確認してください。教材全般の選び方はAWS資格の教材を5種類くらべたに、独学でどこまでいけるかはAWS資格は独学で取れるかに書いています。どちらも SAA・SAP を独学で取ったときの実費と時間をもとにしたものです。

資格の前に ML そのものを掴みたい場合

試験ガイドの想定受験者（経験1年 × 2つ）を読んで、「そもそも ML 側の土台が足りない」と感じる人もいると思います。その場合、資格対策と ML の基礎学習は分けて考えたほうが早いかもしれません。

生成AI や ML を業務で使うところに軸を置いた講座として DMM 生成AI CAMP のようなサービスがあります。私は受講していないため、カリキュラム・料金・受講形式は公式サイトの記載をご自身でご確認ください。AWS 認定試験の対策コースではない点にも注意してください。あくまで「ML を扱う共通語彙を先に作る」用途の選択肢です。

AIF-C01・SAA との距離感

よく比較される3つを並べます。レベルが違うので優劣ではなく、位置づけの違いです。

認定	レベル	位置づけ（公式記載ベース）
AI Practitioner（AIF-C01）	Foundational	AI・ML・生成AI の基礎。モデルの実装やチューニングは対象外
Machine Learning Engineer - Associate（MLA-C01）	Associate	ML ソリューションとパイプラインの構築・運用・デプロイ・保守
Solutions Architect - Associate（SAA）	Associate	AWS 上のアーキテクチャ設計

AIF-C01 側の公式ページには、AIF の再認定手段として MLA の取得が挙げられているという関係も記載されています（詳細はAWS AI Practitioner（AIF-C01）とはに書きました）。この関係を見ると、AWS 側は AIF → MLA という進み方を想定していそうです。

SAA との関係については、公式に「SAA が前提」という記載はありません。ただ、分野3と分野4を読むかぎり、VPC・IAM・CloudWatch・CloudFormation・オートスケーリング・コスト最適化といったSAA で扱う範囲がそのまま出てきます。SAA 自体の負荷感はAWS SAA の難易度と勉強時間の目安に書いています。また CI/CD・IaC・コードリポジトリという語彙は DVA の出題範囲とも重なるので、すでに DVA を持っているなら分野3のとっつきやすさは違うはずです。

キャリアの観点から

事実として言えることは、公式ページが受験者の役割例に「MLOps エンジニア」を明記していることです。試験ガイド側も、想定受験者にバックエンド開発・DevOps・データエンジニア・データサイエンティストの経験を挙げています。

意見として書くと、資格そのものが職を保証するわけではありません。求人票で AWS 資格がどう扱われているかはAWS資格は転職でどう評価されるかに、年収との関係についてはAWS資格で年収は上がるかに、実際に見た範囲で書いています。資格欄の書き方はAWS資格を職務経歴書にどう書くかにまとめました。書くときの原則は、認定証に記載されている名称をそのまま書くことです。認定名は「AWS Certified Machine Learning Engineer - Associate」で、試験コードは認定名の一部ではありません。

よくある質問

Q. MLA-C01 はいつまで受けられますか？

A. 公式ページには、英語での最終受験日が2026年9月28日と記載されています。韓国語・日本語・簡体字中国語の現行試験は、MLA-C02 の一般提供まで引き続き受験できるとされており、具体的な日付は示されていません。

Q. MLA-C02 で何が変わりますか？

A. 2026年8月2日時点の公式ページには、MLA-C02 の試験内容に関する具体的な記載はありません。「MLA-C02 試験と試験準備リソースの詳細については、9月1日にこちらをご確認ください」と案内されているのみです。範囲や配点がどう変わるかは、現時点では確認できません。

Q. 順序問題やマッチング問題は難しいですか？

A. 難易度の公式な言及はありません。ただし試験ガイドには、順序問題は正しい順序で並べた場合、マッチング問題はすべての組み合わせを正しく対応づけた場合にのみ得点になると明記されています。部分点がない形式である、という事実は準備の仕方に影響すると思います。

Q. Machine Learning - Specialty との違いは何ですか？

A. 別の認定です。レベルの区分が異なるため（MLA は Associate）、同じものではありません。Specialty 側の現在の提供状況は変動する可能性があるため、受験を検討する場合は AWS 公式の認定一覧でご確認ください。

Q. 実技（ラボ）はありますか？

A. MLA-C01 の試験ガイドに記載されている問題形式は、多肢選択・複数選択・順序・マッチング・ケーススタディの5種類です。ラボに関する記載は見当たりませんでした（Version 1.0、2026年8月2日時点）。

まとめ

• MLA-C01 は更新中で、MLA-C02 の登録開始は2026年9月1日
• MLA-C01 の英語での最終受験日は2026年9月28日。日本語を含む他言語は MLA-C02 の一般提供まで受験可能
• 試験は 130分・65問・150 USD・合格720点。採点対象50問＋非採点15問
• 出題は4分野。データ準備28% / モデル開発26% / デプロイとオーケストレーション22% / モニタリング・保守・セキュリティ24%
• 問題形式に順序・マッチング・ケーススタディが含まれ、順序とマッチングには部分点がない
• 想定受験者は SageMaker 等の経験1年以上 + バックエンド開発・DevOps 等の経験1年以上
• 付録の対象／対象外サービス一覧が学習範囲を絞る一次情報として使える。有効期間は3年

繰り返しになりますが、私はこの試験を受験していません。ここに書いたのは公式ページと試験ガイド（Version 1.0）から読み取れる範囲の整理です。しかもいま切り替えの最中で、9月1日以降に情報が更新される前提の記事です。受験を決めたら、必ず AWS 公式の試験ページと試験ガイド（PDF）をご確認ください。

次に読むなら、同じく最近切り替わったAWS SysOps はなくなったのか（CloudOps / SOA-C03）か、AI 側の入口であるAWS AI Practitioner（AIF-C01）とはあたりが接続しやすいと思います。