Work Horizon編集部
記事冒頭の出典表示：本記事で紹介するAI人材市場・年収・統計データは、2026年4月時点の各転職サービス（doda、Green、レバテック等）の公開求人データ、経済産業省 IT人材育成情報、労働政策研究・研修機構（JILPT）、日本ディープラーニング協会（JDLA）等の公開情報、および業界レポートに基づく参考値です。実際の年収・求人状況は企業・個人により大きく異なります。
AWS認定 機械学習資格の全体像【2026年版】
AWSのAI・機械学習関連の認定資格は、2026年に大きな変更がありました。従来の「AWS Certified Machine Learning - Specialty（MLS-C01）」は2026年3月31日をもって終了し、後継資格に移行しています。
2026年のAWS AI/ML認定資格体系
| 資格名 | レベル | 対象者 | 状態 |
|---|---|---|---|
| AWS Certified AI Practitioner（AIF-C01） | 基礎 | AI/MLの基礎知識を持つビジネス・技術者 | 現行 |
| AWS Certified Machine Learning Engineer - Associate（MLA-C01） | 中級 | ML環境の構築・運用を行うエンジニア | 現行 |
| AWS Certified Machine Learning - Specialty（MLS-C01） | 上級 | ML全般の高度な知識を持つ専門家 | 2026年3月終了 |
これからAWS ML認定を目指す方は、AI Practitioner（基礎）またはML Engineer Associate（中級）を検討しましょう。本記事ではMLS-C01の内容を中心に解説しつつ、後継資格の情報も紹介します。ML関連の基礎知識やSageMakerの理解は後継資格でも共通して求められるため、学習内容の多くは引き続き有効です。
旧MLS-C01の試験概要
| 項目 | 内容 |
|---|---|
| 問題数 | 65問 |
| 試験時間 | 180分 |
| 合格ライン | 750点（1,000点満点） |
| 試験形式 | 多肢選択式・複数回答式 |
| 受験料 | 300ドル（約45,000円） |
| 有効期間 | 取得日から3年間 |
出題範囲（4つのドメイン）
| ドメイン | 出題割合 | 主な内容 |
|---|---|---|
| データエンジニアリング | 20% | データの収集・保存・変換（S3, Glue, Kinesis等） |
| 探索的データ分析 | 24% | データの可視化・前処理・特徴量エンジニアリング |
| モデリング | 36% | アルゴリズム選択・トレーニング・チューニング・評価 |
| ML実装と運用 | 20% | デプロイ・モニタリング・セキュリティ・コスト最適化 |
最も出題比率が高いのは「モデリング」（36%）で、SageMakerの組み込みアルゴリズムやハイパーパラメータチューニングが頻出です。
効率的な勉強法｜5つのステップ
ステップ1：機械学習の基礎知識を習得（2〜4週間）
試験の約半分は一般的な機械学習の知識が問われます。AWS固有のサービス知識だけでは合格できないため、まずML基礎を固めましょう。
- 教師あり学習（回帰、分類）と教師なし学習（クラスタリング、次元削減）
- 評価指標（精度、再現率、F1スコア、AUC-ROC）
- 過学習・未学習の概念と対策
- 特徴量エンジニアリングの基礎
- ディープラーニングの基本（CNN、RNN）
おすすめ教材：Courseraの「Machine Learning」（Andrew Ng）、書籍「実践 機械学習システム」
ステップ2：AWS公式サンプル問題で出題傾向を把握（1週間）
いきなり全範囲を学ぶのではなく、まずAWS公式のサンプル問題を解いて「何が問われるか」を把握しましょう。出題パターンを先に知ることで、学習の方向性が明確になります。
AWS Skill Builderで無料のサンプル問題が公開されています。
ステップ3：SageMakerを中心にAWSサービスを体系的に学ぶ（3〜4週間）
Amazon SageMakerは試験問題の40〜50%に関連して出題されるため、最も重要なサービスです。以下の機能を深く理解しましょう。
- 組み込みアルゴリズム：XGBoost、Linear Learner、BlazingText、DeepAR、Image Classification等
- トレーニング：トレーニングジョブの設定、分散トレーニング、Spot Instanceの活用
- ハイパーパラメータ最適化：Automatic Model Tuningの仕組み
- デプロイメント：リアルタイム推論、バッチ変換、マルチモデルエンドポイント
- 運用：Model Monitor、SageMaker Pipelines、Feature Store
SageMaker以外では、S3（データ保存）、Glue（ETL）、Kinesis（ストリーミングデータ）、Lambda（サーバーレス処理）、Comprehend（NLP）、Rekognition（画像認識）なども出題されます。
ステップ4：AWS BlackBeltオンラインセミナーで知識を補強（2〜3週間）
AWSの各サービスの詳細を解説するBlackBeltオンラインセミナーの資料は、無料でアクセスできる質の高い学習リソースです。SageMaker、Glue、Kinesis等のBlackBelt資料を重点的に読み込みましょう。
ステップ5：模擬試験で仕上げ（1〜2週間）
学習の総仕上げとして模擬試験に取り組みます。Tutorials DojoやUdemyの模擬試験が評価が高いです。間違えた問題は必ず解説を読み、該当するAWSドキュメントで復習しましょう。
英語圏の合格体験記では「10〜12週間の体系的な学習でほとんどの準備した受験者が合格する」とされています。
おすすめ学習教材
| 教材 | 特徴 | 価格 |
|---|---|---|
| AWS Skill Builder（公式） | 公式の学習コース・サンプル問題。信頼性が高い | 無料（一部有料） |
| Udemy MLS対策講座 | 動画で体系的に学べる。模擬試験付きのコースが多い | セール時2,000円程度 |
| Tutorials Dojo 模擬試験 | 本番に近い良問。解説が詳しい | 約15ドル |
| AWS BlackBelt資料 | 各サービスの詳細解説。公式の高品質資料 | 無料 |
| AWS ハンズオンラボ | 実際にAWS環境で手を動かして学べる | Free Tier範囲は無料 |
合格のための試験テクニック
- AWSマネージドサービスを優先的に選ぶ：試験ではセットアップやメンテナンスが少ないAWSマネージドサービス（SageMaker、Glue等）を使う解答が正解になりやすい
- 明らかに間違いの選択肢を消去する：4つの選択肢のうち2つは明らかに不正解であることが多い
- キーワードに注目する：「コスト効率」「スケーラブル」「リアルタイム」などのキーワードで最適な解答が絞り込める
- 時間配分を意識する：65問180分なので1問あたり約2分45秒。わからない問題はフラグを立てて後回しにする
後継資格への移行ガイド
MLS-C01が終了した2026年4月以降、AWS ML認定を取得したい方は以下の後継資格を検討しましょう。
AWS Certified AI Practitioner（AIF-C01）
AI/MLの基礎知識・責任あるAIの実践・生成AIの活用方法を問う基礎レベルの資格です。技術者だけでなく、ビジネス側の方にも適しています。G検定のAWS版のような位置づけです。
AWS Certified Machine Learning Engineer - Associate（MLA-C01）
ML環境の構築・トレーニング・デプロイ・運用を問う中級レベルの資格です。旧MLSに最も近い後継資格であり、SageMakerを中心としたAWS MLサービスの実務的な知識が求められます。
まとめ｜AWS ML認定は実践的なクラウドMLスキルの証明
AWS ML認定は、クラウド環境での機械学習の設計・構築・運用能力を証明する資格です。旧MLSは2026年3月に終了しましたが、後継資格のAI PractitionerやML Engineer Associateとして引き続きAWSのAI/ML認定を取得できます。
学習の中心はSageMakerの深い理解と、機械学習の基礎理論です。AWS公式リソース（Skill Builder、BlackBelt）を軸に、Udemyの講座と模擬試験を組み合わせた10〜12週間の体系的な学習が、合格への近道です。
あわせて読みたい
- テスト
- AIエンジニアに未経験から転職するには？2026年最新ロードマップ・年収・必要スキルを徹底解説
- データサイエンティストになるには？未経験からのロードマップ・年収・必要スキルを2026年最新情報で解説
注意事項・出典
本記事は情報提供を目的として作成されたものであり、特定の企業への就職・転職を推奨するものではありません。記載の年収・市場動向は各種公開データ・業界レポート等に基づく一般的な参考値で、個別の条件は企業や個人により大きく異なります。転職判断はご自身の責任において行ってください。
主な情報源（最終確認：2026年4月）：経済産業省 IT人材育成関連情報、労働政策研究・研修機構（JILPT）、日本ディープラーニング協会（JDLA）、厚生労働省 雇用・労働、doda、レバテック、世界経済フォーラム（WEF）公表レポート等の公開情報。