こんにちは、AWS グループの尾谷です。
先々週 (11/17) に無事、DevOps Engineer Professional (DOP-C02) を更新できたので、先週 (11/24) AI Practitioner (AIF-C01) を受けてきました。
DOP-C02 は非常に難しく、且つ、問題も選択肢も長文で読むのも大変で 3 時間いっぱいかかりましたが、AIF-C01 は非常にシンプルで 30 分程度でサクッと終わりました。
AWS 認定プログラムアグリーメント に則り、試験内容は書けませんが、感想と試験対策などをアウトプットしたいと思います。
AIF-C01 とは
AWS Certified AI Practitioner は、人工知能 (AI)、機械学習 (ML)、生成 AI の概念とユースケースに関する需要の高い知識を求められる試験です。*1
僕は、AWS Certified Machine Learning - Specialty (MLS-C01) の勉強知識と、昨年からお客様に提案してきた生成 AI 案件の知識があったので、試験対策期間 1 週間ほどで合格できました。
再受験無料キャンペーン開催中
2025 年 2 月 15 日まで、AWS Certified Cloud Practitioner と、AWS Certified AI Practitioner は再試験無料キャンペーンが開催されています。
もし不合格でも、次回の受験が無料になるキャンペーンです。
今回、このコードを使って試験申し込みをしました。
利用方法をご紹介します。
実際に利用される方は、キャンペーンページ をよくお読みいただき進めてください。
試験を予約をクリックして、
バウチャー・プロモーションコードに入力するのですが、ここで [適用] ボタンを押し忘れると適用されないのでご注意ください！
なお、キャンペーンの適用は一人一回限りです。
僕は一発合格したので、コードを使っていないようにも感じますが、二回目を適用しようとしたらエラーになりました。
試験対策
今回、受験にあたり、公式サイト ガイドラインに沿って準備を進めました。
最後に具体的な試験内容は記載できませんが、記載されているサービスやこれは覚えておいた方が良いと感じたセッションや資料、サービスなどを列挙しておきます。
re:Invent 2023 の ML Keynote
僕は、Dr.Swami の Keynote を見ていて良かったと感じました。
AWS における FM (基盤モデル) の仕組みや、ファインチューニングの概要、ベクトルデータベースへの埋め込みなどが理解できていると試験の難易度が下がると思います。
Amazon Bedrock
Amazon Bedrock の理解としては、モデルを有効にして、プレイグラウンドで一通り試しておけば詰まることはないと思います。
ナレッジベースに関しては、一度試しておいた方が良いと感じました。
ナレッジベース for Amazon Bedrock
今年、僕は、お客様にプレゼンするため、ナレッジベース for Amazon Bedrock の環境を作って、終わったら潰すというのを 3、5 回行いました。
S3 バケットに Word や PDF などの文書をアップロードし、ナレッジベースを設定すれば、半日ぐらいで検索できるようになります。
この経験があったおかげで、RAG の部分はすべて回答できました。
皆さんも、もし試せる環境があれば、Amazon OpenSearch Serverless を選択して、RAG を作ってみると理解が早いと思います。
LLM のライフサイクル
MLOps に記載されているこちらの表を一通り読んでおくと、理解が深まると思いました。
データを収集して、学習して、蓄積し、デプロイし、モニタリングする流れを理解しておくと良いでしょう。
覚えておきたい用語
MLS の範囲でもありますが、以下の用語は調べておくと良いと思います。
- F1
- 線形回帰
- サポートベクターマシン
- k-means
- XGBoost
- エポック
- ロジスティック回帰
その他、AWS のサービスも列挙しておきます。
Amazon Augmented AI
- 生成 AI の結果を人の目でチェックするフローが簡単に作れる。
- SageMaker のナビゲーションペインにサービスが増えている。
- Amazon Textract と、Amazon Recognition と、カスタムから選択可能。
AWS アイコンで表現されている通り、生成 AI が出力した結果を人がチェックするイメージです。
Amazon Comprehend
- 文書を解析するサービス。
- 文章を投入すると、日付、場所、人物、キーワードなどで分類してくれる。
- 肯定的とか否定的といった感情分析も可能。
Amazon Fraud Detector
- 機械学習でオンライン不正をより早く検出するためのマネージドサービス。
- Amazon (EC サイト) で長年培ったノウハウからサービスをローンチ。
- 入力されたデータに含まれる電話番号、Eメールアドレス、ドメイン、あるいは過去の取引履歴などのさまざまな情報から、不正を検出するための独自のモデルを開発。
- 不正なアカウント登録や、カード利用などを検知できる。
Amazon Kendra
- 元祖 RAG サービス
- 社内の情報を全部突っ込んで、検索システムが簡単に完成。
- 料金が高い。月額 16 万ぐらいかかる。
- Developer Edition：1.125USD/h（月額 810USD）
- Enterprise Edition：1.4USD/h（月額 1,008USD）
Amazon Lex
- AI チャットビルダー
- Alexa と同じテクノロジーを利用されている。
- 会話型 AI インターフェイスを構築およびデプロイできる。
Amazon Personalize
- AI を活用したパーソナライゼーションサービス。
- Amazon で使われているレコメンド機能。
- 記事のリコメンドなどにも利用可能。
Amazon Polly
- テキスト読み上げサービス。
- ピザ会でもちょくちょく登場。
- FM 和歌山で採用されている。
https://aws.amazon.com/jp/solutions/case-studies/fm-wakayama/
Amazon Recognition
- 顔認識、テキスト検出、コンテンツのモデレーションなどを提供するサービス。
- 写真を元に誰が写っているかを判定する。
- 怒っているとか、泣いているといった感情分析も可能。
Amazon Textract
- AWS の OCR サービス。
- ブラウザでファイルを選択してアップロード。
- 画面上にテキストが表示される。
Amazon Transcribe
- 音声の文字起こしサービス。
- 誰が喋っているのかの判別も可能。話者分岐。
- S3 に音声ファイルをアップロードして、Transcribe で読み込む。処理が終わると、S3 にテキストが書き出される。
Amazon Translate
- 翻訳サービス。
- バッチ翻訳も、リアルタイム翻訳も可能。
- 字幕制作などでのユースケースあり。
https://aws.amazon.com/jp/translate/
Amazon SageMaker
SageMaker は、非常に関連サービスが多いので、試さなくてもどういった機能か概要が説明できるぐらいには理解しておいた方がスムーズだと感じました。
- ML サービス。
- Jupyter Notebook でコーディングする。（ワークショップを一発試すのがおすすめ。）
Amazon SageMaker Ground Truth Plus
- Amazon SageMaker Ground Truth は、データセットのラベル付けを行うサービス。
- Plus は管理さえも不要になった簡単マネージドサービス。
Amazon SageMaker Feature Store
- リポジトリサービス
Amazon SageMaker Data Wrangler
- さまざまなデータサービス（S3、Athena、Redshift、SAP、GitHub、Snowflake など）と連携して、データを効率的に変換して、予測できる
- https://aws.amazon.com/jp/sagemaker/data-wrangler/
Amazon SageMaker Clarify
- 基盤モデル (FM) を評価するサービス。
- https://aws.amazon.com/jp/sagemaker/clarify/
Amazon SageMaker モデルカード
- モデルの機能や概要をまとめておける機能。
Amazon SageMaker Canvas
- 機械学習に詳しくない人でも簡単に分析、解析ができる。
- ログアウトをしないと高額な課金に注意が必要。
- 利用開始 2 ヶ月は無料枠があるが、リソース削除など注意しながらの利用を推奨。
Amazon SageMaker Serverless Inference
- サーバーレス SageMaker モデルホスティング基盤。
- サーバーレスなので、EC2 といった仮想マシンの管理が不要。
Amazon SageMaker Model Monitor
- モニタリングサービス。
以上です。最後までお読みくださりありがとうございました。
