以下記事の続きになるが、AWS関連資格として個人的には3つ目の認定である Machine Learning Specialty に先日合格したので、ちょっとした体験記やアドバイスめいたことなどを書いておきます。
本資格は昨年発足したばかりでAWS認定の中では新顔であるが、ググると合格体験記の類はそこそこ多く発見される。ここではそれら他の体験記となるべく重ならない視点で書いておこうと思う。
受験動機について
機械学習 (ML) はDAW/DTMといった音楽の世界とは無関係のように見えて、実際のところ昨今では自動作曲の研究プロジェクトやプロダクトがかなり進展してきており（Magenta Project が典型で本ブログでも何度か取り上げた）、DTM趣味人としても完全にブラックボックス視せずに基本原理ぐらいは知っておいて損はなかろうとの思いでAI/MLの学習を進めてきた。その進捗度をこの辺である程度見える化しておきたかったので受験してみた次第である。
ぶっちゃけ仕事には直接のインパクトがないし、またAWS資格でありがちな五冠とか全冠制覇といった資格マニア的動機も特になく、純然たる知的好奇心と趣味の範囲で受けたのだが、ベンダー資格の中では受験料が比較的最安の部類なので（discount coupon 使えば税込¥16,500で済む）、そういうお試しが気軽にできるのはありがたい。またAI/ML関連でグローバルに通用するIT資格は今のところこれしかないのが実情である（と思う）。
前提となる下地 - ML基礎理論とAWSデータ処理体系
他の受験体験記でもよく書かれているように、本認定はAWS固有サービスについての問題のみならず、機械学習に関する基礎理論的な設問も多く出題される。したがって、MLの基礎学習についてはAWSのトレーニングとは別に前準備しておく必要があり、あるいは逆にその素養がすでにあるのであれば、受験対策はかなり楽に進められる。これについては、このブログでも過去に触れた Coursera の機械学習講座を履修するか、数多く出版されている日本語テキストで自分に合ったものを取捨選択して地道に学習するほかない。
あともう一つの下地要件として、AWSのデータ処理関連サービスをざっとおさらいする必要がある。具体的には Kinesis Data Analytics や EMR、Glue、Redshift、Athena などであるが、これらについては、Data Analytics (旧 Big Data) Specialty の認定を事前に通過していると概ね目星はつく。そういう意味でも、Data Analytics の認定は横着せずに事前ステップとして踏んでおくことを推奨する（ちょっとシンドイですが）。
本筋の学習 - Udemyが無難だが...
これまで同様に今回も結局Udemyの講座にお世話になった。しかし、振り返ってみれば、これはあまり必要なかったかもしれないとも思う（hands-onデモも混ぜてはいるが全体に事実の羅列で結構退屈だった）。
というのも、本試験は結局のところ SageMaker についての試験であるといっても過言ではなく、SageMaker のホワイトペーパー等公式ドキュメントや公式チュートリアルを一通り走破することで大方の学習は可能であると思うからだ。
ただ、練習模擬試験については公式だけではどうしても不足するため、こちらもUdemyで補ってはいる（以下は私が利用した比較的高評価のもの）。
私の試験結果
合格基準750/1000のところ、838で合格となった。前回スレスレで通過した Big Data Specialty （難解で苦労した）よりは随分とましな結果である。本認定は理論知識でカバーできる領域が大きいので、ある意味簡単というか準備しやすい一面があったように思う。
出題分野は4つに分かれるが、そのうち「データエンジニアリング」と「機械学習の実装と運用」については「再学習の必要あり」の判定を受け、一方で「探索的データ解析」と「モデリング」は「十分な知識を有する」との評価を受けた。ざっくり言えば、理論面は問題ないが、AWSの実際の運用の観点では知識や経験が不足する、という個人的には反論のしようがない妥当な判定である。白状すれば、想定外の課金が怖かったので、SageMakerも実際にはほとんど動かしておらず、このような内訳になったのは当然至極である。しかし一応座学だけでも総合判定で合格はできるということではある。
AWS認定チャレンジはもうこれで打ち止めにしようかなと考えているが、気が向いたら Solutions Architect Professional は受けるかもしれない（来年以降であれば）。いや、どうせ半分趣味だし音楽関係ないし、そこまでやるこたぁないか...*1
