「SAAは取ったけれど、次に何を取ればいいのか分からない」「AWSの機械学習系の認定は転職で意味があるのか」と迷っていませんか。SAP、DOP、DEA、MLAと選択肢が多く、しかも資格が実務の代わりにならないことは多くの人が感じているはずです。
この記事では、AWS Certified Machine Learning Engineer – Associate(MLA-C01)が転職でどう見られるのかを、公式の試験ガイドの記述と、当サイトの見立てを分けて整理します。あわせて、SAA取得者が追加で学ぶ範囲、学習の順番、資格より先に積むべき経験、転職エージェントの使い方までまとめます。
なお、試験は更新(MLA-C02)が進んでいます。受験前には必ず公式サイトで最新状況を確認してください。詳しくは「MLA-C02への更新で受験前に確認すること」の章で整理しています。
- この記事はこんな方におすすめです
- SAAの次の一手として、MLA-C01を取る価値があるか知りたい方
- データ基盤・インフラ職から、ML・AI開発寄りに進みたい方
- 資格を取る前に、何を経験しておくべきか整理したい方
結論:MLA-C01は「ML実務の裏付け」として効く資格。未経験の入口にはならない
先に結論です。MLA-C01は、AWS上でMLパイプラインを作って運用している人、またはこれから関わる人が、その知識を体系的に示すための資格だと考えます。ML実務の経験がない人が、この資格だけで書類選考を通る入口になるとは考えにくい、というのが当サイトの見立てです(断定はできません)。
理由は、公式の試験ガイドが想定する受験者像にあります。ガイドには、Amazon SageMakerをはじめとするAWSのサービスを使ったMLエンジニアリングの経験が1年以上あることに加え、バックエンド開発者・DevOps開発者・データエンジニア・データサイエンティストなど関連職務での1年以上の経験も想定されていると書かれています。つまり、もともと実務者向けの資格です。
立場別の判定を表にまとめます。ここに書いた判定は公式の記述ではなく、当サイトの目安です。
| あなたの立場 | 当サイトの目安 | 理由 |
|---|---|---|
| SAA取得済みで、ML業務の予定がある | 取る価値あり | SageMaker等の運用知識を整理でき、業務と学習が重なる |
| データ基盤の実務者(ML寄りに広げたい) | 取る価値あり | データ準備の領域が試験の約3割を占め、既存経験を活かせる |
| ML実務者(AWS以外の環境が中心) | 案件次第 | AWSでの運用経験を示したいときに有効 |
| 非エンジニア・IT未経験 | 後回しでよい | 先にAIF-C01やSAAなど基礎から進めるほうが現実的 |
求人要件や自分の経験で応募できる求人を確認したい方は、後半の「おすすめ転職エージェント」の章も参考にしてください。
「AWSの機械学習資格は意味ない?」と迷う3つの悩み
検索では「意味ない」という言葉が並びます。背景には、次の3つの悩みがあると考えています。
- 意味ないのでは?:資格を持っていても、ML実務の代わりにはならないという声があります。
- SAAの次は何を取る?:上位のSAPやDOP、データ系のDEA、ML系のMLAなど、方向が複数あります。
- ML未経験でも取れる?:公式は実務1年以上を想定しているため、独学で届くか不安になります。
「意味ない」と言われる最大の理由は、資格は知識の証明であって実務の証明ではない点にあります。SAAについて同じ観点で整理した記事にAWS SAAは転職で評価される?があります。MLA-C01でも考え方は共通で、資格が評価されるのは「実務の裏付けとして使うとき」です。
筆者はAI開発に携わるエンジニアで、AWSを使った開発の現場を踏まえて書いています。ただし、この記事は公式の試験ガイドと当サイトの見立てをもとにしたもので、筆者がMLA-C01を受験した体験記ではありません。そのため、合格点や勉強時間を体験として示すことはせず、公式情報と実務の観点に限って書きます。
MLA-C01とは?試験の概要と最新の更新状況
MLA-C01は、AWSクラウドを使ったMLソリューションとパイプラインの構築・運用化・デプロイ・保守の能力を検証する認定です(公式の試験ガイドより)。ガイドには、データの取り込み・変換・検証、モデルの選択と学習、ハイパーパラメータのチューニング、デプロイ先の選択、CI/CDによるワークフローの自動化、モニタリング、セキュリティの確保といったタスクが挙がっています。
出題は4つのコンテンツ分野に分かれており、配点は次のとおりです(採点対象コンテンツに占める割合)。
| 分野 | 内容 | 配点 |
|---|---|---|
| 1 | MLのためのデータ準備 | 28% |
| 2 | MLモデルの開発 | 26% |
| 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% |
| 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% |
モデルを作る分野2は4分の1ほどで、データ準備、デプロイ、監視・セキュリティを合わせると4分の3を占めます。研究寄りのモデリングよりも、運用を含めたエンジニアリングが問われる試験だと読み取れます。受験料・試験時間・問題数などは変わることがあるため、AWS公式の認定ページでご確認ください。
MLA-C01・AIF-C01・DEA-C01の違い(表)
名前が似ている認定との違いを整理します。レベルや位置づけは公式の区分、右から2番目の「向く人」は当サイトの目安です。旧来の専門認定であるMachine Learning – Specialty(MLS-C01)も、比較のため1行入れています。
| 認定 | レベル | 主な範囲 | 向く人(当サイトの目安) | 転職評価の記事 |
|---|---|---|---|---|
| MLA-C01 | Associate | MLパイプラインの構築・運用 | ML運用に関わる実務者 | この記事 |
| AIF-C01(AI Practitioner) | Foundational | AI・MLと生成AIの基礎 | 非エンジニア、入門者 | AWS AI Practitionerは転職で評価される? |
| DEA-C01(Data Engineer) | Associate | データパイプラインの構築・運用 | データ基盤職 | AWS Data Engineer Associateの転職評価 |
| MLS-C01(Machine Learning – Specialty) | Specialty(2026年3月31日で受験終了) | 機械学習の専門認定 | 新規の受験はできません | — |
Machine Learning – Specialty(MLS-C01)は、AWS公式ブログによると、受験できる最終日が2026年3月31日とされています。すでに取得している方の認定は、元の有効期限まで有効です。なお、AWSはMLAがMLSの直接の後継であるとは書いていないため、この記事でもそうは扱いません。AWS認定全体の位置づけはAWS認定資格全12種の比較とロードマップにまとめています。
MLA-C02への更新で受験前に確認すること
執筆時点(2026年11月)のAWS公式の認定ページには、次のことが書かれています。
- C01の受験期間:英語版は2026年9月28日まで。日本語・韓国語・簡体字中国語版は、C02の一般提供が始まるまで受験できます。
- C02の提供状況:ベータ試験は英語のみで、2026年9月29日から実施されています。一般提供の時期は、公式でも未定とされています。
- C02で追加される範囲:生成AI(Amazon BedrockやRAG)、エージェントAI、基盤モデル・LLM、責任あるAIです。ドメイン構成は変わらないとされています。
C02の試験ガイドも公式で公開されています。一般提供の日付は変わる可能性があるため、受験を申し込む前に、公式の認定ページでもう一度確認してください。あわせて、使っている問題集や模擬問題がC01向けかC02向けかも確かめておくと安心です。
MLA-C01の難易度と勉強時間の目安
先に、公式の試験ガイドで確認できた試験の仕組みをまとめます。
| 項目 | 公式ガイドの記載 |
|---|---|
| 合格スコア | 1,000点満点中720点(合否判定方式) |
| 問題形式 | 択一・複数選択・並べ替え・内容一致(複数選択・並べ替え・内容一致は、すべて正解して初めて得点) |
| 合否の判定 | 試験全体のスコアで判定(分野ごとの合格ラインはなし) |
難易度は、SageMaker等の実務経験があるかどうかで大きく変わります。合格率や必要な勉強時間は、公式には公表されていないため、ここで数値を示すことはしません。目安として言えるのは、SAAとは問われる軸が違うということです。SAAは「どのサービスを組み合わせて設計するか」の幅が中心でした。MLA-C01は、データ準備からデプロイ・監視までMLのライフサイクルを理解しているかが中心になります。形式に慣れておくことも、対策の1つになります。
勉強時間は個人差が大きく、MLの基礎があるかで変わります。そのため、時間を決め打ちするより、公式の試験準備プランと公式の模擬問題で現在地を測り、不足分野を埋めていく進め方をおすすめします。SAAの学習手順を振り返りたい方はAWS SAAの勉強方法も参考になります。
SAA取得者が追加で学ぶ範囲(SageMaker・アルゴリズム・評価指標・MLOps)
SAAの知識(S3、IAM、VPC、CloudWatchなど)は、そのまま土台として使えます。追加で必要になるのは、公式ガイドの「推奨されるAWSの知識」に挙がっているものが中心です。
| 追加で学ぶ範囲 | 公式ガイドでの記載 |
|---|---|
| SageMakerの機能とアルゴリズム | モデルの構築とデプロイのための機能・アルゴリズムの知識 |
| データ準備のサービス | モデリング用のデータを準備するデータストレージ・処理サービスの知識 |
| MLOps | CI/CDパイプラインの自動化・オーケストレーションのサービスの知識 |
| 監視 | ML システムのログ記録・トラブルシューティング用のモニタリングツール |
なお、IaC(Infrastructure as Code、インフラ構成をコードで管理すること)とバージョン管理は、公式ガイドではAWSの知識ではなく「IT全般の知識」として挙がっています。
つまずきやすい分野
第三者の受験レポートでは、周辺のAWSサービスの問題を落とさないこと、アルゴリズムと評価指標を整理して覚えることが要点として挙げられています(Zennの受験レポートより)。これは1人の体験であり、全員に当てはまるとは限りません。
当サイトの見立てとして、SAA取得者がつまずきやすいのは、アルゴリズムが「分類か回帰かクラスタリングか」で使い分けられる点と、評価指標の選び方です。AWSのサービス知識だけでは解けないため、表にまとめて覚える方法が有効だと考えます。
学習ロードマップ:SAAの次にMLA-C01へ進む順番
資格だけで終わらせず実務につなげるために、次の順番を提案します。
ステップ1〜2:現在地の把握とSageMakerを触る
- 現在地を確認する:AWS公式の試験準備プランと公式の模擬問題で、どの分野が弱いかを把握します。
- SageMakerを実際に触る:学習、推論エンドポイント、パイプライン、モニタリングを一通り動かします。読むだけと触ったあとでは、問題文の理解が変わると思います。
ステップ3〜5:知識の整理と受験前チェック
- アルゴリズムと評価指標を表にまとめる:タスク(分類・回帰・時系列など)ごとに、使うアルゴリズムと評価指標を1枚にします。
- 周辺サービスの取りこぼしを潰す:S3、IAM、VPC、CloudWatchなどを模擬問題で確認します。
- 受験前にC01・C02の最新状況を公式で確認する:前の章の3点を再チェックします。
AI・MLの基礎から固めたい方には、AIF-C01の参考書・問題集も入口になります。
合格後のキャリア:MLエンジニア・MLOps・データ基盤からAI開発まで
資格が活きやすい職種と、そうでない職種を切り分けます。いずれも当サイトの見立てです。
| 職種 | 資格の活きやすさ | 理由 |
|---|---|---|
| MLエンジニア・MLOps | 活きやすい | 試験範囲がパイプライン構築・運用・監視と重なる |
| データエンジニア(ML寄りへ) | 活きやすい | データ準備の知識に、モデル運用の知識を足せる |
| AI開発・生成AIアプリ開発 | 一部活きる | AWS上の運用知識は役立つが、必要スキルは職場で異なる |
| モデル研究・独自アルゴリズム開発 | 活きにくい | 資格より論文・実装実績が見られると考える |
MLエンジニア・MLOps
モデルを本番で動かし続ける仕事に近く、試験範囲との重なりが最も大きいと考えます。パイプラインの自動化やモニタリングの経験があれば、資格がその裏付けになります。
データエンジニアからML寄りへ
データ準備の分野が配点の28%を占めるため、データ基盤の経験者は取り組みやすいはずです。データ基盤側の評価はAWS Data Engineer Associateの転職評価と合わせて読むと、キャリアの広げ方が見えやすくなります。
AI開発・生成AIアプリ開発
生成AIを使ったアプリ開発が増えており、公式の認定ページによると、MLA-C02ではAmazon BedrockやRAGといった生成AI、エージェントAI、基盤モデル・LLM、責任あるAIが範囲に加わります。MLA-C01の時点では、これらは試験範囲の中心ではありません。生成AIアプリ寄りの仕事を狙う方は、C02の一般提供の時期を公式で確認しながら、どちらの版を受けるかを決めるとよいでしょう。
なお、年収の相場はAIエンジニアの年収と相場に出典つきでまとめています。この記事では年収の数値は載せません。
転職市場での評価:資格は何を証明し、何を証明しないか
資格が証明するのは、試験範囲の知識を体系的に持っていることです。何を作り、どう運用したかは証明しません。この点を前提に、評価されるケースとされにくいケースを分けます。なお、求人サイトでの記載件数や年収の集計は、この記事では確認できていないため載せません。
評価されるケース
- AWS上でMLを運用した経験があり、資格がそれを体系的に裏付ける場合
- 社内SEやSIer、AWSパートナー企業など、AWS認定が要件や評価項目になる場合(一般論です。個別の企業は求人票で確認してください)
AWS認定全般が社内SE転職でどう見られるかはAWS認定資格は社内SE転職で評価される?にまとめています。
評価されにくいケース
ML実務の経験がなく、資格だけを提示する場合です。選考では、どんなデータで何を作り、どう運用したかというプロジェクト経験やポートフォリオが見られると考えます。資格全般の価値の考え方はAI時代にIT資格は意味ない?でも整理しています。
資格より先に積むべき経験
| 経験 | 職務経歴書での書き方の例 |
|---|---|
| 社内でのPoC・ML関連タスクへの参加 | 担当した範囲と、使ったAWSサービスを書く |
| SageMakerでの小さなMLパイプラインの自作 | データ準備から推論までの構成を図と文で残す |
| モデルのデプロイと監視の個人開発 | 公開リポジトリと、何を監視したかを併記する |
SAA取得後・ML未経験からMLエンジニアを目指す転職ステップ
AWSのインフラ職、開発職、データ職のどこにいても、現実的なルートは次の4ステップです。
- 現職でML関連タスクに関われるか確認する:社内異動やPoCへの参加を探します。
- 小さなMLパイプラインを自作する:SageMakerなどで作り、成果物として残します。
- MLA-C01を取得する:職務経歴書では「何を作ったか」と併記します。
- 求人要件を確認する:転職エージェントでML・データ基盤・AI開発の求人要件を見比べ、不足を補います。
完全未経験の方や非エンジニアの方は、先にAI Practitioner(AIF-C01)の試験概要と勉強方法や、SAAなどの基礎から始めるのが現実的です。インフラ寄りで進めたい方はAWSエンジニアになるには?、開発職からの移行はJavaエンジニアがAWSの実務経験を積むまでが参考になります。
おすすめ転職エージェント:ML・AI開発職を探すときの選び方
ML・AI開発職は、求人票ごとに必要なスキルや経験年数が大きく違います。IT特化型のエージェントを使う利点は、求人要件の読み解きを手伝ってもらえることと、自分の経験で応募できる求人を知れることです。「資格だけで転職できる」わけではないため、資格を取る前に求人要件を見ておくと、学ぶ順番を決めやすくなります。
※本セクションには、紹介記事を経由して外部サービスへ案内するプロモーションが含まれます。
| サービス | 向いている人(紹介記事の記載より) | 詳しい紹介 |
|---|---|---|
| Geekly | IT・Web・ゲーム業界特化の強みを知りたい人。書類添削や連絡頻度の実際を知りたい人 | Geeklyを実際に使った感想 |
| AIdea Career(旧クラウドリンク) | 自社内開発への転職を目指すエンジニア | AIdea Career(旧クラウドリンク)の紹介 |
▼Geeklyの評判と使った感想はこちら▼
▼AIdea Career(旧クラウドリンク)の紹介はこちら▼
相談では、「MLA-C01を持っている場合、どの求人でどう見られるか」を直接聞くのがおすすめです。あわせて、気になる求人の要件を見比べ、足りない経験を洗い出しておくと、次に積む経験の優先順位が決まります。
よくある質問
MLA-C01は未経験でも取れますか?
公式ページに、受験の前提条件の記載はありません。想定されているのはSageMaker等でのMLエンジニアリング経験1年以上ですが、ML経験がない人向けに、公式の試験準備プラン(Exam Prep Plan)が用意されています。まずは試験準備プランと、実際にSageMakerを触る学習から始めるのが進めやすいと考えます。
MLA-C01とAIF-C01はどちらから取りますか?
AI・MLの基礎がまだなら、AIF-C01が入口になります。すでにML運用に関わっているか、関わる予定があるならMLA-C01が候補です。
旧Machine Learning – Specialtyとの違いは?
Machine Learning – Specialty(MLS-C01)はSpecialtyレベルの認定で、AWS公式ブログによると、2026年3月31日が受験できる最終日です。すでに取得している方の認定は、元の有効期限まで有効です。MLA-C01はAssociateレベルで、MLの構築・運用化・デプロイ・保守を範囲としています。AWSはMLAがMLSの直接の後継とは書いていないため、同じ位置づけの認定とは言えません。
C01とC02、今受けるならどちらですか?
執筆時点(2026年11月)の公式ページを前提にすると、日本語で受けるなら、C02の一般提供が始まるまではC01です。英語で受けるなら、C01の英語版は2026年9月28日までのため、C02が対象になります(C02のベータは英語のみ)。C02の一般提供の時期は未定とされているので、受験前にAWS公式の認定ページで再確認してください。
取得すると年収は上がりますか?
資格単体で年収が上がるとは言い切れません。基準になるのは担当した業務の範囲と経験で、資格はそれを裏付ける材料と考えるのが妥当です。
まとめ:MLA-C01を取る人・取らない人と次の一歩
この記事では、MLA-C01の概要、難易度の考え方、学習の順番、転職での見られ方を整理しました。要点は、MLA-C01はML実務の裏付けとして使う資格であり、未経験の入口にはなりにくいということです。
- 取る人:ML運用の実務があるか、これから関わる予定がある人
- 後回しでよい人:ML実務の予定がなく、評価目的だけで取ろうとしている人
次の一歩として、基礎ならAI Practitioner(AIF-C01)の試験概要と勉強方法、データ基盤側ならAWS Data Engineer Associateの転職評価、年収が気になる方はAIエンジニアの年収と相場へ進んでください。求人要件を確認したい方は、Geeklyを実際に使った感想も参考にしてみてください。
最後までお読みいただきありがとうございました。
※本記事の情報は2026年11月時点のものです。最新情報は公式サイトでご確認ください。


コメント