Powered by AppSignal & Oban Pro

AWS Certified Generative AI Developer - Professional (AIP-C01) 学習ロードマップ

livebooks/aws/aip/00_index.livemd

AWS Certified Generative AI Developer - Professional (AIP-C01) 学習ロードマップ

Mix.install([
  {:kino, "~> 0.19"},
  {:kino_vega_lite, "~> 0.1"}
])

概要

最終確認日: 2026-09-21

このシリーズは、Amazon Bedrock を中心に、本番向け生成 AI アプリケーションを設計・実装・運用する力を Livebook で身につけるための教材です。暗記ではなく、コードを動かして「なぜその選択肢が適切か」を説明できる状態を目指します。

試験の現在地

標準版 AIP-C01 は 75 問(採点対象 65 問、採点対象外 10 問)、180 分、合格スコアは 750 / 1,000 です。択一・複数選択があり、未回答は不正解、推測による減点はありません。

分野 比重 このシリーズ
1. 基盤モデルの統合、データ管理、コンプライアンス 31% 01, 02, 03
2. 実装と統合 26% 01, 04, 06
3. AI の安全性、セキュリティ、ガバナンス 20% 05
4. 運用効率と最適化 12% 07
5. テスト、検証、トラブルシューティング 11% 08

試験範囲外として明示されているのは、モデルそのものの開発・トレーニング、高度な ML 手法、データ/特徴量エンジニアリングです。一方で、FM の選定・統合、RAG、エージェント、ガードレール、評価、運用は深く問われます。

ノートブック

  1. 01 基盤モデルの統合とモデル選定
  2. 02 プロンプトエンジニアリングと構造化出力
  3. 03 RAG・埋め込み・検索
  4. 04 エージェントとツール統合
  5. 05 安全性・セキュリティ・ガバナンス
  6. 06 本番統合とレジリエンス
  7. 07 コスト・性能・オブザーバビリティ
  8. 08 評価・テスト・トラブルシューティング
Kino.Mermaid.new("""
flowchart
  A["00 試験範囲"] --> B["01 FM統合"]
  B --> C["02 Prompt"]
  C --> D["03 RAG"]
  D --> E["04 Agent"]
  E --> F["05 Safety"]
  F --> G["06 Production"]
  G --> H["07 Operations"]
  H --> I["08 Evaluation"]

  I -. "評価結果を改善へ戻す" .-> C
  I -. "検索品質を改善" .-> D
  I -. "運用データを改善" .-> G
""")

推奨の進め方

各ノートブックを「読む → ローカル演習 → AWS 実習 → 確認問題」の順に進めます。AWS 実習は料金が発生する場合があります。リソースを作る実習では、終了後に必ず削除してください。

domains = [
  %{domain: "1. FM・データ", weight: 31, notebooks: "01 / 02 / 03"},
  %{domain: "2. 実装・統合", weight: 26, notebooks: "01 / 04 / 06"},
  %{domain: "3. 安全・統制", weight: 20, notebooks: "05"},
  %{domain: "4. 運用最適化", weight: 12, notebooks: "07"},
  %{domain: "5. 評価・障害", weight: 11, notebooks: "08"}
]

domain_rows =
  Enum.map(domains, &Map.put(&1, :questions_per_65, Float.round(&1.weight * 65 / 100, 1)))

domain_chart =
  VegaLite.new(width: 680, height: 260, title: "AIP-C01 の分野別比重")
  |> VegaLite.data_from_values(domain_rows)
  |> VegaLite.mark(:bar, tooltip: true)
  |> VegaLite.encode_field(:y, "domain", type: :nominal, title: "分野", sort: "-x")
  |> VegaLite.encode_field(:x, "weight", type: :quantitative, title: "試験比重 (%)")
  |> Kino.VegaLite.new()

Kino.Layout.tabs([
  {"比重グラフ", domain_chart},
  {"65問換算", Kino.DataTable.new(domain_rows)}
])

上の値は学習時間配分の目安です。試験は補整スコアリングであり、分野ごとの合格ラインはありません。

学習前チェック

  • AWS のコンピューティング、ストレージ、ネットワークの基礎を説明できる
  • IAM の最小権限、KMS、VPC エンドポイントを説明できる
  • Lambda、API Gateway、SQS、EventBridge、Step Functions の使い分けができる
  • CloudWatch、CloudTrail、X-Ray の役割を区別できる
  • 料金、データ所在地、レイテンシー、品質を同時にトレードオフ評価できる

不足がある場合も先に進めますが、選択肢問題で「生成 AI 以外の AWS 基礎」が決め手になることを意識してください。

最新情報の扱い

生成 AI サービスは更新が速いため、次を固定値として暗記しません。

  • 個別モデル ID、モデルの提供終了日
  • 対応リージョンと推論プロファイル
  • コンテキスト長、クォータ、価格
  • API・機能ごとの対応モデル

各実習の開始時に、モデルカタログ、リージョン可用性、API 互換性、料金、Service Quotas を確認してください。このシリーズでは、モデル ID を入力または API から取得する構成にしています。

公式リソース

AWS は、公式 Practice Question Set、Exam Prep Course、SimuLearn、Official Pretest を含む 4 ステップの準備を案内しています。Livebook の実習に加えて、公式問題で設問形式と判断基準を確認してください。

修了条件

各ノートブックの確認問題に、自分の言葉で「採用案」「却下案」「トレードオフ」を書けたら修了です。単一サービス名だけでなく、要件から構成を逆算できることを重視します。