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

livebooks/aws/aip/00_index.livemd

Ryo Wakabayashi

@RyoWakabayashi

elixir-learning

Share to X

Share to Bluesky

More notebooks

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: 2026-09-22

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

各章には、実務要件を読み取って「採用案・却下案・検証方法」を決めるケース演習を置いています。05 と 06 は実際に AWS リソースを作成するため、最後のクリーンアップと残存確認までを実習範囲に含めます。

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「要件を読む → 仮説を立てる → ローカルで比較する → AWS で検証する → 証拠を残す → 削除する」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。

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。

AWS 実習の共通ルール

リソース作成を含むノートブックでは、次のタグを作成時に付けます。aip:lab-id は実行ごとに変え、aip:owner は自分を識別できる値にします。

タグ	用途
`aip:managed-by=livebook`	この教材が作成したリソースを横断検索する
`aip:lab-id=<run id>`	1回の実習で作成したリソースを束ねる
`aip:notebook=<name>`	作成元ノートブックを特定する
`aip:owner=<name>`	複数利用者の実習を区別する
`aip:expires-at=<ISO 8601>`	削除予定時刻を人と自動化が判断する

実習の完了条件は API が成功することではなく、次の4点です。

作成直後に ARN / URL / ID をリソース台帳へ登録する
操作結果、request ID、メトリクスを確認する
依存する側から逆順で削除する
個別 API と Resource Groups Tagging API の両方で残存を確認する

Livebook を閉じるとメモリ上の台帳は失われます。タグはその場合の復旧手段です。後日の棚卸しでは aip:managed-by=livebook と aip:owner で検索し、aip:expires-at を過ぎたものを確認してください。タグ検索は結果反映に時間がかかることがあり、未タグのリソースは GetResources に出ないため、サービス固有の一覧 API も併用します。

Kino.Mermaid.new("""
flowchart LR
  P["Plan: name / TTL / tags"] --> C["Create"]
  C --> R["Register ID / ARN"]
  R --> V["Verify behavior"]
  V --> D["Delete in reverse dependency order"]
  D --> A{"Leak audit"}
  A -->|remaining| D
  A -->|none| Z["Lab complete"]
""")