出版書誌データベース

　本書は、これまで多くの合格者を輩出してきた「一夜漬けAWS認定シリーズ」の最新作として、AWS認定AIプラクティショナー（AIF‑C01）試験に最短で合格することを目的に構成しています。忙しい皆さまが限られた時間で最大の成果を得られるよう、出題傾向を徹底分析し、頻出ポイントを集約しました。

　加えて本書は、単なる試験対策にとどまりません。AI・機械学習・生成AIの基本概念をやさしく解説し、AWS 上での実装とユースケースを通じて現場で再現できる知識の定着を目指します。具体的には、Amazon SageMakerによる機械学習の利用、Amazon Bedrockを中心とした生成AIの実践、その他、画像・動画分析、テキスト・音声分析、予測・レコメンドに加え、AIソリューション設計、セキュリティとガバナンスまでを一気通貫で網羅しています。

　これまでに本書の内容を活用して試験に挑戦された方々は、現時点で100％の合格率を達成しています。学習効率の良さが本書のポイントであるとともに、受験勉強が終わった後も、得た知見がプロジェクト推進やキャリアの選択肢拡大に直結する――それが本書の価値だと確信しています。

　最新の技術トレンドに右往左往しないために、不変の基礎と更新可能な設計思考を本書で身につけてください。では、短期間での合格とAI技術の実践的活用を目指して、ここから一緒に学びを始めましょう。

【本書の内容】
第1章　AWS認定AIプラクティショナー試験について
第2章　クラウドとAWSの基本
第3章　AI/MLの基礎知識
第4章　Amazon SageMakerの利用
第5章　Amazon Bedrockによる実践
第6章　画像・動画分析
第7章　テキスト・音声分析
第8章　予測分析とレコメンデーション
第9章　AIソリューション設計
第10章　セキュリティとガバナンス
第11章　実践練習問題
第12章　AIプラクティショナー試験向け用語集

第1章　AWS認定AIプラクティショナー試験について
1-1　試験の概要と対象者
1-2　出題範囲
1-3　本書の構成

第2章　クラウドとAWSの基本
2-1　クラウドコンピューティングの基本
2-2　責任共有モデル：どこまでが自社の責任？
2-3　AWSマネジメントコンソール
2-4　主要なコンピューティングサービス
2-5　ストレージサービスの基礎
2-6　データベースサービスの基礎
2-7　基本的なネットワーク設定
2-8　AWSの基本的なセキュリティ
2-9　VPCのプライベート接続：AWS PrivateLink
2-10　コンプライアンスの基礎：AWS Audit Manager と AWS Config
2-11　AWS料金の基本：オンデマンド課金で小さく始める
2-12　コスト管理とモニタリング
2-13　監査ログと外部レポート：AWS CloudTrail と AWS Artifact
2-14　Amazon Q（Busines／Developer）の全体像

第3章　AI/MLの基礎知識
3-1　AIの基本概念
3-2　AIの歴史と発展
3-3　機械学習の基本
3-4　AIの学習と推論の基本：モデルはどう作り、どう使う？
3-5　教師あり学習の基礎
3-6　教師なし学習の基礎
3-7　強化学習の基礎
3-8　転移学習
3-9　従来の機械学習のモデル例：決定木・SVM・ロジ回帰
3-10　ディープラーニングの基本構造
3-11　代表的なディープラーニングモデル
3-12　機械学習プロジェクトの進め方
3-13　データの前処理と特徴量エンジニアリング
3-14　MLモデルの評価と改善
3-15　MLモデルのデプロイと運用
3-16　AI/MLの課題と限界
3-17　AIサービスの選択指針
3-18　生成AIの概要
3-19　生成AIの仕組み（トークン化と埋め込み）
3-20　プロンプトエンジニアリングの基礎
3-21　プロンプトパターンと実践
3-22　生成AIの種類と特徴
3-23　生成AIのユースケース（ビジネス）
3-24　生成AIのユースケース（技術）
3-25　RAGアーキテクチャの基礎
3-26　生成AIの評価方法
3-27　AIキーワードまとめ：安全・品質・学習の要点
3-28　AI運用メトリクス：平均応答時間で“速さ”を測る
3-29　QAチャットのビジネス指標：AHT（平均通話時間）
3-30　探索的データ分析（EDA）と他の分析の違い
3-31　公平性（Fairness）と多様性配慮のデータ設計
3-32　倫理的考慮事項
3-33　生成AI導入のロードマップ
【コラム】企業の生成AI活用の新展開～個人情報保護からオープンウェイトモデルへ～

第4章　Amazon SageMakerの利用
4-1　AWSのAIサービス地図とAmazon SageMakerの役割
4-2　SageMakerファミリー早見表（全体像）
4-3　Amazon SageMaker Studio（統合開発環境）
4-4　学習の基盤：Training／Distributed／Training Compiler／Debugger
4-5　推論オプションの使い分け
4-6　Amazon SageMaker Feature Store（特徴量の共有と再利用）
4-7　Amazon SageMaker Data Wrangler（GUIデータ前処理）
4-8　Amazon SageMaker Ground Truth／Ground Truth Plus（ラベリング）
4-9　Amazon SageMaker JumpStart（事前学習モデルとFMの導入）
4-10　Amazon SageMaker Canvas（ノーコードで学習から予測まで）
4-11　Amazon SageMaker Autopilot（AutoML）
4-12　Amazon SageMaker Clarify（公平性と説明可能性）
4-13　ガバナンスとMLOps：Model Cards／Model Monitor／Pipelines他
4-14　本番の安全性：エンドポイントのVPC配置／PrivateLink／暗号化

第5章　Amazon Bedrockによる実践
5-1　Amazon Bedrock概要
5-2　Amazon Bedrockの位置づけとSageMakerとの違い
5-3　Bedrockの主機能カタログ
5-4　基盤モデル（FM）の種類と選択（生成／埋め込み／マルチモーダル）
5-5　Amazon Bedrockの基本設定
5-6　API呼び出しの基本
5-7　テキスト生成の実装
5-8　プロンプトの最適化
5-9　プロンプトインジェクション攻撃と防御策（敵対的プロンプト）
5-10　ファインチューニングの基礎
5-11　RAGの基本アーキテクチャ
5-12　ベクターデータベースの構築
5-13　RAGの実装：Knowledge Bases for Amazon Bedrock
5-14　Guardrails for Amazon Bedrock（安全な生成の土台）
5-15　Agents for Amazon Bedrock（タスクフローの自動化）
5-16　推論パラメータ：一貫性を高めるTemperature
5-17　画像生成の品質：Stable DiffusionとCFGスケール
5-18　コスト設計：推論費用の主因はトークン量
5-19　可観測性：Amazon Bedrockのモデル呼び出しログ
5-20　実践的なユースケース①カスタマーサポート自動化
5-21　実践的なユースケース②文書要約・分類システム

第6章　画像・動画分析
6-1　画像・動画分析の概要
6-2　Amazon Rekognitionの基本機能
6-3　画像分析の基本実装
6-4　顔検出と分析
6-5　物体とシーン検出
6-6　テキスト検出（OCR）
6-7　動画分析の基本
6-8　動画での人物追跡
6-9　コンテンツモデレーション
6-10　実践的なユースケース①
6-11　実践的なユースケース②
6-12　パフォーマンスとコスト最適化
6-13　セキュリティとプライバシー
6-14　まとめ

第7章　テキスト・音声分析
7-1　テキスト・音声分析概要
7-2　Amazon Comprehendの基礎
7-3　感情分析の実装
7-4　エンティティ認識と分類
7-5　Amazon Comprehend Medicalの活用
7-6　Amazon Transcribeの基礎
7-7　音声文字起こしの実装
7-8　カスタム語彙の活用
7-9　マルチ言語音声認識
7-10　Amazon Translateの基礎
7-11　翻訳システムの実装
7-12　カスタム翻訳の活用
7-13　サービス連携の実装
7-14　パフォーマンスとコスト最適化
7-15　まとめ

第8章　予測分析とレコメンデーション
8-1　予測分析とレコメンデーション概要
8-2　Amazon Forecastの基礎
8-3　時系列データの準備
8-4　予測子の作成と設定
8-5　予測の生成と評価
8-6　Amazon Forecastの実践的活用
8-7　Amazon Personalizeの基礎
8-8　データセットの準備
8-9　レコメンダーの作成
8-10　キャンペーンのデプロイ
8-11　インタラクションデータの収集
8-12　フィルタリングとランキング
8-13　A/Bテストの実施
8-14　システム統合と運用
8-15　パフォーマンス最適化
8-16　セキュリティとプライバシー
8-17　モニタリングと分析
8-18　トラブルシューティング
8-19　発展的なユースケース
8-20　まとめ

第9章　AIソリューション設計
9-1　AIソリューション設計の基礎
9-2　要件分析の進め方
9-3　データ戦略の立案
9-4　AWSサービスの選択基準
9-5　アーキテクチャパターン
9-6　モニタリング設計
9-7　メンテナンス計画
9-8　ビジネス指標の評価（AHT、NPSなど）
【コラム】企業内デジタルヒューマンの新時代～身近な良い先輩からの出発～

第10章　セキュリティとガバナンス
10-1　AIセキュリティの基本概念
10-2　アクセス管理とIAM
10-3　ネットワークセキュリティ
10-4　モデルセキュリティ
10-5　監視とログ記録
10-6　AIガバナンスフレームワーク
10-7　モデルガバナンス

第11章　実践練習問題

第12章　AIプラクティショナー試験向け用語集
12-1　分析（Analytics）
12-2　クラウド財務管理（Cloud Financial Management）
12-3　コンピューティング（Compute）
12-4　コンテナ（Containers）
12-5　データベース（Databases）
12-6　機械学習（Machine Learning）
12-7　マネジメントとガバナンス（Management and Governance）
12-8　ネットワークとコンテンツ配信（Networking & CDN）
12-9　セキュリティ・アイデンティティ・コンプライアンス
12-10　ストレージ（Storage）

著：山内貴弘
山内　貴弘（やまうち・たかひろ）
◎株式会社なみなみブックス代表取締役。
◎IBMにて、アカウントSEとしてソフトウェア販売で日本一2回達成、またPMとしては大規模ITプロジェクトマネジメントを数多く成功に導く。また人材開発・リスキリングを担当し、事業分野のリスキリングではJapan Leaderとして推進した。
◎その後、東証プライムのITベンダーであるクレスコに移籍し、インフラストラクチャ関連の事業部長やシニアテクニカルエグゼクティブとしてAWSビジネスを推進。またインドのソフトウェア会社の役員も担当。
◎現在はAIを活用した新しい業務形態の会社を起業し、ユーザー企業に向けた先端AI 活用を提案している。著書に『一夜漬けAWS認定ソリューションアーキテクトアソシエイト［C03対応］直前対策テキスト』『一夜漬けAWS認定クラウドプラクティショナー［C02対応］直前対策テキスト』（ともに秀和システム刊）など、著書としてもAWS資格に向けた書籍を数多く執筆している。