🚀 AWS Certified Generative AI Developer Professional

📋 試験概要

🎯 出題領域と配分

☁️ 主要 AWS サービス

1. Amazon Bedrock

基礎モデルにアクセスし、カスタム GenAI アプリケーションを構築する Fully Managed サービス。

// Bedrock の基本使用例
import boto3

bedrock = boto3.client('bedrock-runtime')

response = bedrock.invoke_model(
    modelId='anthropic.claude-3-sonnet-20240229-v1:0',
    body=json.dumps({
        'prompt': 'ユーザーからの質問：...',
        'max_tokens_to_sample': 1000
    })
)

2. Amazon SageMaker

ML モデルの構築、トレーニング、デプロイのための統合開発環境。

3. Amazon Kendra Intelligent Document Analysis (IDA)

文書から構造化データを抽出するサービス。

4. AWS Lambda + EventBridge

GenAI ワークフローの自動化とオーケストレーション。

5. Amazon OpenSearch Service

RAG アーキテクチャのためのベクトル検索。

📅 2 週間勉強計画

🔧 実践練習課題

課題 1: チャットボットの作成

• Bedrock で Claude または Llama を選択
• Prompt Template を設計
• Lambda で API エンドポイントを構築
• API Gateway で公開

課題 2: RAG システムの実装

• S3 に PDF ドキュメントをアップロード
• Textract でテキストを抽出
• BEDROCK で Embedding を作成
• OpenSearch にベクトルを保存
• 検索＋LLM で回答を生成

課題 3: Agent の構築

• Bedrock Agents を設定
• Knowledge Base を登録
• Action Groups を定義
• テストと評価を行う

📝 チートシート - 必見ポイント

🎯 LLM 選定基準

🔄 RAG vs Fine-tuning

🛡️ セキュリティチェックリスト

• Bedrock Guardrails で有害コンテンツをフィルタリング
• IAM ロールで最小権限原則を適用
• VPC エンドポイントでネットワーク分離
• KMS でデータの暗号化
• CloudWatch で監査ログの取得
• Red Teaming で脆弱性をテスト

💰 コスト最適化テクニック

• 適切なモデルサイズを選択（過剰な性能は避ける）
• Cache を活用して重複リクエストを削減
• バッチ処理で効率的にリソースを使用
• Spot インスタンスでトレーニング実行
• 未使用のリソースを自動的に停止

✅ 受験テクニック

解答のアプローチ

1. 要件を正確に読み取る
   問題は「最良 (BEST)」か「最も適切 (MOST APPROPRIATE)」かを注意深く読む
2. 消去法を使う
   明らかに不適切な選択肢を先に除外
3. AWS Well-Architected Framework を意識
   セキュリティ、信頼性、効率性、コスト最適化のバランス
4. 具体的なシナリオに応用
   抽象的な答えより、状況に即した具体的な提案を選ぶ
5. 時間を配分
   記述問題は 15-20 分ずつ確保、残りの時間で選択問題を完了

📚 おすすめリソース