AWS Solutions Architect Associate (SAA) 학습 중에 정리한 AI / ML 서비스 지식을 정리했습니다.

시험에서는 "어떤 서비스가 어떤 데이터 유형을 처리하는가"가 질문됩니다. 서비스 이름과 대상 데이터 유형의 대응 관계를 정확하게 기억해 두는 것이 중요합니다.

본 기사는 개인의 학습 노트를 기반으로 하고 있습니다. 오류가 있다면 댓글로 지적해 주시면 감사하겠습니다.

시험에서는 다음과 같은 서비스를 혼동시키는 선택지가 빈번하게 등장합니다.

Rekognition은 이미지 / 동영상 분석 (텍스트의 감성 분석은 Comprehend)

Translate는 번역 (감성 분석은 Comprehend)

Transcribe는 음성 → 텍스트 (텍스트 → 음성은 Polly)

QuickSight는 BI 시각화 (SQL 쿼리 분석은 Athena)

시나리오: PDF 문서에서 텍스트를 추출하고, 그 내용에 대해 감성 분석이나 엔티티 탐지를 수행하고 싶습니다. 어떤 서비스를 조합해야 할까요?

정답: Textract → Comprehend (엔티티 탐지 + 감성 분석) → S3

Textract = OCR (PDF → 텍스트)
Comprehend = NLP (감성 분석, 엔티티, 토픽)

• SageMaker 커스텀 모델은 훈련이 필요하며 운영 부하가 큼
• Rekognition은 이미지 / 동영상 분석 (텍스트의 감성 분석은 불가)
• Athena는 SQL 쿼리 (감성 분석 기능은 없음)

시나리오: 콜센터의 음성 데이터를 텍스트로 변환하고, SQL로 트렌드 분석을 하고 싶습니다. 어떤 서비스를 조합해야 할까요?

정답: Amazon Transcribe + Amazon Athena

Transcribe = ASR (음성 → 텍스트 변환)
Athena = SQL 쿼리 분석

• Kinesis는 음성 파일 읽기에 대응하지 않음
• QuickSight는 시각화 도구 (SQL 쿼리 도구가 아님)

시나리오: 사용자의 피드백을 API로 수집하여 감성 분석을 하고 1년간 보관하고 싶습니다. 스파이크(Spike) 발생 시에도 확장 가능한 구성은 무엇인가요?

정답: API Gateway → SQS → Lambda → Comprehend → DynamoDB (TTL 365일)

Translate는 번역 (감성 분석은 불가)
Transcribe는 음성 → 텍스트 (텍스트 분석은 Comprehend)

• EC2는 서버리스(Serverless)가 아님

AI / ML 서비스 문제는 "어떤 서비스가 어떤 데이터 유형을 처리하는가"를 정확하게 기억해 두면 대응할 수 있습니다. 특히 "PDF → Textract", "텍스트 감성 분석 → Comprehend", "음성 → Transcribe", "이미지 → Rekognition"의 대응 관계는 반사적으로 판단할 수 있도록 해 두시기 바랍니다.

틀린 부분이나 보충할 내용이 있다면 꼭 댓글로 알려주세요.