AWS SAA-C03試験対策｜データ分析・機械学習編

雑記

2025.08.31

AWS SAA-C03試験対策｜データ分析・機械学習について、まとめています。自分のアウトプットです！

データ分析の第一歩は、データを集めることです。

Amazon Kinesis: リアルタイムで大量に発生するデータを収集・処理したいときに使うサービスです。
- Kinesis Data Streams は、カスタムのアプリケーションを構築して、より柔軟にデータを処理する場合に利用します。
- Kinesis Data Firehose は、データを特定の宛先（S3、Redshift、OpenSearchなど）に自動で送ってくれるので、簡単にデータを保存したい場合に最適です。
Amazon MSK (Managed Streaming for Apache Kafka): もし、既にApache Kafkaを使っている場合や、Kafkaのエコシステムを利用したい場合は、フルマネージドなMSKが選択肢になります。

集めたデータはどこに保存するべきでしょうか？

Amazon S3: データレイクの主役です。高い耐久性、可用性、スケーラビリティを誇り、ほぼ無制限のデータを低コストで保存できます。
AWS Lake Formation: S3にデータレイクを構築した際、セキュリティやアクセス権限の管理を簡単にするためのサービスです。データの統制をシンプルにしてくれます。

次に、保存したデータを分析しやすい形に加工・処理します。

AWS Glue: サーバーレスなETL（抽出・変換・ロード）サービスです。
- Glue Data Catalog は、データレイク内のデータの「設計図」を管理する図書館のような役割です。
- Glue Crawlers は、データの中身を自動で調べて、この設計図を自動で作成してくれます。
Amazon Athena: S3に保存されたデータを、サーバーレスで直接SQLで分析できるサービスです。アドホックなクエリや、手軽な分析に非常に便利です。
Amazon Redshift: 大規模なデータウェアハウスサービスです。Athenaよりもはるかに高速なクエリが必要な場合や、BIツールと連携して複雑な分析を行う場合に適しています。
Amazon EMR (Elastic MapReduce): HadoopやSparkといったオープンソースのビッグデータフレームワークを使いたいときに利用するサービスです。
Amazon Managed Service for Apache Flink: リアルタイムで流れてくるデータに対して、継続的なSQLクエリを実行するのに特化したサービスです。
Amazon OpenSearch Service: ログデータや全文検索機能が必要な場合に利用するサービスです。

分析した結果は、グラフやダッシュボードにして見やすくしましょう。

SAA試験で問われる機械学習は、専門的な知識よりも「どのサービスが何に役立つか」が重要です。

Amazon SageMaker: 機械学習モデルの構築、トレーニング、デプロイのすべてをサポートするフルマネージドなサービスです。カスタムモデルを開発する場合の主要なサービスです。

AWSには、既に学習済みのAIモデルが用意されています。

試験では、これらのサービスを組み合わせたソリューションのシナリオ問題が出題されます。パターンを理解することが合格への鍵です！

リアルタイム処理: Kinesis Data Streams や MSK でデータを集め、Managed Service for Apache Flink や Lambda でリアルタイムに処理します。
データレイク: S3 にデータを保存し、Lake Formation で管理。Glue でカタログ化し、Athena や Redshift で分析します。
ビッグデータバッチ処理: S3 に保存した大量データを、EMR を使って一括で処理します。