AWS サービス一覧（MLA-C01 試験範囲）
試験範囲内の AWS サービスと機能
試験に出題される可能性のある AWS サービスと機能のリストです。
分析（Analytics）
Amazon Athena
- 用途: S3 データに対する SQL クエリ
- 特徴: サーバーレス、標準 SQL
- ML での活用: データ探索、特徴量分析
Amazon Data Firehose
- 用途: ストリーミングデータの配信
- 特徴: リアルタイムデータ転送
- ML での活用: リアルタイムデータ収集
Amazon EMR
- 用途: ビッグデータ処理（Hadoop, Spark）
- 特徴: スケーラブルなクラスター
- ML での活用: 大規模データ前処理
AWS Glue
- 用途: ETL サービス
- 特徴: サーバーレス、データカタログ
- ML での活用: データ変換、特徴量エンジニアリング
AWS Glue DataBrew
- 用途: ビジュアルデータ準備
- 特徴: ノーコード、250+ 変換
- ML での活用: データクリーニング、変換
AWS Glue Data Quality
- 用途: データ品質管理
- 特徴: ルールベースの検証
- ML での活用: データバリデーション
Amazon Kinesis
- 用途: リアルタイムストリーミング
- サービス:
- Kinesis Data Streams
- Kinesis Data Firehose
- Kinesis Video Streams
- ML での活用: リアルタイム推論のデータ入力
- 用途: データレイク構築と管理
- 特徴: セキュリティ、ガバナンス
- ML での活用: 中央集約型データリポジトリ
Amazon Managed Service for Apache Flink
- 用途: ストリーム処理
- 特徴: リアルタイム分析
- ML での活用: ストリーミングデータ変換
Amazon OpenSearch Service
- 用途: 検索、分析
- 特徴: 全文検索、ログ分析
- ML での活用: ログ分析、異常検出
Amazon QuickSight
- 用途: BI、ダッシュボード
- 特徴: サーバーレス、ML インサイト
- ML での活用: モデルパフォーマンス可視化
Amazon Redshift
- 用途: データウェアハウス
- 特徴: ペタバイトスケール
- ML での活用: 大規模データ分析
アプリケーション統合（Application Integration）
Amazon EventBridge
- 用途: イベント駆動アーキテクチャ
- 特徴: イベントバス、ルール
- ML での活用: ML パイプライン起動
Amazon MWAA (Managed Workflows for Apache Airflow)
- 用途: ワークフローオーケストレーション
- 特徴: DAG ベース
- ML での活用: 複雑な ML パイプライン
Amazon SNS (Simple Notification Service)
- 用途: Pub/Sub メッセージング
- 特徴: プッシュ通知
- ML での活用: アラート通知
Amazon SQS (Simple Queue Service)
- 用途: メッセージキュー
- 特徴: 完全マネージド
- ML での活用: 非同期処理
AWS Step Functions
- 用途: ステートマシン
- 特徴: ビジュアルワークフロー
- ML での活用: ML ワークフローオーケストレーション
クラウド財務管理（Cloud Financial Management）
AWS Billing and Cost Management
- 用途: 請求管理
- 特徴: コストレポート
- ML での活用: ML コスト追跡
AWS Budgets
- 用途: 予算管理
- 特徴: アラート、しきい値
- ML での活用: ML プロジェクト予算管理
AWS Cost Explorer
- 用途: コスト分析と予測
- 特徴: 可視化、フィルタリング
- ML での活用: ML インフラコスト最適化
コンピューティング（Compute）
AWS Batch
- 用途: バッチ処理
- 特徴: スケーラブル
- ML での活用: バッチ推論、ハイパーパラメータチューニング
Amazon EC2
- 用途: 仮想サーバー
- 特徴: 多様なインスタンスタイプ
- ML での活用: カスタム ML インフラ
AWS Lambda
- 用途: サーバーレスコンピューティング
- 特徴: イベント駆動
- ML での活用: 軽量推論、前処理
AWS Serverless Application Repository
- 用途: サーバーレスアプリの共有
- 特徴: 再利用可能なコンポーネント
- ML での活用: ML サーバーレスパターン
コンテナ（Containers）
Amazon ECR (Elastic Container Registry)
- 用途: Docker レジストリ
- 特徴: イメージスキャン
- ML での活用: カスタムコンテナ保存
Amazon ECS (Elastic Container Service)
- 用途: コンテナオーケストレーション
- 特徴: Fargate 対応
- ML での活用: コンテナベース推論
Amazon EKS (Elastic Kubernetes Service)
- 用途: マネージド Kubernetes
- 特徴: Kubernetes エコシステム
- ML での活用: Kubernetes 上の ML ワークロード
データベース（Database）
Amazon DocumentDB (MongoDB 互換)
- 用途: ドキュメント DB
- 特徴: MongoDB 互換
- ML での活用: 半構造化データ保存
Amazon DynamoDB
- 用途: NoSQL DB
- 特徴: 低レイテンシー
- ML での活用: 特徴量ストア、リアルタイムデータ
Amazon ElastiCache
- 用途: インメモリキャッシュ
- 特徴: Redis, Memcached
- ML での活用: 推論結果キャッシュ
Amazon Neptune
- 用途: グラフ DB
- 特徴: 高速グラフクエリ
- ML での活用: グラフ ML
Amazon RDS
- 用途: リレーショナル DB
- 特徴: 複数エンジン対応
- ML での活用: 構造化データ保存
AWS CDK (Cloud Development Kit)
- 用途: IaC（プログラミング言語）
- 特徴: 高レベル抽象化
- ML での活用: ML インフラのコード化
AWS CodeArtifact
- 用途: パッケージリポジトリ
- 特徴: Maven, npm, pip 対応
- ML での活用: ML ライブラリ管理
AWS CodeBuild
- 用途: ビルドサービス
- 特徴: 完全マネージド
- ML での活用: モデルコンテナビルド
AWS CodeDeploy
- 用途: デプロイ自動化
- 特徴: ブルー/グリーン、Canary
- ML での活用: モデルデプロイ自動化
AWS CodePipeline
- 用途: CI/CD パイプライン
- 特徴: ワークフロー統合
- ML での活用: MLOps パイプライン
AWS X-Ray
- 用途: 分散トレーシング
- 特徴: パフォーマンス分析
- ML での活用: 推論パフォーマンス分析
機械学習（Machine Learning）
Amazon A2I (Augmented AI)
- 用途: 人間によるレビュー
- 特徴: ヒューマンインザループ
- ML での活用: 低信頼度予測のレビュー
Amazon Bedrock
- 用途: 基盤モデルへのアクセス
- 特徴: Claude, Titan 等
- ML での活用: 生成 AI アプリケーション
Amazon CodeGuru
- 用途: コードレビュー
- 特徴: ML ベースの推奨
- ML での活用: ML コード品質向上
Amazon Comprehend
- 用途: NLP
- 特徴: 感情分析、エンティティ抽出
- ML での活用: テキスト分析
Amazon Comprehend Medical
- 用途: 医療 NLP
- 特徴: HIPAA 対応
- ML での活用: 医療テキスト分析
Amazon DevOps Guru
- 用途: 運用異常検出
- 特徴: ML ベース
- ML での活用: ML インフラ監視
Amazon Fraud Detector
- 用途: 不正検出
- 特徴: カスタムモデル
- ML での活用: 不正取引検出
AWS HealthLake
- 用途: 医療データ管理
- 特徴: FHIR 対応
- ML での活用: 医療データ分析
Amazon Kendra
- 用途: エンタープライズ検索
- 特徴: ML ベースのランキング
- ML での活用: ドキュメント検索
Amazon Lex
- 用途: 会話型 AI
- 特徴: チャットボット
- ML での活用: カスタマーサポート
Amazon Lookout for Equipment
- 用途: 設備異常検出
- 特徴: 時系列分析
- ML での活用: 予知保全
Amazon Lookout for Metrics
- 用途: メトリクス異常検出
- 特徴: 自動検出
- ML での活用: ビジネスメトリクス監視
Amazon Lookout for Vision
- 用途: コンピュータビジョン
- 特徴: 欠陥検出
- ML での活用: 品質管理
Amazon Mechanical Turk
- 用途: クラウドソーシング
- 特徴: ヒューマンインテリジェンス
- ML での活用: データラベリング
Amazon Personalize
- 用途: レコメンデーション
- 特徴: リアルタイム
- ML での活用: パーソナライゼーション
Amazon Polly
- 用途: テキスト読み上げ
- 特徴: 自然な音声
- ML での活用: 音声アプリケーション
Amazon Q
- 用途: 生成 AI アシスタント
- 特徴: ビジネスコンテキスト
- ML での活用: 開発支援
Amazon Rekognition
- 用途: 画像・動画分析
- 特徴: 物体検出、顔認識
- ML での活用: コンピュータビジョンアプリ
Amazon SageMaker
- 主要機能:
- SageMaker Studio: 統合開発環境
- SageMaker Notebooks: Jupyter ノートブック
- SageMaker Processing: データ処理
- SageMaker Training: モデルトレーニング
- SageMaker Pipelines: ML ワークフロー
- SageMaker Model Registry: モデルバージョン管理
- SageMaker Endpoints: モデルデプロイ
- SageMaker Data Wrangler: データ準備
- SageMaker Feature Store: 特徴量管理
- SageMaker Ground Truth: データラベリング
- SageMaker Clarify: バイアス検出、説明可能性
- SageMaker Model Monitor: モデル監視
- SageMaker Debugger: デバッグ
- SageMaker Autopilot: AutoML
- SageMaker JumpStart: 事前トレーニング済みモデル
- SageMaker Neo: エッジ最適化
- 用途: OCR
- 特徴: フォーム、表の抽出
- ML での活用: ドキュメント処理
Amazon Transcribe
- 用途: 音声認識
- 特徴: リアルタイム、バッチ
- ML での活用: 音声テキスト変換
Amazon Translate
- 用途: 機械翻訳
- 特徴: ニューラル翻訳
- ML での活用: 多言語対応
マネジメントとガバナンス（Management & Governance）
AWS Auto Scaling
- 用途: 自動スケーリング
- 特徴: 複数サービス対応
- ML での活用: エンドポイントスケーリング
AWS Chatbot
- 用途: チャット通知
- 特徴: Slack, Teams 統合
- ML での活用: アラート通知
- 用途: IaC（テンプレート）
- 特徴: YAML/JSON
- ML での活用: ML インフラ構築
AWS CloudTrail
- 用途: API 監査ログ
- 特徴: セキュリティ、コンプライアンス
- ML での活用: ML 操作の追跡
Amazon CloudWatch
- 用途: モニタリング、ログ
- 特徴: メトリクス、アラーム
- ML での活用: ML システム監視
Amazon CloudWatch Logs
- 用途: ログ管理
- 特徴: ログ集約、検索
- ML での活用: トレーニング・推論ログ
AWS Compute Optimizer
- 用途: リソース最適化
- 特徴: ML ベースの推奨
- ML での活用: インスタンス最適化
AWS Config
- 用途: リソース管理、コンプライアンス
- 特徴: 構成履歴
- ML での活用: ML リソース監査
AWS Organizations
- 用途: 複数アカウント管理
- 特徴: 統合請求
- ML での活用: ML プロジェクト管理
AWS Service Catalog
- 用途: 承認済みリソースカタログ
- 特徴: ガバナンス
- ML での活用: 標準 ML スタック
AWS Systems Manager
- 用途: 運用管理
- 特徴: パッチ管理、自動化
- ML での活用: ML インフラ管理
AWS Trusted Advisor
- 用途: ベストプラクティス推奨
- 特徴: コスト最適化、セキュリティ
- ML での活用: ML リソース最適化
Amazon Kinesis Video Streams
- 用途: 動画ストリーミング
- 特徴: リアルタイム処理
- ML での活用: 動画分析
移行と転送（Migration & Transfer）
AWS DataSync
- 用途: データ転送
- 特徴: 高速、自動化
- ML での活用: 大規模データ移行
ネットワークとコンテンツ配信（Networking & Content Delivery）
Amazon API Gateway
- 用途: API 管理
- 特徴: REST, WebSocket
- ML での活用: ML API 公開
Amazon CloudFront
- 用途: CDN
- 特徴: グローバル配信
- ML での活用: 推論結果配信
AWS Direct Connect
- 用途: 専用線接続
- 特徴: 低レイテンシー
- ML での活用: オンプレミス連携
Amazon VPC
- 用途: 仮想ネットワーク
- 特徴: プライベート IP 空間
- ML での活用: ML システムの分離
セキュリティ、アイデンティティ、コンプライアンス（Security, Identity, & Compliance）
AWS IAM (Identity and Access Management)
- 用途: アクセス管理
- 特徴: ロール、ポリシー
- ML での活用: ML リソースのアクセス制御
AWS KMS (Key Management Service)
- 用途: 暗号化キー管理
- 特徴: 暗号化、復号化
- ML での活用: データ、モデルの暗号化
Amazon Macie
- 用途: データセキュリティ
- 特徴: PII 検出
- ML での活用: センシティブデータ保護
AWS Secrets Manager
- 用途: シークレット管理
- 特徴: 自動ローテーション
- ML での活用: 認証情報管理
ストレージ（Storage）
Amazon EBS (Elastic Block Store)
- 用途: ブロックストレージ
- 特徴: 高IOPS
- ML での活用: トレーニングデータ、モデル保存
Amazon EFS (Elastic File System)
- 用途: ファイルシステム
- 特徴: 共有アクセス
- ML での活用: 分散トレーニングのデータ共有
Amazon FSx
- 用途: マネージドファイルシステム
- 種類: Lustre, Windows, NetApp ONTAP
- ML での活用: 高性能データアクセス
Amazon S3
- 用途: オブジェクトストレージ
- 特徴: 無制限、耐久性
- ML での活用: データレイク、モデル保存
Amazon S3 Glacier
- 用途: アーカイブストレージ
- 特徴: 低コスト
- ML での活用: 長期データ保存
AWS Storage Gateway
- 用途: ハイブリッドストレージ
- 特徴: オンプレミス統合
- ML での活用: オンプレミスデータ連携
試験範囲外の主要サービス
以下は試験範囲外ですが、知識として知っておくと良いサービス：
- AWS Clean Rooms（分析）
- Amazon AppFlow（アプリケーション統合）
- AWS Elastic Beanstalk（コンピューティング）
- Amazon Lightsail（コンピューティング）
- AWS App Runner（コンピューティング）
- Amazon Cognito（セキュリティ）
- Amazon GuardDuty（セキュリティ）
- Amazon Inspector（セキュリティ）
- AWS WAF（セキュリティ）
サービス選択のヒント
データ処理
- 小規模: Lambda, Glue
- 大規模: EMR, Athena
ストレージ
- 構造化: RDS, Redshift
- 非構造化: S3
- 共有ファイル: EFS, FSx
ML 推論
- リアルタイム: SageMaker エンドポイント
- バッチ: SageMaker Batch Transform
- エッジ: SageMaker Neo
モニタリング
- メトリクス: CloudWatch
- ログ: CloudWatch Logs
- 監査: CloudTrail
- ML 固有: SageMaker Model Monitor
関連リンク
- [[00_試験概要]]
- [[1.1_データの取り込みと保存]]
- [[2.1_モデリングアプローチの選択]]
- [[3.1_デプロイインフラストラクチャの選択]]
- [[4.1_モデル推論のモニタリング]]