AWS認定 クラウドプラクティショナー（CLF-C02）で配点最大のドメイン3（34%）。その中でも数が多くて覚えにくいのがAI/MLサービスとデータ分析サービスです。ここは「広く浅く」が鉄則で、試験では各サービスが「何をする道具か」「どのユースケースで選ぶか」だけが問われます。この記事ではSageMaker・Athena・Glue・QuickSightを軸に、名前と役割がスッと結びつく早見表で整理します。全体像は CLF対策トップ、データの置き場は ストレージ（S3）・データベースもあわせてどうぞ。
まずは2つのグループで整理する
Task 3.7で問われるサービスは、ざっくり2つのグループに分けられます。この分け方さえ押さえれば、細かいサービス名も迷いにくくなります。
- AI/MLサービス：翻訳・音声・画像認識など「賢い機能」を提供する。自分でモデルを作るSageMakerと、そのまま使える学習済みAIがある
- データ分析サービス：たまったデータを集めて・整えて・分析して・見せる。Athena・Glue・QuickSight・Kinesisなどが役割ごとに並ぶ
AI/MLサービス：賢い機能を「作る」か「すぐ使う」か
AI/MLサービスは2タイプで覚えます。ゼロから機械学習モデルを作りたいならSageMaker、翻訳や画像認識のようなできあいの機能をすぐ使いたいなら学習済みAIサービスです。
学習済みAIサービスは、AWSが訓練済みのAIをAPIで呼ぶだけで使えます。CLFでは「この用途ならどれ？」が問われるので、役割と代表用途をセットで覚えましょう。
| サービス | 何をする道具か |
|---|---|
| SageMaker | 機械学習モデルを自分で作る・訓練する・公開する土台（開発の総合環境） |
| Comprehend | 文章の感情や要点・キーワードを読み取る（自然言語処理） |
| Translate | 多言語をすばやく翻訳する |
| Transcribe | 音声を文字に書き起こす |
| Polly | 文章を自然な読み上げ音声に変換する |
| Rekognition | 画像・動画を解析する（物体・顔などの認識） |
| Textract | 書類やPDFから文字・表を抽出する（OCR） |
| Lex | 会話ボット（チャットボット・音声応答）を作る |
| Kendra | 社内文書をかしこく探す（高度な検索） |
覚え方：自分で作る＝SageMaker、そのまま使う＝それ以外。用途は名前が近いものが多く（Transcribe＝文字起こし／Translate＝翻訳／Polly＝読み上げ）、「入力→出力」で結びつけると定着します。
データ分析サービス：集めて・整えて・分析して・見せる
データ分析サービスは、データが流れる4つの工程に沿って並べると一気に整理できます。バラバラに暗記せず、「ためる→整える→分析する→見せる」の順で役割を結びつけましょう。
この4サービス（＋よく出る周辺サービス）の役割を早見表にまとめます。Athena・Glue・QuickSight・Kinesisの4つは特に頻出です。
| サービス | 何をする道具か |
|---|---|
| Athena | S3のデータをSQLで直接分析する（サーバー管理なし・使った分だけ課金） |
| Glue | データを抽出・変換・統合して整える（ETL・サーバーレス） |
| QuickSight | 分析結果をグラフのダッシュボードで見せる（BI・可視化） |
| Kinesis | 流れ続けるデータをリアルタイムに集めて処理する（ストリーミング） |
| Redshift | 大量データを高速集計する本格データウェアハウス（DWH） |
| EMR | 大規模データをまとめて処理する基盤（HadoopやSpark） |
| OpenSearch | ログや文章を検索・分析する（ログ分析・全文検索） |
| Data Exchange | 第三者が提供するデータを取り込んで使う |
迷ったら用途で選ぶ：S3をSQLでサッとならAthena、本格的なDWHならRedshift、データの整形（ETL）はGlue、リアルタイム収集はKinesis、ダッシュボードで見せるのはQuickSight。この対応が付けば十分です。
確認クイズ
Q1. S3に保存したログを、サーバーを立てずにSQLで手軽に分析したい。最適なサービスは？
Q2. あちこちにあるデータを抽出・変換・統合して整える（ETL）のに適したサービスは？
Q3. 分析結果をグラフのダッシュボードにして関係者に見せたい。最適なサービスは？
Q4. 機械学習モデルを自分で構築・訓練・公開するための総合的な土台となるサービスは？
よくある質問（FAQ）
Q. AthenaとRedshiftはどう使い分ける？
A. AthenaはS3のデータをSQLでサッと分析でき、サーバー管理なし・使った分だけ課金。Redshiftは大量データを高速集計する本格データウェアハウス（DWH）で、繰り返し重い集計をする用途に向きます。「手軽にS3を」ならAthena、「本格DWH」ならRedshiftが目安です。
Q. SageMakerと学習済みAIサービスはどう選ぶ？
A. 独自のモデルを一から作るならSageMaker、翻訳・音声・画像認識などのできあいの機能をすぐ使いたいなら学習済みAIサービス（Translate・Rekognition・Comprehendなど）です。CLFでは「用途→サービス」の対応が付けば十分です。
Q. CLF試験ではどこまで覚えればいい？
A. 各サービスが「何をする道具か」「どのユースケースで選ぶか」だけでOK。深い技術や設定は問われません。とくに混同しやすいAthena・Glue・QuickSight・Kinesisの役割の違いを押さえておきましょう。
まとめ
- この分野は「AI/MLサービス」と「データ分析サービス」の2グループで整理する
- AI/MLは自分で作るSageMakerとそのまま使う学習済みAI（翻訳・音声・画像認識など）
- データ分析はためる（S3）→整える（Glue）→分析する（Athena）→見せる（QuickSight）の流れで覚える
- 試験は「用途→どのサービス」の対応が問われるだけ。深掘りは不要
- ➡ 出題範囲の全体像：CLF-C02シラバス完全マップ
- ➡ 関連：ストレージ（S3＝データレイクの置き場） ／ データベース
- ➡ CLF対策トップに戻る
※本記事はAWS公式試験ガイド(CLF-C02)および各サービスの公開ドキュメントに基づき、エンジニアKが作成しています。サービス仕様は更新されることがあるため、最新は必ずAWS公式でご確認ください。本サイトはAmazon Web Services, Inc.の公式サイトではありません。AWSは同社の商標です。
コメント