이번 주는 ML 수명주기의 첫 단계, 데이터를 AWS 안으로 들이고(수집) 효율적으로 쌓는(저장) 과정을 다뤘다. MLA-C01 도메인 1(Data Preparation, 약 28%)의 핵심이며, 여기서 잘못 고르면 이후 학습 비용과 속도가 통째로 무너진다.
오늘은 S3·Kinesis·Glue·Athena를 하나의 데이터 파이프라인으로 엮어 복습한다. 각 서비스를 따로 외우기보다, "raw 데이터가 들어와 학습 가능한 데이터셋이 되기까지" 흐름 위에 얹는 것이 시험 대비에 효율적이다.
이번 주 서비스들은 하나의 흐름으로 이어진다.
[소스]
│ ① 수집(ingestion)
├─ 스트리밍 ──> Kinesis Data Streams / Firehose ─┐
└─ 배치 ──────> DMS / DataSync / 직접 업로드 ─────┤
v
┌──────────────────┐
│ S3 데이터 레이크 │ ② 저장
│ (단일 진실 공급원)│
└──────────────────┘