한 주 동안 SageMaker(ML 플랫폼), Bedrock(생성형 AI), Managed AI(사전 학습형 서비스), MLOps(운영 자동화)를 다뤘다. 오늘은 이 네 영역을 따로 외우는 대신, SAP-C02 시험이 실제로 묻는 방식 — "이 비즈니스 시나리오에 어떤 ML/AI 구성이 정답인가" — 의 의사결정 흐름으로 통합한다. ML/AI 영역의 시험 함정은 거의 항상 "직접 만들 것인가 vs 관리형을 쓸 것인가", "비슷한 서비스 중 무엇인가(Macie vs Comprehend, Async vs Batch, RAG vs fine-tuning)"의 경계에서 나온다.
종합 복습일이라 새 서비스를 더하기보다, 한 주 동안 흩어져 본 개념들이 왜 그렇게 설계됐는지 — 역사적 배경, 내부 동작, 다른 클라우드와의 차이, 실제 기업이 어떻게 실패하고 고쳤는지 — 를 한 호흡으로 꿰는 데 무게를 둔다. 시험은 단순 암기가 아니라 "이 조건에서 무엇이 운영 부담·비용·제약을 동시에 만족하는가"를 묻기 때문에, 서비스 이름이 아니라 그 뒤의 원리를 잡아야 보기 4개 중 그럴듯한 오답을 걸러낼 수 있다.
AWS의 ML 서비스 계층은 한 번에 설계된 게 아니라 시장의 필요를 따라 아래에서 위로 쌓였다. 2016년 re:Invent에서 AWS는 Rekognition·Polly·Lex 세 개의 "AI 서비스"를 공개했다