[DOP-C02] AWS 오늘의 퀴즈 (단일 정답)

🎯 정답: C

A. Amazon Textract로 문서에서 텍스트와 구조화된 데이터(forms, tables)를 추출한 후, Amazon Comprehend Medical을 사용하여 법률 용어 엔티티를 식별하고, Amazon OpenSearch Service(OpenSearch Service)에 인덱싱하여 검색합니다.

B. Amazon Rekognition으로 문서 내 텍스트를 인식하고, 인식된 텍스트를 Amazon SageMaker에서 사용자 지정 모델로 학습하여 엔티티를 추출한 후, Amazon S3에 저장하고 Amazon Lex를 통해 쿼리합니다.

✅ C. Amazon Textract의 비동기 작업(Asynchronous Operations)을 사용하여 대규모 문서에서 텍스트, 양식(forms), 테이블을 추출하고, 추출된 데이터를 Amazon Comprehend Custom Entity Recognition을 활용하여 법률 관련 엔티티를 식별한 후, Amazon OpenSearch Service(OpenSearch Service)에 인덱싱하여 법률 전문가들이 자연어 검색을 수행하도록 합니다.

D. Amazon Polly로 문서 내용을 음성으로 변환하고, Amazon Lex를 사용하여 사용자가 음성으로 문서 내용을 쿼리할 수 있도록 하며, 모든 문서는 Amazon DynamoDB에 저장하여 검색 효율성을 높입니다.

💡 해설:
정답은 C입니다. Amazon Textract의 비동기 작업은 대량의 스캔 문서에서 텍스트와 구조화된 데이터를 효율적으로 추출하는 데 최적화되어 있습니다. Amazon Comprehend Custom Entity Recognition은 특정 도메인(여기서는 법률)의 고유한 엔티티를 정확하게 식별하는 데 적합합니다. 추출 및 식별된 데이터를 Amazon OpenSearch Service에 인덱싱하면 법률 전문가가 빠르고 효율적으로 자연어 검색을 수행할 수 있습니다. A의 Comprehend Medical은 의료 텍스트 분석에 특화되어 있으며, B의 Rekognition은 문서 텍스트 추출에 부적합하고 S3 및 Lex 조합은 자연어 검색 솔루션으로 부족합니다. D의 Polly와 Lex는 텍스트-음성 변환 및 챗봇 서비스로 문서 추출 및 검색 요구사항과는 거리가 있습니다.

🚀 Tip: DOP-C02 시험에서는 다양한 AWS 서비스들의 기능적 차이점과 통합 방안에 대한 심층적인 이해를 요구합니다. 특히, 여러 서비스들을 조합하여 확장 가능하고 비용 효율적인 아키텍처를 설계하는 능력이 중요합니다. 각 서비스가 어떤 문제 해결에 최적화되어 있는지 정확히 파악하고, 실제 시나리오에 적용하는 연습을 많이 하십시오.