들어가며
AWS 자격증을 따기 위해 미루고 미루다가 최근에, 퇴근 후 시간을 짬짬이 모아 AI Practitioner 자격증을 취득하게 되었다. 해당 자격증은 Associate나 Specialty를 따기 위한 디딤발의 개념으로 신청해서 보고자 했다. 현재 직무도 AI 쪽이기 때문에 없는 것보다는 낫겠다는 생각도 있었기도 했지만, AWS는 자격증을 하나 취득하면 다음 시험 응시료를 50% 할인해주는 바우처를 준다. 그래서Specialty와 같은 비싼 (300 USD...한화로 40만...) 시험을 치르는 데 도움이 될 것이라고 생각해 응시하게 됐다.
실제 AI Practitioner를 취득하기까지 어렵지 않았는데(오히려 쉬운 쪽) 시간을 써야겠다고 마음을 먹기까지가 더 어려웠던 것 같다. 그리고 당연히도 나와 비슷한 생각을 하는 분들이 있을 것이라고 생각했다. 그래서 실제 해당 시험을 준비하면서 느꼈던 점과 몇 가지 팁을 공유해서 나와 같은 분들에게 할 만하다는 동기를 줬으면 하는 마음에서 포스팅을 작성하게 되었다.
(참고로 제목에 12시간이라고 얘기했지만 하루 12시간 올인해서 딴 거는 아니었고, 2주 동안 틈틈이 총 12시간 정도를 사용해서 시험을 준비했습니다)
필자의 수준
시험이 쉽다고 얘기하지만 당연히 사람마다 수준의 차이가 다를 수 있을 것이라고 생각한다. 그래서 우선 시험을 응시했을 때의 작필자의 경험을 공유하면 다음과 같다.
- 3년차 머신러닝 엔지니어
- 실제 업무에서 AWS 서비스를 사용
- AWS 오프라인 교육 수강 경험
어떻게 보면, 머신러닝이나 AWS 서비스를 알고 사용하고 있기 때문에 시험을 쉽게 얘기한다고 생각할 수 있다. 하지만, 오히려 현직에 있고 공부를 조금 해봤었기에 시험에 나오는 내용들이 그렇게 어려운 내용이 아니었음을 알 수 있었다. 그래서 조금 더 편한 마음으로 도전해보셔도 좋을 것 같다고 말하고 싶다.
시험 준비
다음으로는 시험 준비 방법에 대해서 작성하며, 각 과정마다 얼마만큼의 시간이 소요되었는 지에 대해서 말해보겠다. 시험은 다음 과정을 거쳐서 준비했다.
- 시험 일정 예약 (30분)
- 시험 준비 (7시간 30분)
- 오답 노트 작성 및 시험 준비 (1시간 30분 + 1시간)
- 시험 응시 (1시간 30분)
우선, 시험 일정 예약을 얘기해보면, 시험을 준비할 때는 다음 페이지(certified-ai-practitioner)를 통해서 시험 예약을 진행할 수 있다. 개인적으로는 시험 준비하는 것보다 일정 예약을 하기까지가 제일 어려웠던 것 같다. 마음먹는 것도 그렇고, 안 쓰던 계정 찾아서 로그인하고 하는 과정이 왜인지 더 느렸었다. 시험 일정 예약은 온라인으로 응시할 시, 거의 매일 시험을 응시할 수 있기에 일정에 맞춰서 하면 되지만 마음을 먹어서 들어갔다면 바로 일정을 예약하는 것을 추천한다. 필자는 10일 정도 여유있게 시험을 신청했다. 시험 예약까지 한 30분 정도 소요되었다.
다음으로, 시험 준비는 Udemy에서 강의(practice-exams-aws-certified-ai-practitioner)를 신청해서 Practice 문제 풀이를 진행했다. 이런 강의라기보다는 모의고사 문제집이라고 생각하면 되며, 이런 문제들을 bulk라고 하며, 다른 사이트에서도 제공해주지만 실제 문제 풀이와 유사하게 테스트해볼 수도 있고 오답이나 해설 확인도 편해서 확실히 장점이 있다. 참고로 정가는 44,000정도인데, Udemy에서 할인하면 1만원대로도 구매가 가능하며, 주로 금요일이나 주말부터 할인이 많이 되기 때문에 이때를 노려서 구매하는 것을 추천한다.
해당 강의는 5개의 모의고사로 구성되어 있으며, 약 65문제 정도였던 것으로 기억한다. 모의고사 1개를 푸는데 약 1시간 정도가 소요되었고, 틀린 문제를 보고 확인하는데 한 30분 정도가 소요되었던 것 같다. 퇴근하고 나서나 주말에 짬짬이 5문제를 풀어서, 총 7시간 30분 정도 소요되었다.
그리고 시험 전 날 이전까지 풀었던 문제들을 정리하고, 시험 당일 날 볼 오답노트를 작성했다. 생각보다 어려운 개념은 없었지만, 번역을 해서 시험에 응시해야 하다보니 용어가 헷갈리거나 자주 등장하는 문제들에 대해서 정리를 했다. 오답 노트 정리에 1시간 30분 정도 소요되었던 것 같다.
마지막으로 시험 당일 날 시험 응시 전에 1시간 정도 오답노트 작성한 내용들을 보며 시험을 준비했다. 그리고 환경 설정을 조금 한 이후 시험 응시를 진행했고, 시험은 약 1시간 30분 정도 소요되었다.
이렇게 시험 일정 예약 부터 시험 응시까지 총 12시간이 소요되었다.
시험 관련 팁
대상 응시자
AWS AI Practitioner에 대해서 "AWS의 AI/ML 기술을 이용한 솔루션에 익숙하지만 반드시 구축할 필요는 없는 개인"이라고 정의하고 있는데, 딱 맞는 거 같다. 그럼에도 어느 정도 기준을 생각해봤을 때, 다음 체크리스트에 다 해당이 되신다면 편하게 도전해보셔도 좋을 것 같다 (해당 기준은 지극히 개인적인 생각이기 때문에 본인의 수준을 고려해서 잘 판단하실 것이라 믿는다).
- LLM 서비스를 API로 호출해서 사용해본 경험이 있다.
- AI/ML 관련해서 부트캠프나 교육을 들어본 경험이 있다.
- AWS 서비스가 무엇인지 알고, EC2, S3. RDS와 같은 서비스를 알고 있다.
- AWS Sagemaker와 Bedrock을 알고 있다.
AWS 서비스의 경우, AWS 자격증이지만 주로 Bedrock이나 Sagemaker와 관련된 문제가 주로 나오기 때문에 기본적인 부분만 이해하시고 AI 관련 서비스에 대해서만 공부하시면 된다. 물론 이것들도 모의고사를 풀어보시면 금방 이해하실 수 있는 수준이다.
시험 문제 팁
필자의 경우, 시험 문제에서 기본 ML 문제라던가 AWS 서비스와 관련된 부분보다 AWS에서 제공하는 생소한 AI 솔루션과 관련된 문제에서 오답이 많이 나왔다. 그래서 AWS에서 제공하는 인공지능 서비스에 대해서 정리한 자료를 공유하고자 한다.
AWS 사전 훈련 인공 지능 서비스
다음은 AWS에서 제공하는 주요 AI 서비스에 대한 정보로, 해당 시험에서는 다음 서비스들의 역할만 잘 이해하고 구분할 수 있다면, 10개는 맞출 수 있다고 생각한다
| 카테고리 | 서비스 이름 | 주요 기능 |
| AI | Amazon Q | 비즈니스에 맞게 조정 가능한 생성형 AI 기반 도우미 |
| Amazon Bedrock | 파운데이션 모델(FM)을 활용해 생성형 AI 앱을 빌드 및 확장 | |
| Amazon SageMaker | 기계 학습 모델을 빌드, 훈련 및 배포하기 위한 완전 관리형 서비스 | |
| 코드 어시스트 | Amazon CodeWhisperer | AI 기반 코딩 동반자로, 코드 제안 및 보안 스캔 기능 제공 |
| 콘텐츠 | Amazon Transcribe | 음성을 텍스트로 자동 변환 |
| (TTS) | Amazon Polly | 텍스트를 자연스러운 음성으로 변환 |
| (OCR) | Amazon Textract | 스캔 문서나 이미지에서 텍스트, 필기, 데이터 자동 추출 |
| (NER) | Amazon Comprehend | 텍스트에서 핵심 구문, 개체, 감정 등 인사이트를 추출하는 자연어 처리 서비스 (NER) |
| (Translate) | Amazon Translate | 신경망 기계 번역을 통한 고품질 언어 번역 |
| Amazon Rekognition | 이미지 및 비디오 분석을 위한 컴퓨터 비전 기능 제공 | |
| Amazon Kendra | 자연어 처리를 기반으로 한 지능형 엔터프라이즈 검색 서비스 | |
| 챗봇 | Amazon Lex | 음성 및 텍스트를 사용하는 챗봇 등 대화형 인터페이스 구축 |
| 추천 | Amazon Personalize | 실시간 개인화 및 추천 기능을 애플리케이션에 쉽게 추가 |
AWS Sagemaker 서비스
Amazon SageMaker는 단순히 모델을 만들고 훈련시키는 것을 넘어, 전체 머신러닝(ML) 워크플로우를 지원하는 매우 포괄적인 서비스이다. 따라서 그 안에 다양한 서비스가 존재하는데, 해당 서비스와 관련된 문제들도 많이 나온다. 다음은 AWS Sagemaker가제공하는 서비스들이다.
| 카테고리 | 서비스 이름 | 주요 기능 |
| 통합 개발 환경 (IDE) | SageMaker Studio | 데이터 준비부터 모델 배포까지 전체 ML 워크플로우를 위한 통합 개발 환경 |
| 노코드(No-Code) ML | SageMaker Canvas | 코딩 없이 시각적 인터페이스를 통해 머신러닝 모델을 구축하고 예측을 생성하는 서비스 |
| ML 허브 | SageMaker JumpStart | 파운데이션 모델, 사전 구축된 알고리즘 및 솔루션을 클릭 몇 번으로 쉽게 배포하고 활용하는 ML 허브 |
| 책임감 있는 AI | SageMaker Clarify | 모델의 편향성을 탐지하고, 예측 결과를 설명하여 공정성과 투명성을 확보하는 서비스 |
| 데이터 준비 | SageMaker Ground Truth | 고품질의 훈련 데이터 세트를 구축하기 위한 데이터 레이블링 서비스 |
| SageMaker Data Wrangler | 시각적 인터페이스를 통해 데이터를 정제하고 변환하는 서비스 | |
| SageMaker Feature Store | ML 모델의 피처(특성)를 저장, 공유, 재사용하는 중앙 리포지토리 | |
| 자동화된 ML | SageMaker Autopilot | 데이터를 기반으로 최적의 ML 모델을 자동으로 빌드하고 훈련하는 서비스 |
| 배포 및 관리 | SageMaker Model Monitor | 배포된 모델의 성능을 지속적으로 모니터링하고, 데이터 드리프트나 컨셉 드리프트와 같이 모델 성능을 저하시키는 문제를 감지하여 알려줍니다. |
| Amazon SageMaker Model Cards | ML 모델에 대한 모든 중요 정보를 한곳에 모아 문서화하고 공유하는 기능 |
기타 AWS 서비스
다음은, 모의고사에 나왔던 서비스 중 필자도 잘 몰랐었던 AWS의 관련 서비스들이다.
| 카테고리 | 서비스 이름 | 주요 기능 |
| 의료 AI | Amazon Confrehend Medical | 의사 소견서, 퇴원 요약서, 검사 결과 및 사례 노트와 같은 비정형 임상 텍스트에서 유용한 정보를 감지하고 반환 |
| Amazon Transcript Medical | Amazon Transcript Medical은 음성 지원 애플리케이션에 의료용 음성-텍스트 기능을 쉽게 추가할 수 있는 자동 음성 인식(ASR) 서비스 | |
| 데이터 증강 | Amazon Augmented AI | ML 예측을 인간이 검토하는 데 필요한 워크플로우를 쉽게 구축할 수 있는 서비스입니다. Amazon A2I는 모든 개발자에게 휴먼 리뷰를 제공하며, 휴먼 리뷰 시스템 구축 또는 대량의 휴먼 리뷰어 관리를 편리하게 제공 |
| 감사 및 규정 | AWS Config (리소스 기록) | AWS 리소스의 모든 구성 변경을 지속적으로 기록하고, 미리 정의된 규칙에 따라 규정 준수 여부를 평가합니다. |
| AWS Audit Manager (감사) | 데이터를 증거로 자동 수집하여, 특정 규제(GDPR 등)에 대한 감사 보고서를 손쉽게 작성합니다. | |
| AWS Artifact (인증서 보관) | AWS가 제3자로부터 받은 보안 및 규정 준수 인증서(ISO, PCI 등)를 제공하여 AWS 인프라의 신뢰성을 증명합니다. |
정리하며
해당 글을 작성하면서, 시험 준비에 소요된 시간을 생각해보니 정말 별로 시간 투자를 안 했던 것 같다. AWS 자격증을 준비해야겠다라는 생각을 거의 12주를 한 것 같은데, 실제 소요된 시간은 12시간밖에 안 되었다. 하루 1시간, 2시간 유튜브보고, 핸드폰 하고 쉽게쉽게 시간을 쓰면서도 공부하는데 1시간 내기는 참 어려운 것 같다. 물론, 필자 또한 7월에 자격증 취득하고 한 달 동안 다음 자격증으로 넘어가지 못하고 있기도 하다. 그럼에도 예전에 나처럼 고민하면서 시간을 미뤄보신 분 혹 나와 같은 (아니면 보다 더 뛰어난 많은) 분들이 계시다면 한 번 쯤 편하게 도전해보시면 좋을 것 같다.