본 문제는 빌드업웍스에서 AWS 공인 클라우드 전문가 CLF-C01 (AWS Certified Cloud Practitioner)를 위해 개발한 연습문제입니다.
2개의 연습문제를 풀어 보시고 정답과 해설을 확인해 보세요.
문제
1. 다음 사용 사례 중 Amazon Rekognition에서 지원하지 않는 사용 사례는 무엇입니까?
A) 썸네일 이미지 만들기
B) 이미지에서 사람 식별
C) 이미지에서 텍스트 감지
D) 이미지 객체에 레이블 지정
2. 다음 중 AWS Auto Scaling에 대해 잘못된 설명은 무엇입니까?
A) 수요 증가에 맞게 확장하고 더 많은 EC2 인스턴스를 추가 할 수 있을 뿐만 아니라 감소 된 수요에 맞게 EC2 인스턴스를 축소 및 제거 할 수 있습니다.
B) 비정상 인스턴스를 자동으로 제거할 수 있습니다.
C) DDoS 공격이 감지되면 AWS Shield를 자동으로 배포할 수 있습니다.
D) 새 인스턴스를 Load Balancer에 자동으로 등록할 수 있습니다.
정답
1. A
Amazon Rekognition을 사용하면 기계 학습 전문 지식을 사용하지 않고도 확장성이 뛰어난 입증된 딥 러닝 기술을 사용하여 애플리케이션에 이미지 및 비디오 분석을 쉽게 추가할 수 있습니다. Amazon Rekognition에서는 이미지 및 비디오에서 객체, 사람, 텍스트, 장면 및 활동을 식별하고 부적절한 콘텐츠를 탐지할 수 있습니다. 또한 Amazon Rekognition은 다양한 사용자 확인, 사람 수 계산, 공공 안전 사용 사례를 위해 얼굴 탐지, 분석 및 비교하는 데 사용할 수 있는 매우 정확한 얼굴 분석 및 얼굴 검색 기능을 제공합니다.
Amazon Rekognition에서는 수천 개의 객체(예: 자전거, 전화기, 건물)와 장면(예: 주차장, 해변, 도시)을 식별할 수 있습니다. 비디오를 분석할 때는 “택배 배달” 또는 “축구하기” 등과 같이 특정 활동을 식별할 수도 있습니다.
Amazon Rekognition Custom Labels를 사용하면 Amazon Rekognition의 탐지 기능을 확장하여 특정한 비즈니스에만 유용한 이미지의 정보를 추출할 수 있습니다. 예를 들어 소셜 미디어에서 기업 로고를 찾거나 매장에서 제품을 식별하거나 어셈블리 라인에서 기계 부품을 분류하거나 비디오에서 애니메이션 캐릭터를 탐지할 수 있습니다.
사진 및 비디오의 텍스트는 인쇄된 페이지의 명확한 단어와는 매우 다르게 표시됩니다. Amazon Rekognition은 기울어지고 왜곡된 텍스트를 읽어 매장 이름, 미디어에 표시되는 강제 적용 자막, 도로명 표지판 및 제품 포장의 텍스트와 같은 정보를 캡처할 수 있습니다.
Amazon Rekognition에서는 이미지와 비디오에서 얼굴이 나타나는 순간을 쉽게 탐지하고 각 얼굴에서 성별, 연령대, 뜬 눈, 안경, 헤어 스타일과 같은 속성을 확보할 수 있습니다. 비디오에서 시간이 지나면서 이러한 속성들이 어떻게 변하는지 측정할 수도 있습니다(예: 배우가 표현하는 감정이 변화하는 시간대를 구성).
Amazon Rekognition은 빠르고 정확한 검색 기능을 제공하므로, 이를 통해 얼굴 이미지 프라이빗 리포지토리를 사용하여 사진 또는 비디오에 있는 사람을 식별할 수 있습니다. 또한 비교를 위해 저장해둔 이미지와 얼굴 이미지를 분석하여 신원을 확인할 수도 있습니다.
[ 참조 링크 ]
2. C
AWS Auto Scaling은 애플리케이션을 모니터링하고 용량을 자동으로 조정하여, 최대한 저렴한 비용으로 안정적이고 예측 가능한 성능을 유지합니다. AWS Auto Scaling을 사용하면 몇 분 만에 손쉽게 여러 서비스 전체에서 여러 리소스에 대해 애플리케이션 규모 조정을 설정할 수 있습니다. 이 서비스는 간단하면서도 강력한 사용자 인터페이스를 제공하므로 이를 사용하여 Amazon EC2 인스턴스와 스팟 플릿, Amazon ECS 작업, Amazon DynamoDB 테이블 및 인덱스, Amazon Aurora 복제본 등 리소스에 대한 규모 조정 계획을 수립할 수 있습니다. AWS Auto Scaling을 사용하면 성능과 비용을 최적화하거나 둘 사이의 적절한 균형을 유지하기 위한 권장 사항을 활용해 간단하게 규모를 조정할 수 있습니다. 이미 Amazon EC2 Auto Scaling을 사용하여 Amazon EC2 인스턴스의 규모를 동적으로 조정하고 있는 경우, 이제 AWS Auto Scaling과 결합하여 다른 AWS 서비스의 추가 리소스를 조정할 수 있습니다. AWS Auto Scaling을 사용하면 항상 적시에 올바른 리소스가 애플리케이션에 할당됩니다.
AWS Auto Scaling을 사용하면 직관적인 단일 인터페이스에서 여러 리소스에 대한 목표 사용률 수준을 설정할 수 있습니다. 다른 콘솔로 이동할 필요 없이 모든 확장 가능한 리소스의 평균 사용률을 신속하게 확인할 수 있습니다. 예를 들어, 애플리케이션에서 Amazon EC2와 Amazon DynamoDB를 사용하는 경우, AWS Auto Scaling을 사용해 애플리케이션의 모든 EC2 Auto Scaling 그룹과 데이터베이스 테이블에 대한 리소스 프로비저닝을 관리할 수 있습니다.
AWS Auto Scaling을 사용하면 워크로드가 주기적으로, 예측 불가능하게 또는 지속적으로 변해도 최적의 애플리케이션 성능과 가용성을 유지할 수 있습니다. AWS Auto Scaling에서는 사용자가 원하는 성능 수준으로 운영되도록 애플리케이션을 지속적으로 모니터링합니다. 수요가 급증하면 AWS Auto Scaling이 제한된 리소스 용량을 자동으로 늘려 높은 서비스 품질을 유지합니다.
AWS Auto Scaling을 사용하면 서로 다른 리소스 그룹이 수요 변화에 대응하는 방법을 자동화하는 규모 조정 계획을 수립할 수 있습니다. 가용성과 비용을 최적화하거나 둘 사이의 균형을 적절하게 유지할 수 있습니다. AWS Auto Scaling에서는 사용자의 기본 설정에 따라 자동으로 모든 규모 조정 정책을 생성하고 목표를 설정합니다. AWS Auto Scaling에서는 애플리케이션을 모니터링하고, 수요 변화에 따라 실시간으로 리소스 그룹에 용량을 자동으로 추가하거나 제거합니다.
[ 참조 링크 ]
빌드업웍스에서는 AWS 공인 클라우드 전문가 CLF-C01 연습문제 (AWS Certified Cloud Practitioner)를 개발했습니다.
더 많은 문제와 자세한 해설을 원하신다면 AWS 공인 클라우드 전문가 CLF-C01 연습문제 (AWS Certified Cloud Practitioner)로 오셔서 내용을 확인하세요.
빌드업웍스와 함께 클라우드 인증 시험에 도전하여 여러분의 잠재력과 경력을 향상해보세요!
© 2020, Buildup Works LLC. All rights reserved.
