Q16 — AWS SAP-C02 第1章

第 16/75 問 | ← 第1章

Q91. ある企業は、フォーム処理アプリケーションをAWSに移行しました。 ユーザーがアプリケーションと対話する際、スキャンされたフォームをファイルとしてWebアプリケーション経由でアップロードします。データベースにはユーザーのメタデータおよびAmazon S3に保存されたファイルへの参照が格納されます。WebアプリケーションはAmazon EC2インスタンス上で実行され、PostgreSQLをサポートするAmazon RDSデータベースを使用しています。フォームがアップロードされると、アプリケーションはAmazon Simple Notification Service（Amazon SNS）を介してチームに通知を送信します。その後、チームメンバーがログインし、各フォームを手動で処理します。チームメンバーはフォームのデータ検証を行い、関連情報を抽出した後、APIを利用する別のシステムに情報を入力します。 ソリューションアーキテクトは、この手動によるフォーム処理を自動化する必要があります。このソリューションは、正確なフォーム抽出を提供し、市場投入までの時間を最小限に抑え、長期的な運用オーバーヘッドを最小限に抑える必要があります。 これらの要件を満たすソリューションはどれですか？

• A. フォームに対する光学的文字認識（OCR）を実行するカスタムライブラリを開発します。このライブラリをAmazon Elastic Kubernetes Service（Amazon EKS）クラスター上にアプリケーション層としてデプロイし、フォームがアップロードされた際にフォーム処理に使用します。出力をAmazon S3に保存します。この出力を解析し、Amazon DynamoDBテーブルに必要なデータを抽出します。その後、そのデータをターゲットシステムのAPIに送信します。新しいアプリケーション層はEC2インスタンス上でホストします。
• B. AWS Step FunctionsおよびAWS Lambdaを用いたアプリケーション層でシステムを拡張します。この層を、EC2インスタンス上でトレーニングおよびホストされる人工知能・機械学習（AI/ML）モデルを活用して、フォームがアップロードされた際にOCRを実行するように設定します。出力をAmazon S3に保存します。アプリケーション層内で必要なデータを抽出し、出力を解析します。その後、そのデータをターゲットシステムのAPIに送信します。
• C. EC2インスタンス上で新しいアプリケーション層をホストします。この層から、Amazon SageMakerでトレーニングおよびホストされるAI/MLモデルをホストするエンドポイントを呼び出して、フォームに対するOCRを実行します。出力をAmazon ElastiCacheに保存します。アプリケーション層内で必要なデータを抽出し、出力を解析します。その後、そのデータをターゲットシステムのAPIに送信します。
• D. AWS Step FunctionsおよびAWS Lambdaを用いたアプリケーション層でシステムを拡張します。この層を、フォームがアップロードされた際にAmazon TextractおよびAmazon Comprehendを活用してOCRを実行するように設定します。出力をAmazon S3に保存します。アプリケーション層内で必要なデータを抽出し、出力を解析します。その後、そのデータをターゲットシステムのAPIに送信します。 ✓

正解: D. AWS Step FunctionsおよびAWS Lambdaを用いたアプリケーション層でシステムを拡張します。この層を、フォームがアップロードされた際にAmazon TextractおよびAmazon Comprehendを活用してOCRを実行するように設定します。出力をAmazon S3に保存します。アプリケーション層内で必要なデータを抽出し、出力を解析します。その後、そのデータをターゲットシステムのAPIに送信します。

解説

手動によるフォーム処理の自動化、正確なフォーム抽出の実現、市場投入までの時間の短縮、および長期的な運用オーバーヘッドの最小化という要件を満たすソリューションは、以下の選択肢Dです。 D. システムをAWS Step FunctionsおよびAWS Lambdaを用いたアプリケーション層で拡張し、フォームがアップロードされた際にAmazon TextractおよびAmazon Comprehendを活用してOCRを実行するように設定します。出力をAmazon S3に保存し、アプリケーション層内で必要なデータを抽出して出力を解析した後、ターゲットシステムのAPIにデータを送信します。 解説： 選択肢Dでは、AWS Step FunctionsおよびAWS Lambdaを活用したアプリケーション層を導入することで、手動によるフォーム処理の自動化が容易になります。また、Amazon TextractおよびAmazon Comprehendを活用することで、OCRおよびデータ抽出を高精度かつ効率的に実行できます。Amazon TextractはOCRおよびフォーム抽出に特化したサービスであり、Amazon Comprehendは関連データの抽出や自然言語処理タスクに適しています。 OCRおよびデータ抽出の結果は、処理済みフォームの保存に最適な、効率的かつスケーラブルなストレージソリューションであるAmazon S3に保存されます。その後、アプリケーション層内で抽出されたデータを解析し、必要な情報を取得します。最後に、そのデータをターゲットシステムのAPIに送信して、さらなる処理を行います。 選択肢Aは不適切です。OCR向けのカスタムライブラリを開発し、Amazon EKSクラスターへデプロイするには、多大な開発工数と継続的な運用オーバーヘッドが必要であり、OCRおよびデータ抽出向けの既存のAWSサービスを活用していません。 選択肢Bは不適切です。OCRのためにEC2インスタンス上でAI/MLモデルをトレーニングおよびホストするには、多大な開発工数と継続的な保守作業が必要であり、Amazon Textractが提供する専門的なOCR機能を活用していません。 選択肢Cは不適切です。OCRのためにAmazon SageMakerでホストされるAI/MLモデルを呼び出すと、追加の複雑さと運用オーバーヘッドが生じます。OCR用途には、専門的なOCR機能を提供するAmazon Textractを活用すれば十分であり、SageMakerを用いる必要はありません。 したがって、正しいソリューションはDです：AWS Step FunctionsおよびAWS Lambdaを用いたアプリケーション層でシステムを拡張し、OCRおよびデータ抽出にAmazon TextractおよびAmazon Comprehendを活用し、出力をAmazon S3に保存し、アプリケーション層内で出力を解析した後、ターゲットシステムのAPIにデータを送信します。