AIエンジニアとして知っておくべきAWSサービス一覧
AIエンジニアがAWSを扱う場合、全サービスを覚える必要はありません。
まずは以下のカテゴリを理解すると、実務の大半をカバーできます。
1. 基盤インフラ
VPC
仮想ネットワーク
AWSアカウント
↓
VPC
↓
Subnet
↓
EC2
知るべき内容
- CIDR
- Public Subnet
- Private Subnet
- Route Table
- Internet Gateway (IGW)
- NAT Gateway
- Security Group
- Network ACL (NACL)
AIシステムでも必須知識です。
EC2
仮想サーバ
例
GPUインスタンス
↓
LLMサーバ
代表例
- g4dn
- g5
- p4
- p5
用途
- LLM推論サーバ
- バッチ処理
- APIサーバ
- GPU学習
EBS
EC2用ブロックストレージ
EC2
↓
EBS
用途
- モデル保存
- ベクトルDB保存
- 学習データ保存
IAM
権限管理
例
EC2
↓
S3アクセス許可
知るべき内容
- User
- Group
- Role
- Policy
実務ではほぼ毎日見るサービスです。
2. コンテナ
AIシステムでは必須
ECR
Dockerイメージ保存
Docker Build
↓
ECR
用途
- Dockerイメージ保管
- ECS/EKSへのデプロイ
ECS
Docker実行サービス
ECS
↓
Container
特徴
- Kubernetes不要
- 学習コストが低い
- 小〜中規模向け
EKS
Kubernetesサービス
EKS
↓
Pod
↓
Container
特徴
- Kubernetes運用
- 大規模システム向け
- AI基盤で頻出
知識優先度は非常に高い
Fargate
サーバレスコンテナ
Container
↓
AWSがサーバ管理
特徴
- EC2不要
- 運用負荷が低い
3. ストレージ
S3
最重要サービス
画像
動画
PDF
学習データ
モデル
全部保存可能
用途
- RAG文書
- 学習データ
- 画像データ
- 動画データ
- モデルファイル
知識優先度：最高
EFS
共有ファイルストレージ
EC2 A
EC2 B
↓
EFS
用途
- モデル共有
- 学習結果共有
4. データベース
RDS
リレーショナルDB
対応
- PostgreSQL
- MySQL
- MariaDB
- SQL Server
用途
ユーザー情報
課金情報
履歴
DynamoDB
NoSQL
JSON
Key-Value
特徴
- 高速
- フルマネージド
- サーバレス
ElastiCache
Redisサービス
用途
会話履歴
キャッシュ
セッション管理
LLMチャットでよく利用
5. AI・機械学習
AIエンジニアの主戦場
SageMaker
AWSの機械学習基盤
できること
- 学習
- 推論
- デプロイ
- MLOps
データ
↓
学習
↓
モデル
↓
エンドポイント
Bedrock
生成AIサービス
最重要
利用可能モデル例
- Claude
- Llama
- Nova
- Mistral
- Titan
例
bedrock.invoke_model()
OpenAI API感覚で利用可能
用途
- チャット
- 要約
- RAG
- エージェント
Amazon Q
AWS版AIアシスタント
用途
- コード生成
- AWS設計支援
- ドキュメント検索
Rekognition
画像認識
できること
- 顔認識
- 物体認識
- OCR
- ラベル付け
Textract
OCR
PDF
↓
文字抽出
RAG構築で頻出
Comprehend
自然言語処理
機能
- 感情分析
- キーワード抽出
- エンティティ抽出
Transcribe
音声→文字
音声
↓
テキスト
Polly
文字→音声
テキスト
↓
音声
6. データ分析
データサイエンティストなら重要
Athena
S3に対してSQL実行
SELECT *
FROM s3_data
実際にはGlue Catalog経由
Glue
ETLサービス
S3
↓
Glue
↓
整形
用途
- データ加工
- データパイプライン
EMR
Hadoop / Spark環境
用途
- 分散処理
- 大規模データ分析
Kinesis
ストリーム処理
例
IoT
ログ
クリックデータ
リアルタイム分析で利用
Redshift
データウェアハウス
大量データ
↓
分析
BIツール連携で利用
7. サーバレス
Lambda
最重要
関数実行サービス
def handler(event, context):
return "Hello"
用途
- API処理
- バッチ処理
- AI推論前処理
- イベント処理
API Gateway
API公開
API Gateway
↓
Lambda
用途
- REST API
- Web API
- AIサービス公開
Step Functions
ワークフロー管理
OCR
↓
LLM
↓
要約
↓
保存
用途
- AIパイプライン
- バッチ制御
8. 監視
CloudWatch
ログと監視
用途
CPU
メモリ
エラー
ログ
確認できる内容
- メトリクス
- ログ
- アラーム
CloudTrail
監査ログ
誰が
何を
したか
セキュリティ監査で必須
9. メッセージング
SQS
キュー
Producer
↓
SQS
↓
Consumer
AI推論の非同期処理でよく使う
SNS
通知
異常検知
↓
SNS
↓
メール
用途
- メール通知
- Slack通知
- システム通知
10. AIエンジニア向け優先順位
最優先（必須）
- IAM
- VPC
- EC2
- S3
- Lambda
- CloudWatch
- ECR
- ECS
- EKS
- Bedrock
AI開発で頻出
- SageMaker
- Textract
- Rekognition
- Athena
- Glue
- DynamoDB
- RDS
- SQS
RAG開発で頻出
- S3
- Bedrock
- Lambda
- ECS
- EKS
- OpenSearch Service
- Textract
- Athena
- DynamoDB
OpenSearch Service（重要）
ベクトル検索サービス
PDF
↓
Embedding
↓
OpenSearch
↓
Vector Search
RAG構築では非常によく利用される
AIエンジニア向け学習ロードマップ
IAM
↓
VPC
↓
EC2
↓
S3
↓
Lambda
↓
CloudWatch
↓
ECR
↓
ECS
↓
EKS
↓
Bedrock
↓
SageMaker
↓
OpenSearch
↓
Step Functions
実務でよくある生成AIアーキテクチャ
User
↓
API Gateway
↓
Lambda
↓
Bedrock
↓
Claude
↓
OpenSearch
↑
Embedding
↑
Textract
↑
PDF(S3)
これはAWSでRAGシステムを構築する際の代表的な構成例です。
まず覚えるべき10サービス
- IAM
- VPC
- EC2
- S3
- Lambda
- CloudWatch
- ECR
- ECS
- EKS
- Bedrock
この10サービスを理解すると、AWS上でのLLM・RAG・生成AIシステムの設計〜開発〜運用の大部分をカバーできます。