MLA-C02：AWS Certified Machine Learning Engineer - Associate ML・AI のためのデータ準備 問17
ML・AI のためのデータ準備／データ品質の検証とバイアスの管理大規模なデータパイプラインで取り込む学習用データが、期待する品質ルール（欠損率・値域・一意性・鮮度など）を満たしているかを、ルールベースで自動的に検証し、品質の低いデータを検出・監視したいと考えています。最も適した AWS のサービスはどれですか。
当サイトのオリジナル問題（MLA-C02：AWS Certified Machine Learning Engineer - Associateの出題範囲「ML・AI のためのデータ準備」に対応。実際の試験問題ではありません）
- AAWS Glue Data Quality（品質ルールを定義してデータを自動評価・監視する）
- BAmazon Athena（S3 のデータにアドホックな SQL クエリを実行する）
- CAmazon QuickSight（データを可視化する BI ツール）
- DAmazon Kinesis Data Streams（ストリーミングデータを取り込む）
正解：A
解説
AWS Glue Data Quality は、データセットやデータパイプラインに対して品質ルールを定義し、欠損率・値域・一意性・鮮度などを自動的に評価して、品質の低いデータを検出・監視できるマネージドな機能です。Athena は S3 データへの SQL クエリ、QuickSight は可視化（BI）、Kinesis Data Streams はストリーミング取り込みで、ルールに基づくデータ品質の自動検証を主目的とするのは Glue Data Quality です。
下線の用語は 用語集 で意味を確認できます。
選択肢ごとの解説
- A正しい。Glue Data Quality は品質ルールを定義してデータを自動評価・監視し、品質の低いデータを検出できます。
- B誤り。Athena は対話的な SQL クエリの実行で、品質ルールに基づく継続的な自動検証を主目的とはしません。
- C誤り。QuickSight はデータの可視化（BI）ツールで、データ品質ルールの自動検証機能ではありません。
- D誤り。Kinesis Data Streams はストリーミングデータの取り込みで、品質検証を行うサービスではありません。