AIFAIとMLの基礎
データサイエンスチームが複数のMLモデルで共通の特徴量（フィーチャー）を再利用したいと考えています。特徴量はリアルタイム推論（低レイテンシ）とバッチ学習・推論の両方で使用される要件があります。この要件を最も適切に満たすAWSサービスはどれですか？
AAmazon SageMaker Data Wrangler
Data Wrangler はデータの前処理・特徴量エンジニアリングを視覚的に行うツールであり、特徴量を一元管理してオンライン/オフラインで再利用する機能は提供しません。
BAmazon SageMaker Feature Store
✓ 正解
Amazon SageMaker Feature Storeは、ML特徴量を一元管理する専用リポジトリです。ミリ秒単位でアクセス可能なオンラインストア（リアルタイム推論用）と大容量のオフラインストア（バッチ処理用）の両方を提供し、複数モデル間での特徴量再利用が可能です。
CAWS Glue Data Catalog
Glue Data Catalog はデータのスキーマやメタデータを管理するカタログサービスであり、低レイテンシのリアルタイム特徴量提供や特徴量ストアとしての機能は持ちません。
DAmazon SageMaker Experiments
Experiments は ML の学習ジョブやパラメータ・メトリクスを追跡・比較するためのサービスであり、特徴量の保存・共有・提供を行う機能はありません。
解説
正解：
Amazon SageMaker Feature Store。
Amazon SageMaker Feature Storeは、ML特徴量を一元管理する専用リポジトリです。ミリ秒単位でアクセス可能なオンラインストア（リアルタイム推論用）と大容量のオフラインストア（バッチ処理用）の両方を提供し、複数モデル間での特徴量再利用が可能です。
選択肢AのData Wranglerはデータ前処理ツールです。
選択肢CのGlue Data Catalogはメタデータ管理に使用します。
選択肢DのExperimentsはモデル実験の追跡管理に使用します。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIFを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →