AIFAIソリューションのセキュリティ、コンプライアンス、ガバナンス
ある医療AI企業は、機械学習モデルを本番環境にデプロイする前に、臨床専門家とコンプライアンス担当者による正式なレビューと承認を義務付けています。モデルバージョンの管理、評価メトリクスの記録、および「承認済み」のモデルのみが本番にデプロイされることを強制する仕組みを構築したいと考えています。この要件に最も適切なAmazon SageMakerの機能はどれですか？
AAmazon SageMaker Experimentsでトレーニング実験を系統的に追跡し、評価メトリクスを複数バージョン間で比較・記録する
Amazon SageMaker Experimentsはトレーニング実験の記録と比較が目的のサービスであり、モデルバージョンの承認状態を管理したり、未承認モデルのデプロイを制御する機能は持っていません。
BAmazon SageMaker Pipelinesで自動化されたCI/CDパイプラインを構築し、トレーニング・評価・デプロイを一連のステップで実行する
Amazon SageMaker PipelinesはトレーニングからデプロイまでのCI/CD自動化に使用しますが、人間によるレビューと承認状態の管理にはModel Registryとの組み合わせが必要で、Pipelines単独では承認ワークフローを完結できません。
CAmazon SageMaker Model Monitorを本番エンドポイントに設定して、データドリフトやモデル品質の劣化を継続的に検出する
Amazon SageMaker Model Monitorは本番エンドポイントのデータドリフトやモデル品質を監視するサービスであり、デプロイ前の承認プロセス管理や未承認モデルのデプロイ防止には対応していません。
DAmazon SageMaker Model Registryの承認ワークフローを使用して、モデルバージョンの審査・承認状態を中央管理する
✓ 正解
Amazon SageMaker Model Registryはモデルバージョンのカタログ化、評価メトリクスの記録、および承認ステータス（PendingManualApproval/Approved/Rejected）の管理機能を提供し、承認済みモデルのみを本番に連携する制御が可能です。
解説
Amazon SageMaker Model RegistryはMLモデルのバージョン管理とガバナンスのための中央リポジトリです。主な機能は以下の通りです。
①モデルバージョンのカタログ化（評価メトリクス・学習データ情報の記録）
②承認状態の管理（PendingManualApproval → Approved または Rejected）
③承認済みモデルのみをデプロイ先（SageMaker Pipelinesなど）に連携する制御
担当者がModel Registry上で承認ステータスを変更するまで本番デプロイが実行されないよう制御できるため、医療規制対応のガバナンス要件を満たせます。
選択肢AのAmazon SageMaker Experimentsはトレーニング実験の記録・比較が目的のサービスであり、モデルの承認ワークフローや本番デプロイの制御機能は持っていません。
選択肢BのAmazon SageMaker Pipelinesはビルド・テスト・デプロイの自動化を担いますが、人間によるレビューと承認状態の管理にはModel Registryと組み合わせる必要があり、単独では要件を満たせません。
選択肢CのAmazon SageMaker Model Monitorは本番デプロイ後のモニタリングが目的であり、デプロイ前の承認プロセスの管理や未承認モデルのデプロイ防止には対応していません。
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 →