AIFAIとMLの基礎
ある保険会社は、過去10年分の数百万件の保険申請書をまとめて処理し、全件についてリスクスコアを算出したいと考えています。処理はリアルタイムである必要はなく、週1回のバッチ処理で十分です。コスト効率を最優先とした場合、最も適切なAmazon SageMakerの推論方式はどれですか？
Aリアルタイム推論エンドポイント（Real-time Inference）― 低レイテンシが必要な場合に適している
リアルタイム推論エンドポイントはms単位の応答が必要な場合に適しており、常時稼働のため継続的なコストが発生します。
Bサーバーレス推論（Serverless Inference）― トラフィックが予測不能な場合に適している
サーバーレス推論は散発的なトラフィックに適しており、このユースケースには不適切です。
Cバッチ変換（Batch Transform）― 大量データを一括処理する場合に最もコスト効率が高い
✓ 正解
SageMaker Batch Transformは、S3に保存された大量のデータを一括処理し、結果をS3に書き出す推論方式です。常時稼働のエンドポイントを維持する必要がなく、処理完了後はリソースが自動解放されるため、定期バッチ処理に最適でコスト効率が高いです。
D非同期推論（Asynchronous Inference）― 単一リクエストの処理時間が長い場合に適している
非同期推論は単一リクエストの処理が長時間かかる場合（動画解析等）に適しており、大量バッチ処理にはBatch Transformが最適です。
解説
SageMaker Batch Transformは、S3に保存された大量のデータを一括処理し、結果をS3に書き出す推論方式です。常時稼働のエンドポイントを維持する必要がなく、処理完了後はリソースが自動解放されるため、定期バッチ処理に最適でコスト効率が高いです。
選択肢Aのリアルタイム推論エンドポイントはms単位の応答が必要な場合に適しており、常時稼働のため継続的なコストが発生します。
選択肢Bのサーバーレス推論は散発的なトラフィックに適しており、このユースケースには不適切です。
選択肢Dの非同期推論は単一リクエストの処理が長時間かかる場合（動画解析等）に適しており、大量バッチ処理にはBatch Transformが最適です。
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 →