AIFAIとMLの基礎
ある企業が顧客離反予測モデルを運用しており、毎晩1回だけ約500万件の顧客レコードをまとめてスコアリングしたいと考えています。リアルタイムの低レイテンシ応答は不要で、推論にかかるコストを最小化することが最優先です。SageMakerの推論オプションとして最も適切なものはどれですか。
Aリアルタイム推論エンドポイントを常時起動し、夜間バッチでまとめて呼び出して全レコードを処理する
リアルタイムエンドポイントは常時インスタンスが起動し続けるため、夜間の一括処理以外の時間帯も課金され続ける。低レイテンシ要件のないバッチ用途にはコスト効率が悪く、コスト最小化という要件を満たさない。
BSageMaker Batch Transformでデータセット全体を一括処理し、ジョブ完了後にリソースを解放する
✓ 正解
Batch Transform はジョブ実行時のみリソースを起動してデータセット全体を一括スコアリングし、完了後に自動解放する。常時稼働コストがかからず、低レイテンシ不要・大量データのオフライン推論に最もコスト効率が高い。
C非同期推論（Asynchronous Inference）エンドポイントに各レコードをキュー送信して処理する
非同期推論は大きなペイロードや長時間処理を伴う個別リクエストをキュー処理する用途で、アイドル時はゼロにスケールできる。しかし500万件の一括バルクスコアリングを安価に処理する設計ではなく、Batch Transform より非効率になる。
Dサーバーレス推論（Serverless Inference）で必要時のみ起動し各レコードを推論する
サーバーレス推論は断続的なリアルタイムトラフィック向けで需要に応じ起動・ゼロスケールするが、リクエスト単位の処理でコールドスタートも生じる。500万件を夜間に一括処理する用途には最適化されていない。
解説
夜間に一度だけ大量のレコードをまとめてスコアリングする用途で、低レイテンシ要件がなくコストを最小化したい場合は SageMaker Batch Transform が最適。
推論専用のリソースをジョブ実行時のみ起動してデータセット全体を一括処理し、完了後に自動でリソースを解放するため、常時稼働の課金が発生しない。
選択肢0のリアルタイムエンドポイントは常時課金されコスト効率が悪い。
選択肢2の非同期推論は大きなペイロードの個別リクエスト向けでバルク処理に不向き。
選択肢3のサーバーレス推論は断続的なリアルタイム需要向けで500万件の一括処理には最適化されていない。
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 →