AIFAIとMLの基礎

ある通信会社は、毎晩バッチ処理で全顧客(数百万件)の解約リスクスコアを一括計算しています。即時の応答は不要で、結果は翌朝のレポートに使われます。推論コストを最小限に抑えたい場合、最も適切なSageMakerの推論方法はどれですか。

A
SageMaker バッチ変換(Batch Transform)。大量データをまとめて推論し、完了後にリソースを解放する
✓ 正解
即時応答が不要で大量データを定期一括処理する用途にはBatch Transformが最適。ジョブ実行時のみリソースを起動し完了後に解放するため、常時起動が不要でコストを最小化でき、本シナリオの要件に合致する。
B
リアルタイム推論エンドポイント。常時起動した専用エンドポイントで低レイテンシの推論を提供する
リアルタイム推論エンドポイントは低レイテンシ応答のために専用インスタンスを常時起動するため課金が継続する。即時性が不要な夜間バッチ用途ではコスト効率が悪く、コスト最小化という要件に合わない。
C
非同期推論エンドポイント。大きなペイロードを受け付けキューで順次処理する
非同期推論エンドポイントは大きなペイロードや長い処理時間のリクエストをキューで順次処理する用途。アイドル時にゼロへスケールできるが、数百万件の定期一括処理にはBatch Transformの方が適している。
D
マルチモデルエンドポイント。1つのエンドポイントで複数モデルをホストし切り替える
マルチモデルエンドポイントは1エンドポイントで多数のモデルをホストしコストを抑える仕組みだが、エンドポイント自体は常時稼働する。夜間一括バッチでコスト最小化という要件には合致しない。

解説

即時応答が不要で、数百万件を毎晩まとめて処理する用途には、SageMaker バッチ変換(Batch Transform)が最適です。ジョブ実行中のみリソースを起動し完了後に解放するため、常時起動コストが発生せず最もコスト効率に優れます。 選択肢のリアルタイム推論エンドポイントは常時起動で課金が継続。 選択肢の非同期推論やマルチモデルエンドポイントもエンドポイントの稼働を伴い、定期一括処理にはバッチ変換が適します。

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 →
AIF の問題一覧に戻る