金融機関がMLモデルの更新サイクルを自動化しようとしている。Gitリポジトリへのコードプッシュをトリガーにユニットテスト・SageMakerトレーニング・評価・ステージング環境へのデプロイを自動実行し、本番デプロイには手

Question

金融機関がMLモデルの更新サイクルを自動化しようとしている。Gitリポジトリへのコードプッシュをトリガーにユニットテスト・SageMakerトレーニング・評価・ステージング環境へのデプロイを自動実行し、本番デプロイには手動承認ゲートを設けたい。コードCIとMLパイプラインを統合管理できる構成を選択せよ。

Accepted Answer

正解: CodePipelineでソースとビルドを管理しSageMaker Pipelinesでトレーニングし、本番ステージに手動承認を設ける。CodePipelineはGitトリガー・CodeBuildによるCI・手動承認アクションをネイティブに持ち、SageMaker Pipelinesをアクションとして組み込むことでコードCIとMLワークフローを一元管理できる。

Answer

SageMaker PipelinesだけでCI/CD全体を定義し、Gitプッシュイベントを検知して自動でパイプラインをトリガーする — SageMaker PipelinesはMLワークフロー専用であり、ユニットテストや汎用CIのビルドステップ管理をネイティブに持たない。

Answer

Step FunctionsでMLワークフローを定義しEventBridgeでGitプッシュを検知してステートマシンを自動起動する — Step FunctionsはMLワークフロー実行は可能だが、Gitプッシュトリガーや手動承認を含むCI/CDの標準統合機能が弱い。

Answer

GitHub ActionsでCIを実行しAWS CDKスクリプトでSageMakerエンドポイントを更新する独自パイプラインを構築する — GitHub ActionsはAWSネイティブでなく、CodePipelineと比べて本番承認ゲートや手動承認のAWS統合が複雑になる。

解説