MLAMLソリューションの監視、メンテナンス、セキュリティ
小売企業が SageMaker Model Monitor でリアルタイムエンドポイントのデータ品質を監視しています。現在はドリフト検出時に SNS 通知を受けた担当者が手動でパイプラインを起動して再トレーニングを実施しています。この手動ステップをなくし、ドリフト検出から再トレーニング完了まで自動化したいと考えています。追加実装を最小限に抑えながら実現できる構成はどれですか？
AAmazon EventBridge ルールで Model Monitor の制約違反イベントを捕捉し、SageMaker Pipelines の再トレーニングパイプラインを直接起動するよう設定する
✓ 正解
SageMaker Model Monitor は制約違反を検出すると EventBridge にイベントを発行します。EventBridge ルールのターゲットに SageMaker Pipelines を直接指定できるため、Lambda や Step Functions を追加せずに最小実装でドリフト検出から自動再トレーニングまでを実現できます。
BCloudWatch アラームを Model Monitor のメトリクスに設定し、アラーム状態遷移時に Lambda 関数を起動して SageMaker Training Job API を呼び出す
CloudWatch アラーム + Lambda の組み合わせは動作しますが、Lambda 関数の実装・テスト・デプロイ・IAM 権限設定が必要です。EventBridge から SageMaker Pipelines を直接起動する方法と比べて実装コストが高く、最少追加実装という要件を満たしません。
CAWS Step Functions ステートマシンを作成し、EventBridge からトリガーされて Model Monitor メトリクスをポーリングしたうえで Training Job を実行する
Step Functions によるポーリング設計はイベント駆動と比較してステートマシン定義・Lambda・ポーリングロジックの実装が必要で複雑です。EventBridge → Pipelines の直接連携で即時対応が可能であり、この構成は過剰設計となります。
DSageMaker MonitoringSchedule の設定パラメータに再トレーニング用パイプラインの ARN を直接指定し、ドリフト検出時に自動でパイプラインを実行させる
SageMaker MonitoringSchedule の設定パラメータに SageMaker Pipelines を直接起動ターゲットとして指定する機能は存在しません。MonitoringSchedule は監視ジョブのスケジューリングを管理するものであり、外部サービス連携には EventBridge が必要です。
解説
SageMaker Model Monitor はデータ品質・モデル品質・バイアスドリフトを検出すると Amazon EventBridge にイベントを発行します。EventBridge ルールでこのイベントパターン（SageMaker Model Monitor Constraint Violation）を捕捉し、ターゲットとして SageMaker Pipelines の StartPipelineExecution を指定することで、追加コンポーネントなしにドリフト検出から再トレーニングまでの自動化が実現できます。EventBridge から SageMaker Pipelines を直接起動できるため、Lambda や Step Functions などの中間実装が不要です。
選択肢BのCloudWatch アラーム + Lambda アプローチは機能しますが、Lambda 関数の実装・デプロイ・IAM 権限設定が必要となり、EventBridge → Pipelines の直接連携より実装コストが高くなります。
選択肢CのStep Functions + ポーリング設計はイベント駆動と比較して複雑で過剰な実装であり、最小追加実装という要件を満たしません。
選択肢Dの MonitoringSchedule は SageMaker Pipelines ARN を直接の起動ターゲットとして指定する機能を持たず、この構成は存在しません。
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MLA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 →