MLAMLワークフローのデプロイとオーケストレーション複数選択
金融サービス企業のMLOpsチームが、クレジットリスク予測モデルの本番デプロイメントパイプラインを構築しています。要件は次のとおりです：
①自動テスト通過後は人間のレビュアーによる明示的な承認が必須
②承認済みモデルのみSageMaker Model Registryで「Approved」ステータスに更新される
③承認後は自動的に本番エンドポイントが更新される
この要件を最小限の運用負荷で実現するサービスの組み合わせとして最も適切なものを2つ選択してください。
ASageMaker Pipelines でトレーニングと評価を自動化し、モデルをModel Registryに「PendingManualApproval」ステータスで登録する
✓ 正解
A. SageMaker Pipelines でトレーニングと評価を自動化し、モデルを Model Registry に「PendingManualApproval」ステータスで登録する
D. Amazon EventBridge ルールで Model Registry の「Approved」ステータス変更イベントを検知し、自動的に SageMaker Pipelines のデプロイパイプラインをトリガーする
A と D の組み合わせが AWS が推奨する標準的な MLOps パターンです。SageMaker Pipelines でモデルを PendingManualApproval としてModel Registry に登録（A）し、人間が AWS コンソールまたは API で承認すると Approved ステータスに変更されます。EventBridge は SageMaker Model Registry のステータス変更イベントをネイティブにサポートしており、Approved への変更を検知してデプロイパイプラインを自動トリガー（D）できます。
BAWS CodePipeline で人間による承認アクション（Manual Approval Action）を設定し、承認後にSageMakerエンドポイント更新Lambdaを実行する
AWS CodePipeline も人間承認を実装できますが、SageMaker Pipelines と二重管理になり運用負荷が増加します。
CAmazon SQSキューを使用してモデル承認リクエストをキューイングし、Lambda関数でModel Registryのステータス更新とエンドポイント更新を実行する
Amazon SQS は非同期処理には有効ですが、このユースケースでは EventBridge より複雑になります。
DAmazon EventBridgeルールでModel Registryの「Approved」ステータス変更イベントを検知し、自動的にSageMaker Pipelinesのデプロイパイプラインをトリガーする
✓ 正解
A. SageMaker Pipelines でトレーニングと評価を自動化し、モデルを Model Registry に「PendingManualApproval」ステータスで登録する
D. Amazon EventBridge ルールで Model Registry の「Approved」ステータス変更イベントを検知し、自動的に SageMaker Pipelines のデプロイパイプラインをトリガーする
A と D の組み合わせが AWS が推奨する標準的な MLOps パターンです。SageMaker Pipelines でモデルを PendingManualApproval としてModel Registry に登録（A）し、人間が AWS コンソールまたは API で承認すると Approved ステータスに変更されます。EventBridge は SageMaker Model Registry のステータス変更イベントをネイティブにサポートしており、Approved への変更を検知してデプロイパイプラインを自動トリガー（D）できます。
EAWS Step Functions を使用してモデル承認ワークフローをステートマシンとして実装し、承認待ちタスクにはWait for Callback パターンを使用する
Step Functions は汎用ワークフロー向けで、Model Registry のネイティブ承認フローとの統合には追加実装が必要で、SageMaker Pipelines＋EventBridgeより運用負荷が高くなります。
解説
選択肢AのSageMaker Pipelinesでトレーニングと評価を自動化し、モデルをPendingManualApprovalとしてModel Registryに登録するアプローチは、人間の承認ワークフローをMLパイプラインにネイティブに組み込む標準的な方法です。
選択肢BのAWS CodePipelineも人間による承認アクション（Manual Approval Action）を実装できますが、SageMaker Pipelinesと二重管理になり運用負荷が増加します。
選択肢CのAmazon SQSを使ったキューイングは非同期処理には有効ですが、このユースケースではEventBridgeを使った方式より構成が複雑になります。
選択肢DのAmazon EventBridgeはModel Registryの「Approved」ステータス変更イベントをネイティブにサポートしており、承認後のデプロイパイプラインを自動トリガーできます。AとDの組み合わせがAWSの推奨するMLOpsパターンです。
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 →