無限ノック › MLA 練習問題一覧 › 問題MLA MLワークフローのデプロイとオーケストレーション
ML チームは、新しいモデルバージョンが本番環境へデプロイされる前にデータサイエンティストとビジネスオーナーによる承認を必須とする CI/CD（継続的インテグレーション／継続的デリバリー）パイプラインを構築したいと考えています。最小限の運用負荷で承認ベースのモデルデプロイメントワークフローを実現する構成はどれですか？
A モデルアーティファクトを S3 に保存し、Lambda 関数で承認メールを送信して、承認者が手動でデプロイスクリプトをコマンドラインから実行する
Lambda関数による承認メール送信は自動化できますが、実際のデプロイは承認者がコマンドラインからスクリプトを手動実行する必要があるため、ヒューマンエラーのリスクがあり最小運用負荷という要件を満たしません。
B SageMaker Model Registry にモデルを登録してステータスを「PendingManualApproval」に設定し、承認後のステータス変更を EventBridge ルールで検知して SageMaker Pipelines のデプロイパイプラインを自動起動する
✓ 正解
SageMaker Model RegistryのPendingManualApprovalステータスで承認ワークフローを管理し、EventBridgeがステータス変更を検知してSageMaker Pipelinesを自動起動するサーバーレス構成は、最小運用負荷を実現します。
C SageMaker Experiments でモデルの評価指標をトラッキングし、CloudWatch アラームで精度しきい値を超えたら自動的にデプロイする（人手による承認不要）
SageMaker Experimentsは実験のトラッキングサービスであり、CloudWatchアラームによる自動デプロイは精度しきい値超過で即時デプロイが行われ、人手による承認ステップを完全に省略するため要件を満たしません。
D EC2 インスタンス上に Jenkins を構築し、手動承認ステージでモデルファイルを確認後、EC2 上のシェルスクリプトで SageMaker エンドポイントを更新する
EC2インスタンス上のJenkinsはサーバーのプロビジョニング・パッチ適用・スケーリングなどの管理が必要であり、マネージドサービスに比べて運用負荷が著しく高く、最小運用負荷の要件を満たしません。
解説 SageMaker Model Registry はモデルのバージョン管理と承認ワークフローを統合したマネージドサービスです。承認ステータスを「PendingManualApproval」に設定することで承認待ち状態を管理でき、承認後のステータス変更イベントを EventBridge で受信して SageMaker Pipelines のデプロイパイプラインを自動起動する構成が、サーバーレスかつ最小運用負荷の実装です。
選択肢A のモデルアーティファクトをS3に保存し手動でデプロイする方法は、承認者がコマンドラインからデプロイスクリプトを手動実行する必要があり、自動化が不十分でヒューマンエラーのリスクも高く最小運用負荷の要件を満たしません。
選択肢C のSageMaker Experiments とCloudWatch アラームを使う方法は、人手による承認なしの自動デプロイであり要件を満たしません。
選択肢D のEC2上のJenkins を構築する方法は、サーバーのプロビジョニング・パッチ適用などの管理が必要で運用負荷が高く、最小運用負荷の要件を満たしません。
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 →